强跟踪修正SRCKF算法在单站无源跟踪中的应用

为提升平方根容积卡尔曼滤波(SRCKF)算法在单站无源跟踪中对机动目标的跟踪性能,提出一种强跟踪修正SRCKF算法。利用标准卡尔曼滤波对状态变量及误差协方差矩阵平方根进行预测,替代原有的容积点加权和的近似计算方法。使用一次状态估计值构造新的测量方程,并结合标准卡尔曼滤波进行二次滤波估计,从而提高滤波精度。借鉴强跟踪滤波器思想,将时变渐消因子引入状态预测误差协方差阵的平方根中,实时调整增益矩阵,从而使算法具有自适应跟踪目标能力,增强其应对突变机动的鲁棒性。仿真结果表明,与SRCKF算法相比,该算法在常规机动以及突变机动下都具有更高的跟踪精度。

基于自适应因子化H∞滤波的单站无源跟踪

针对单站无源跟踪系统非线性较强、传统跟踪滤波方法收敛速度慢且容易发散的问题,提出了一种基于自适应因子化H∞滤波的单站无源跟踪算法。该算法利用sigma点转换和鲁棒H∞滤波能够减小观测方程的线性化误差和降低观测误差不确定性的特点,通过新息控制减小野值对滤波的干扰,利用比例因子和渐消因子自适应调整采样点到中心点的距离和状态预报误差的协方差,从而克服基于UT变换的H∞滤波采样时的非局部效应问题,增强了单站无源跟踪系统对噪声的鲁棒性。仿真实验结果表明,本文方法通过对UT变换进行简化,在自适应因子化的同时,算法的计算量与基于UT变换的H∞滤波基本持平,且跟踪精度优于基于UT变换的H∞滤波算法。该算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。

辐射时序对单站无源跟踪性能的影响

针对射频隐身平台采取辐射时序控制的情况,以基于角度/相位差变化率/多普勒频率变化率的单站无源跟踪为例,研究了辐射时序与跟踪性能的影响关系。在辐射源做匀速运动的假设下,采用克拉美劳下界方法,建立了辐射时序对跟踪性能的影响模型。模型综合考虑了辐射时序、观测量误差、导航误差等因素,与具体的跟踪算法无关,因此具有实用性和客观性。基于影响模型的仿真分析,揭示了辐射时序不同特征对跟踪性能的影响规律,为射频隐身平台辐射时序设计提供了初步的理论指导。

伯努利滤波在单站无源跟踪中的应用

外辐射源雷达系统具有隐蔽性好、反隐身能力及抗干扰能力强等优点,但其中高频频段信号普遍存在距离分辨率较差的问题。通过建立仅利用目标多普勒信息的测量模型,将基于随机有限集的伯努利滤波算法应用于以多个视距外短波广播发射站、单个近距离接收站为背景的单站无源雷达系统中,同时克服了传统跟踪方法中复杂的数据关联,进而提高了跟踪效果。仿真结果表明,该方法能在大量虚警下仅利用多普勒信息实现对运动目标的有效跟踪和定位。

基于强跟踪容积卡尔曼滤波的单站无源跟踪算法

系统模型和滤波算法是机动目标单站无源定位跟踪要解决的核心问题。文中采用截断正态概率模型和一种新型的滤波算法--容积卡尔曼滤波,对机动目标进行单站无源定位跟踪。针对目标突发机动的情况,借鉴强跟踪滤波器的思想,在滤波过程中引入时变渐消因子,提出了一种强跟踪容积卡尔曼滤波算法(Strong Tracking Cubature Kalman Filter,STCKF)。该算法利用容积数值积分原则直接计算非线性随机函数的均值和方差,实现简单,估计精度高,并通过渐消因子自适应在线调节增益矩阵,增强了系统对突发机动的跟踪能力。结合空频域单站无源定位模型进行仿真实验表明,STCKF算法在对一般机动目标进行跟踪时,性能与CKF算法相当,并优于传统的EKF算法。当目标突变大机动时,STCKF算法的滤波性能要高于EKF以及CKF算法。

简化UKF算法在单站无源目标跟踪中的应用

根据实际的应用背景,对标准的UKF算法进行简化,提出一种SUKF(Simplified Unscented Kalman Filter)算法,并将其应用于无源目标跟踪。对实测数据的滤波结果表明,SUKF不仅运算复杂度低(与经典EKF相当,比UKF大大简化),而且收敛速度快、一致性好,跟踪精度高(达到了UKF同样的性能),非常适合于实时应用的场合。

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。

CDKF方法在外辐射源单站无源目标跟踪中的应用

针对外辐射源单站无源目标跟踪精度问题,将一种基于Sterling内插公式的新的非线性滤波算法—中心差分卡尔曼滤波算法(central difference Kalman filter,CDKF)应用到系统中。仿真结果表明,与传统的扩展卡尔曼滤波算法(extended Kalman filter,EKF)相比,CDKF具有更高的定位精度,且不需要计算Jacobian矩阵,更易实现;而与无迹卡尔曼滤波算法(unscented Kalman filter,UKF)相比,CDKF只有一个待优化的比例参数,参数的选择更加方便,且定位精度更高,所需运算时间更少。

基于Jerk模型的单站无源定位跟踪算法研究

针对非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法Jerk-UKF。该方法用Jerk模型对做复杂机动的运动目标建模,采用UKF滤波的思想对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标跟踪,提高了目标跟踪收敛精度和稳定性。仿真试验表明了该方法的可行性和有效性,并具有较高的应用价值。最后,对Jerk-UKF算法的研究方向进行了讨论。

基于超球体单形采样的BS-UKF算法在单站无源目标跟踪中的应用

根据单站无源目标定位跟踪模型,提出了一种基于超球体采样策略的BS-UKF(backward-smoothing unscent-ed Kalman filter)算法,并将其应用于单站无源目标跟踪。仿真分析表明,与标准比例采样的UKF(unscented kalmanfilter)和基于超球体单形采样的UKF相比,该算法在滤波精度上有显著的提高,在时间复杂度上有一定的增加,适合用于对定位精度要求较高的情况。

一种快速跟踪的单站无源定位算法

在单站无源定位与跟踪中,扩展卡尔曼滤波算法对初始值依赖性较强,在观测方程非线性较强时收敛速度和稳定性无法满足要求,因此文中提出了一种优先估计慢变化参量的定位跟踪算法,通过仿真比较验证了该算法具有较好的收敛速度和稳定性,具有对滤波初始值的依赖性小的优点。

简化UKF在非合作式单站无源目标跟踪中的应用

根据非合作式单站无源目标定位跟踪的模型,对标准的UKF算法进行了简化,提出了一种SUKF(simplified unscented kalman filter)算法,并将其应用于非合作式单站无源目标跟踪。仿真分析表明,与传统的EKF相比,该算法在滤波精度上有显著的提高;与标准UKF相比,该算法不仅保持了与UKF相同的滤波精度,而且其时间复杂度较UKF大为降低,更适合于实时性强的场合应用。

基于修正SUKF的固定单站无源定位跟踪算法

针对基于超球面单形采样策略的SUKF在初始误差和观测误差较大时滤波性能下降的问题,以固定单站无源定位目标跟踪为应用背景,引入后向平滑处理,并结合系统模型特点对算法作进一步的优化,提出一种修正的SUKF算法。理论分析和仿真实验表明,文中所提算法相对于传统UKF和SUKF算法,在运算开销增加不大的前提下,有效提高了算法的稳定性和滤波精度,具有一定的工程实用意义。

基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。

基于角度信息测量的无源跟踪算法研究

针对只测向单站无源定位中推广卡尔曼滤波(EKF)算法受初值、测量噪声影响大以及算法具有不稳定性等缺点,提出了增加方位角和俯仰角角速度观测信息,运用修正协方差的扩展卡尔曼滤波(MVEKF)算法对机动目标进行无源定位的新方法.该方法能够进一步提高系统的定位与跟踪精确度、可靠性和防御作战能力,滤波性能更好.通过计算机仿真,验证了该方法的正确性与有效性.

一种基于Jerk模型的机动目标单站无源定位算法

针对采用非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法IMM-Jerk。该方法用Jerk模型对做复杂机动的运动目标建模,采用经过UKF滤波改进的交互多模(IMM)算法对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标的跟踪,提高了目标跟踪收敛精度和跟踪系统的稳定性。仿真试验证明了该方法的可行性和有效性,并具有较高的应用价值。最后,对IMM-Jerk算法的研究方向进行了讨论。

基于后向平滑容积卡尔曼滤波的单站无源定位算法

单站无源定位跟踪是一个典型的非线性滤波问题,由于测量精度不高、初始误差较大等原因容易导致滤波算法定位精度低、收敛速度慢。本文将一种新型的滤波算法——容积卡尔曼滤波(cubature Kalman filter,CKF)应用于单站无源定位领域,并将后向平滑思想与CKF算法相结合,提出了一种后向平滑容积卡尔曼滤波算法(backward-smoothing CKF,BSCKF)。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,并采用后向平滑值进行递归滤波,具有更优的非线性估计性能。仿真实验表明,与EKF、UKF和CKF算法相比,BSCKF算法的定位精度更高、收敛速度更快。

一种基于“当前”统计模型的机动辐射源单站无源定位方法

针对采用非线性较强的脉冲到达时间差、观测角等参数的固定单站对机动运动辐射源无源定位跟踪系统,提出了一种用"当前"统计模型对角速度建模,利用UKF滤波进行滤波,跟踪机动辐射源的定位方法。同时对非线性定位系统的可观测性进行了分析,得到了与辐射源作匀速运动相同的可观测条件。仿真结果表明,本文提出算法对固定单站在角速度变化的机动运动无源定位中跟踪效果更佳。

机动辐射源单站无源定位可观测性分析

针对采用非线性较强的脉冲到达时间差、观测角等参数的固定单站无源定位跟踪系统，对辐射源作机动运动的可观测性进行分析，得到了与辐射源作匀速运动相同的可观测条件。通过计算机仿真验证了结论的正确性。

基于UKF-IMM的方位-到达时间空-海机动目标的跟踪

探讨了机动目标无源跟踪(PMTT)中基本的非线性估计问题,介绍了无味卡尔曼滤波(UKF)算法的设计思想与具体实现,用UKF代替原交互多模(IMM)中的扩展卡尔曼滤波(EKF)得到UKF-IMM估计算法,特别针对空—海单站只测方位—到达时间PMTT问题分别应用UKF-IMM和EKF-IMM进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了Monte Carlo仿真结果;表明UKF-IMM滤波算法具有更高的估计精度和收敛特性,滤波的一致性较好,更加适合解决非线性较为严重的PMTT问题。