一种变分贝叶斯改进无偏转换卡尔曼滤波

针对雷达测量系统受野值干扰导致跟踪精度下降的问题,提出了一种变分贝叶斯改进无偏转换量测卡尔曼滤波器(VB-MUCMKF)。该算法通过无偏转换卡尔曼滤波将更新后的目标状态估计值作为新的量测进行第二次无偏转换,一定程度上解决了量测偏差过大的问题;针对野值影响采用具有重尾特性的学生t分布取代高斯分布建模新的量测,利用变分贝叶斯方法通过最小化Kullback-Leibler散度函数迭代逼近实现测量协方差和目标状态的联合估计,从而提高野值干扰环境下滤波器的跟踪精度。仿真结果表明,提出的算法与EKF,UCMKF,EMUCMKF和MUCMKF相比位置均方根误差分别减少了48.9%,50.2%,1.9%,44.1%,速度均方根误差分别减少了60.6%,66.6%,9.7%,47.3%,降低了野值干扰带来的影响。

一种基于期望最大化去偏转换量测滤波的目标跟踪算法

针对雷达测量系统因野值干扰导致跟踪精度下降的问题,提出了一种期望最大化去偏转换量测卡尔曼滤波(EMDCMKF)。先对目标量测去偏转换,将转换后的量测噪声协方差解耦合并适配自适应因子,之后利用期望最大化方法估计自适应因子矩阵,从而对量测噪声协方差进行修正。仿真结果表明,提出的EMDCMKF位置均方根误差相比于EKF和DCMKF分别减少了45.1%和52.5%,速度均方根误差分别减少了52.6%和66.8%,在野值干扰的环境下,所提出的EMDCMKF算法可以得到更高的估计精度。

去相关无偏转换量测的解耦算法

转换量测(CMKF)卡尔曼滤波能较好处理极/球坐标系内观测模型与直角坐标系内状态模型的不兼容问题,在实际中得到推广。在低信噪比环境下,由于方位误差余弦的非线性,转换量测样本分布和协方差阵估计不匹配,导致径向估计误差变大。针对低信噪比条件下的非线性滤波问题,提出度量非线性影响的失配因子指标,采用基于视线坐标系的解耦去相关无偏转换量测(DUCM)模型,在径向上引入加权方位,改善失配因子,提高估计精度。理论分析和仿真证明:这种基于视线坐标系的解耦处理能显著提高径向估计精度,适用于其他转换量测方法,有较好普适性。

去偏转换量测Kalman滤波器的FPGA实现

去偏转换量测卡尔曼滤波在雷达目标跟踪系统中有着广泛的应用,针对某型超近程主动防护系统的研制与开发,设计了基于现场可编程门阵列的去偏转换量测卡尔曼滤波器。针对超近程主动防护系统的高精度和实时性的要求,该设计采用结构化设计思想,利用现场可编程门阵列实现浮点去偏转换量测卡尔曼滤波器的设计。在保证实时性的前提下,在模块内部对运算单元分时复用,解决了采用传统的软件方法实现过程中存在的并行性和速度问题,并且保证了运算的精度。通过Matlab和QuartusⅡ仿真,验证了本设计的优越性。

去偏转换方向余弦位置和多普勒量测跟踪

为解决相控阵雷达方向余弦坐标系下状态空间模型量测方程强非线性的问题,提出了一种带多普勒量测的去偏转换量测跟踪方法.在考虑距离量测误差与多普勒量测误差相关性的基础上,用距离量测与多普勒量测的乘积构造伪量测来减轻多普勒量测的非线性.并通过对方向余弦进行二阶泰勒展开,得到了转换量测误差均值和协方差的一致性估计.最后通过对位置量测和伪量测进行序贯处理解决了伪量测非线性的问题.仿真结果证明:通过引入多普勒量测确实提高了滤波性能;同时相比于常用的扩展卡尔曼滤波器和不敏卡尔曼滤波器,提出的去偏转换量测滤波器在方向余弦坐标系下具有更好的跟踪性能.

基于修正无偏转换测量的交互式多模型算法

雷达系统中的目标跟踪技术不仅需要从噪声中将能够直接测量得到的信号提取出来,估计出不能直接测量的诸如目标加速度等信息;而且还要处理从球坐标系到笛卡尔直角坐标系下量测的非线性转换。针对此问题,本文提出了集交互式多模型和修正的无偏转换测量两者优点的IMM-MUCMKF跟踪算法。理论分析和仿真结果表明,本算法的跟踪性能要优于集交互式多模型和不敏卡尔曼的IMM-UKF算法。

多雷达/声呐场景下的去相关无偏量测转换模型

多雷达/声呐跟踪场景中,笛卡尔坐标系由于测量转换过程中依赖相同的估计状态,不同雷达/声呐量测转换的误差常是相关的。文中充分考虑这一相关性,给出了两维及三维笛卡尔坐标系下的去相关无偏量测转换模型,及计算互相关性的解析形式,并采用相对的估计性能评估准则来验证所提算法的性能。仿真示例表明,考虑互相关后滤波性能明显优于经典无偏量测转换方法。

引入测速信息的雷达导引头无偏转换跟踪方法

为了满足先进地空导弹对精确弹目交会信息的需求,基于自适应卡尔曼滤波算法,提出了一种引入测速信息的雷达导引头无偏转换跟踪方法。在当前统计模型的基础上,利用递推遗忘最小二乘法估计当前加速度,得到了状态方程。在雷达测量模型的基础上,分析了极坐标系下与笛卡尔坐标系下位置、速度信息的无偏转换关系,推导了无偏转换量测误差协方差矩阵真实值和利用量测信息估计真实值的表达式,得到了量测方程。通过滤波得到的状态和误差估计信息,改进了真实无偏转换量测协方差矩阵的估计算法。仿真结果验证了所提跟踪方法在滤波精度和跟踪速度上的良好性能。

雷达光电测速无偏转换误差分析及数据融合

为改善雷达光电跟踪系统目标运动参数估计性能,提出了一种考虑测速无偏转换的数据融合算法。基于雷达多普勒径向速度量测与光电跟踪系统角速度信息,推导了测速信息在笛卡尔坐标系下的无偏转换量测,分析了转换后量测噪声的统计特性,给出了基于解耦序贯更新滤波的数据融合算法。仿真表明,本文方法改善了目标运动参数估计精度,提高了速度分量估计误差收敛速度,研究结果亦可为航迹起始、目标威胁度初判提供参考。

基于PHD滤波的相控阵雷达多目标跟踪算法

对于相控阵雷达方向余弦量测,采用扩展卡尔曼概率假设密度(extended Kalman probability hypothesis density,EK-PHD)滤波进行多目标跟踪时,存在目标数估计偏高和目标状态估计准确度低的问题。针对上述问题,提出了一种新的多目标跟踪算法——无偏转换量测概率假设密度(unbiased converted measurements PHD,UBCM-PHD)滤波算法。该算法采用方向余弦量测下的量测转换方法,保留了更多的量测信息;同时对转换后的量测偏差进行补偿,使量测转换误差的均值、方差准确近似原始量测高斯分布的一、二阶矩。仿真实验表明,所提算法可提高目标数和目标状态估计准确性。

基于分布式BLUE的多雷达数据融合方法

针对线性系统与非线性观测的混合跟踪融合问题,推导目标匀加速运动时的三维最佳线性无偏估计(BLUE)滤波器,给出基于分布式BLUE滤波的多雷达数据融合方法。由各单元雷达对直角坐标系下的目标状态进行BLUE估计,对多部雷达的目标状态在融合中心进行融合估计,采用位置、速度均方根误差和平均归一化估计误差平方作为融合性能评价标准。仿真结果表明,与基于NC的去偏转换状态融合方法和基于MMC的无偏转换状态融合方法相比,该方法对于过程噪声和测量噪声的变化不敏感,比基于NC和MMC的方法具有更小的位置和速度均方根误差,即使在大误差的情况下,仍然具有较高的融合精度和可靠性。

一种雷达目标运动要素解算方法研究

针对船舶导航避碰对水面目标运动要素实时高精度估算的要求,给出了一种基于去偏转换坐标卡尔曼滤波思想的目标跟踪算法。在算法中,通过非线性坐标转换并去偏后得到去偏转换测量值,实现目标状态方程和量测方程在笛卡尔坐标系的线性方程,采用标准卡尔曼滤波算法进行滤波。因此,只要解出去偏转换量测值误差方差即可按标准的卡尔曼滤波算法对目标进行跟踪。仿真结果表明,在保证滤波器不失配的前提下,去偏转换坐标卡尔曼滤波(DCMKF)算法收敛迅速并有较高精度,能够满足导航雷达实时应用的需求。