双基阵纯方位目标运动分析研究

研究了双基阵纯方位目标运动分析的基本原理和方法，提出了方位数据关联的迭代算法，进行了仿真实验．仿真结果表明，双基阵纯方位ＴＭＡ及数据关联方法不仅克服了单基阵纯方位ＴＭＡ需要本舰机动的限制，而且提高了参数估计算法的稳定性和精度，具有较好的工程应用前景．

双基阵纯方位水下被动目标跟踪性能仿真分析

研究了基于纯方位信息的双基阵声纳信息融合的跟踪性能,并进行了详细的仿真实验。仿真结果表明,在平台-目标相遇这种较为常见的态势下应用扩展卡尔曼滤波可以快速、稳定地完成目标运动要素的估计,同时还揭示了平台与目标运动的几何态势对跟踪性能的影响,为工程应用提供了参考。

基于双阵纯方位的水下运动目标运动分析研究

单基阵纯方位水下目标运动分析需要基阵所在平台至少作一次机动,复杂多变的海战环境中,往往并不允许平台执行机动,故通常需利用多维信息对水下目标进行运动分析。本文基于双阵方位进行水下目标运动分析,目前相关公开文献中多是从仿真层面对该问题进行研究,本文在数值仿真的基础上,通过对海试数据的处理,从试验层面研究这一问题。文中采用最大似然估计法和扩展卡尔曼滤波方法进行双阵纯方位水下目标运动分析,通过数值仿真及海试数据的处理,验证算法的有效性。

水下目标双基阵纯方位跟踪性能分析

研究双基阵纯方位目标运动分析的基本原理和方法,给出卡尔曼滤波算法的模型,进行仿真实验,比较和分析了仿真结果。仿真结果表明,应用卡尔曼滤波可以快速、稳定地完成目标运动要素的估计,同时还分析了数据关联、基阵间距以及方位测量误差对跟踪性能的影响,为工程应用提供了参考。

非线性约束条件下的双阵纯方位目标运动分析

传统的单阵纯方位目标运动分析需要观测平台进行机动,复杂的海战环境下这往往是不被允许的,利用多维观测要素可以使得本舰在不机动的情况下实现对目标的运动分析,本文基于双阵纯方位进行目标运动分析。几十年来,基于双阵纯方位的目标运动分析技术层出不穷,但绝大部分方法都忽略了一些明显的先验信息,譬如距离速度等要素的数值范围。为解决这一问题,采用一种不等式约束条件下的无迹卡尔曼滤波器对目标状态进行估计,仿真和试验处理结果表明,该方法能提升收敛的速度和精度。

一种快速近似无偏的双基阵纯方位目标定位方法

纯方位目标运动分析(TMA)是一种非线性估计问题,对测量方程进行线性化处理后对其运动要素的估计可能会出现发散或偏置现象。利用双基阵所提供的方位量测信息,在测量方程伪线性化后使得均方等效误差期望最小来实现目标运动要素无偏估计,通过仿真说明了利用该方法所得到的位置、速度跟踪误差曲线能很好快速地逼近 CRLB,比双基阵 EKF 滤波器有着更好的收敛速度和跟踪精度,证明了该方法的有效性。

线性等式约束下的纯方位目标运动分析

对于匀速直线运动的声源目标,为了缩短解算目标运动要素的时间,提高解算目标运动要素的精度,本文利用距离特征量导出了不同时刻间的目标距离关系,并将该距离关系转化为状态变量的两种线性约束,即硬约束和软约束。结合伪线性法,给出了两种改进的Kalman滤波算法,在理论上证明了硬约束条件下的状态估计优于软约束条件下的状态估计,软约束条件下的状态估计优于无约束条件下的状态估计。数值模拟和实验验证表明了新方法的可行性和有效性,随着目标方位方差变大,新方法的收敛时间和精度越来越优于经典方法。

基于水声传感器网络的目标纯方位运动分析

研究了基于水声传感器网络的目标纯方位运动分析原理及方法,建立了基于水声传感器网络的目标运动分析模型。在此基础上,讨论了模型中多维非线性估计问题,提出了一种基于传感器网络新的水下目标运动分析方法。该方法采用改进的粒子滤波EKF-PF(扩展卡尔曼-粒子滤波)算法实现,并与传统的扩展卡尔曼滤波(EKF)和粒子滤波(PF)算法进行了比较。通过Monte Carlo仿真分析,表明基于水声传感器网络的目标运动分析方法充分利用了网络的优势和当前测量信息。这种方法对水下目标运动状态估计时,不仅降低了计算量而且表现出较高的估计精度。所得结论为水下传感器网络进行目标被动定位提供了参考。

双基阵纯方位目标跟踪的抗野值算法研究

本文对方位测量野值存在的不同原因进行了分析 ,以提高目标参数估计性能的鲁棒性为目的 ,提出了 2种基于批处理技术的双基阵抗野值算法 ,分别是修正的最大似然估计法和特征值法 .并说明了特征值法和最大似然估计法一样 ,它也是一种无偏估计器 .蒙特卡洛仿真结果表明 ,运用这 2种算法得到的位置和速度均方根误差跟踪曲线显示了很好的野值抑制能力 ,并且修正的最大似然估计方法的抗野值能力要优于特征值方法 ,为工程应用提供了参考 .

纯方位目标运动分析的自适应算法

基于 Lainiotis算法的基本原理 ,使用贝叶斯估计理论和半马尔科夫过程的概念 ,利用一组并行的、且是自适应加权的卡尔曼滤波器对纯方位目标运动分析问题进行求解 ,对本文算法与伪线性卡尔曼滤波算法的估计结果进行了比较 ,结果表明 ,这种估算方法在大的环境噪声、远距离和小目标速度等不利条件下仍具有较好的估计性能。

UKF算法在纯方位目标运动分析中的应用

针对传统算法在解决纯方位目标运动分析时存在的有偏、收敛速度慢或发散等不足,该文将无味卡尔曼滤波(UKF)算法应用到纯方位目标运动分析中。由于UKF在处理非线性问题时表现良好,以及不需要计算Jacobian矩阵或Hessian矩阵,实现起来比较方便。根据无味变换的基本原理给出了滤波过程的具体计算步骤并进行了仿真计算。理论分析和仿真结果表明,UKF的性能相当于二阶高斯滤波器,它在纯方位目标运动分析中的滤波精度、稳定性和收敛时间都优于传统算法。

水下纯方位目标运动分析的UKF滤波算法

Unscented卡尔曼滤波(UKF)是一种新的非线性滤波算法,在U变换(unscented transformation)的基础上,获得纯方位条件下的UKF算法。最后,针对水下纯方位目标运动建立系统模型并进行仿真,仿真结果表明,UKF的滤波精度、稳定性和收敛时间都优于EKF,还可避免计算烦琐的Jacobin矩阵或Hessian矩阵,给计算带来了极大的方便。

纯方位目标运动分析的无偏最小二乘估计算法研究

纯方位目标运动分析中的最小二乘估计算法往往存在有偏问题,而卡尔曼滤波算法或辅助变量法又存在滤波初值问题,选取不当容易发散.为此提出了一种新的无偏最小二乘估计算法,它通过将状态变量扩维,利用求解矩阵对最小特征值所对应的特征向量的方法,求取目标的运动参数.仿真表明,ULSE算法能够渐进地逼近方差下限CRLB,并且其滤波精度有所增加.

纯方位两站协同目标运动分析算法研究

水下通信的实现,为纯方位目标运动分析提供了新的思路。本文提出了3种基于一次通信即能快速解算的纯方位两站协同TMA算法,并对算法的性能进行了分析和仿真。结果表明,由两站构成的协同TMA系统,克服了单站系统固有的缺陷,不仅能够解决可观测性及可观测度方面的问题,同时还能得到更为理想的估计性能。

纯方位目标运动分析的卡尔曼滤波算法

本文介绍了纯方位目标运动分析的卡尔曼滤波算法,利用Lyapunov稳定性理论,通过计算算法的稳定性度量值,对三种卡尔曼滤波算法的稳定性进行了分析讨论,并通过仿真计算对各方法的估计性能进行了比较。

一种改进的纯方位目标运动分析方法研究

本文分析了观测目标初始方位的准确度对纯方位目标运动分析跟踪性能的重要影响。在此基础之上,基于匹配场处理思想提出一种改进的纯方位目标运动分析方法,该方法将目标的初始方位作为待估计量,在目标初始方位可能的空间内进行搜索,构成多个滤波器估计出不同目标初始方位下对应的目标运动参数,并分别推算出目标方位序列作为预测场,根据推算的目标方位序列与实际观测的目标方位序列的匹配性确定目标的实际初始方位,从而实现对目标速度、航向、初始距离、初始方位四要素的完整估计。仿真结果表明,本文方法能够有效提高纯方位目标运动分析方法的跟踪性能。

等速直线运动单观测站纯方位目标运动分析

对等速直线运动单观测站纯方位目标运动分析问题进行了探讨,对目标的部分可观测参数建立了基于最小 二乘形式的拟线性算法,仿真表明该算法具有良好的稳定性。

纯方位目标运动分析可测性研究

纯方位被动目标运动分析在理论上和实际上均有许多应用 ,为了保证本艇有唯一的跟踪 ,必须研究目标运动分析的可测性问题。文章利用线性代数的基本方法 ,获得了一个新的可测性准则 ,随后应用在经典的目标运动分析问题中 ,研究表明 ,该方法是切实有效的。

一种双基阵纯方位机动目标被动跟踪方法

利用2部被动声呐基阵获取的目标方位信息对水中机动目标的跟踪实质是一个非线性状态估计问题,由于观测方程的非线性性,滤波环节不可避免地要用到非线性滤波算法。以往解决此问题的方法是在基于交互多模型(IMM)算法并在其滤波环节应用扩展卡尔曼滤波(EKF)算法。然而,EKF算法在计算滤波误差协方差阵时没有融入当前观测信息。为此提出在原方法的基础上用其改进算法即修正协方差扩展卡尔曼滤波(MCEKF)算法取代EKF算法,以改善跟踪性能,从而得到一种新的方法。经仿真验证了所提方法的正确性和有效性。

纯方位目标运动分析四维状态的最小二乘模型及分析

建立了纯方位系统TMA四维状态的最小二乘模型,详细给出了非线性最小二乘算法的迭代公式,分析了非线性最小二乘模型、线性最小二乘模型可解的必要条件,以及非线性最小二乘模型与极大似然模型的等价性。