视线坐标系下的解耦无偏转换测量Kalman滤波算法

由于无偏转换测量Kalman滤波算法(unbiased converted measurement Kalman filter,UCKMF)的转换测量噪声协方差矩阵是非对角矩阵,所以无法直接给出该算法的解耦算法。针对此问题通过从参考坐标系(reference coordinate system,RCS)到视线坐标系(line-of-sight coordinate system,LCS)的坐标变换,在视线坐标系下得到了对角形式的转换测量噪声协方差矩阵,实现了转换测量噪声在三个坐标方向上的去相关化,并进一步在三维空间中推导了解耦的UCMKF滤波算法。在算法中,采用递推公式对参考坐标系与视线坐标系的坐标变换矩阵进行估计,并通过一个补偿矩阵提高了估值精度。仿真结果表明,对于匀速运动的目标,解耦UCMKF算法与耦合UCMKF算法的跟踪性能非常接近,但计算量大大降低,因此比较适合在多目标跟踪中应用。

解耦的转换测量Kalman滤波算法

对于极坐标观测下的目标跟踪问题 ,基于转换测量Kalman滤波器 (CMKF) ,应用正规变换 ,得到了解耦的CMKF算法 ,同时研究了CMKF和解耦CMKF算法的初值估计问题 .仿真结果表明了解耦CMKF算法及其初值估计的有效性 .

均方意义下的最优无偏转换测量Kalman滤波

转换测量Kalman滤波(CMKF)在雷达跟踪领域得到了广泛的应用。然而,当目标位置的互距离测量误差比较大时,CMKF的性能将急剧下降。本文在均方意义下给出了一种新的无偏CMKF。这种滤波器的关键是在均方意义下推导无偏转换测量误差协方差阵的最佳估计。对于匀速运动目标,仿真结果表明本文方法可以得到好的滤波性能,而当方位测量误差比较大时,滤波性能的改善就更加明显。此外,对机动目标的情形亦进行了讨论。

基于转换坐标卡尔曼滤波算法的雷达目标跟踪

在三维空间中推导了转换坐标卡尔曼滤波算法，得到了在目标真实位置已知的条件下去偏转换测量值误差方差的表达式及在测量值已知条件下去偏转换测量值误差方差的表达式，用此算法进行了雷达目标跟踪仿真，取得了较好的跟踪效果。

转换坐标卡尔曼滤波器的雷达目标跟踪

本文在三维空间中推导了转换坐标卡尔曼滤波算法，用此算法进行了雷达目标跟踪仿真，和用推广的卡尔曼滤波算法进行的仿真结果进行了比较。

极坐标到直角坐标转换对卡尔曼滤波的性能影响

由于雷达情报是以极坐标的形式上报，在利用卡尔曼滤波器对目标状态预测、 估计、平滑时，首先要将极坐标数据转换到直角坐标形式。本文分析了在两种转换形式下对 卡尔曼滤波器性能的影响。

转换测量与Kalman滤波的渐近特性分析

针对一类坐标非耦合的目标运动模型分析转换测量Kalman滤波的渐近特性。基于转换测量误差协方差矩阵的特征值分解 ,给出了转换位置测量的时间渐近特性。作为分析的附带结果 ,给出了一种新的序贯滤波算法。提出了准一致完全可观测性的概念并利用这一概念分析了滤波器估计误差的协方差界限和偏差特性。分析表明 ,滤波器的发散是潜在的甚至是不可避免的 ,特别是目标快速远离传感器时。这正是由于该系统并不是一致完全可观测的而是准一致完全可观测的。最后 。

基于正规变换的转换测量Kalman滤波算法

对于极坐标观测下的目标跟踪问题 ,基于转换测量Kalman滤波器 (CMKF) ,应用正规变换方法对其进行解耦 ,经过理论推导 ,得到了变换的解析表达式。

对匀速直线运动目标跟踪的转换坐标卡尔曼滤波算法

文章根据某型雷达对空间匀速直线运动目标的跟踪要求,采用了转换坐标卡尔曼滤波跟踪算法.在转换坐标卡尔曼滤波跟踪算法中,球坐标系下互相独立的观测噪声变换到直角坐标系下时将变成相关噪声,在解出此相关噪声的方差后即可按标准的卡尔曼滤波算法对目标进行跟踪,仿真结果显示,该算法收敛迅速,精度可以满足雷达对空间机动目标的跟踪要求.

转换坐标卡尔曼滤波算法在雷达数据融合中的应用

本文介绍一种二维平面上使用的转换坐标卡尔曼滤波算法在目标跟踪测量数据融合处理中的应用,并通过仿真证明该算法在目标跟踪中优于扩展卡尔曼滤波算法。

雷达目标跟踪的转换坐标卡尔曼滤波算法

该文采用转换坐标卡尔曼滤波算法(CMKF)进行雷达目标跟踪,先将极坐标系下的测量值经坐标变换转换到直角坐标系下,再用统计的方法求出转换测量误差的均值和方差,去偏后利用标准卡尔曼滤波算法对目标进行跟踪。将仿真结果和推广卡尔曼滤波算法(EKF)的进行比较,结果表明,CMKF的滤波精度更高。

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。

三维解耦转换测量Kalman滤波算法

基于去偏转换测量Kalman滤波(CMKF),利用对角化和单位化方法求解正交变换,设计了实用的三维空间解耦降维算法。算法复杂度分析和仿真试验结果表明了算法的有效性。

雷达目标跟踪的转换坐标卡尔曼滤波算法

本文主要研究雷达目标跟踪的转换坐标卡尔曼滤波算法,通过深入分析利用卡尔曼滤波算法(CMKF)进行雷达目标跟踪,同时我们通过采取统计的方法来解决转换测量误差的问题,从而有效的促进卡尔曼滤波算法的精准性。笔者认为采用仿真的方法和卡尔曼滤波算法(EKF)才能够顺利的完成雷达目标跟踪,这对于当前计算发展意义重大。

WGS-84坐标系下机载单站PDR/DFR无源定位滤波算法

在WGS-84坐标系下实现机载单站对固定辐射源高精度无源定位有着重要的应用价值。提出WGS-84坐标系下机载单站相位差变化率/多普勒变化率(PDR/DFR)无源定位滤波算法。首先导出PDR/DFR相对定位公式,经坐标变换实现单次观测的绝对定位;分别采用一阶Taylor近似分析法和不敏变换(unscented transformation,UT)推导滤波中需要的转换量测及其协方差,实现多帧量测滤波,进一步提高定位精度,且后者克服了前者不能对非线性转换量测进行偏差补偿以及协方差一致性较差的不足。仿真结果表明,该方法能实现三维高精度的无源定位,有望用于工程实际。

基于ECEF坐标转换的AEWS数据配准算法

数据配准是多传感器数据融合的先期处理过程。基于地心地固坐标系(ECEF)研究了预警机系统(AEWS)与地面雷达数据处理中心的数据配准问题。首先给出AEWS与地面雷达数据处理中心数据配准几何坐标转换算法;然后利用卡尔曼滤波实时估计出预警机对地面雷达数据处理中心的系统偏差,从而实时对预警机系统(AEWS)进行配准,计算机仿真结果证明了该算法的正确性和有效性。

球坐标系下多普勒雷达目标跟踪滤波器

将仅仅考虑位置量测的三维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距和多普勒的量测误差相关的雷达目标跟踪问题。首先利用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后利用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据转换量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。

基于a-b-c坐标下三相并联有源滤波器的补偿新策略分析

并联有源滤波器在消除谐波电流和无功补偿(包括线性负载和非线性负载的无功补偿)方面发挥着重要的作用。目前,电力有源滤波器(APF)多采用基于瞬时无功功率理论的谐波和无功电流检测方法。这些方法大多要进行坐标之间的转换,并且在三相电路、电源都不对称的情况下很难做到对基波无功和高次谐波电流的准确检测。提出一种不需要在进行坐标转换,直接在坐标系下进行无功和谐波检测的方法。研究和仿真表明这种方法在电压源不对称、畸变和负载不平衡的情况下仍能有效工作,并且有效简化了并联有源滤波器(APF)的控制电路。

机载雷达坐标转换及数据处理的建模与仿真

通过对雷达常用坐标和数据处理的基本理论介绍,给出了机载雷达坐标转换和数据处理的算法,以算法为基础建立了仿真模型,给出了具体的仿真流程。仿真结果表明,坐标转换的算法精度达到了要求,数据处理能够完成对目标的稳定跟踪。

基于转换量测高斯化的三坐标雷达跟踪算法

最佳线性无偏估计(BLUE,Best Linear Unbiased Estimation)滤波用于雷达目标跟踪时,有计算量小,置信度高等优点.但是当互斜距测量误差较大时,BLUE滤波会产生非高斯转换量测,导致跟踪精度降低.为解决此问题,对其量测转换模型进行修正:通过引入方位预测,减小方位误差三角函数的非线性影响,得到准高斯分布的转换量测.分析视线坐标系下BLUE滤波的性能,推导引入方位预测的条件,给出改进算法工作流程.推导三坐标雷达下的滤波模型参数,提出转换量测高斯化水平的评估指标并仿真证明:改进算法的转换量测更逼近高斯分布,因此跟踪性能更好,而计算量只有轻微增加.本算法思想同样适用于其他非线性误差较大的场合,对解决类似问题有借鉴意义.