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。

联合方位-径向速度的粒子滤波目标运动分析

纯方位目标运动分析方法要求观测平台有效机动才能估计目标运动状态,针对这一问题,联合径向速度与方位角作为测量信息对目标进行运动分析,但基于卡尔曼滤波算法进行解算需要已知粗略的目标状态初始值,且收敛时间较长、误差较大,不利于目标实时跟踪.针对以上问题,提出了一种基于粒子滤波的方位径向速度联合目标运动分析方法,建立目标运动状态分析的粒子滤波算法模型,对目标位置和速度等运动要素进行估计.在目标初始状态未知的情况下,一定程度上缩短了收敛时间,减小了估计误差,海试数据处理结果显示:相同条件下,与原有方法相比,本文所提方法收敛时间从35.1 min缩短至30.0 min;跟踪精度从6.1%提高至3.8%,且无需已知目标状态初始值。

利用频域β-warping变换的浅海修正纯方位目标运动分析方法

针对纯方位目标运动分析方法收敛时间较长的问题,提出了一种利用频域β-warping变换的浅海修正纯方位目标运动分析方法.该方法利用频域β-warping变换从声强干涉结构中提取与目标距离成线性关系的时延,进而估计距离特征量,并利用距离特征量推导得到的目标状态向量的线性约束修正纯方位扩展卡尔曼滤波算法。数值仿真结果表明,对于浅海匀速直线运动目标,在信噪比不低于8 dB的情况下,与常规纯方位扩展卡尔曼滤波算法相比,改进算法将距离估计的收敛时间由26.5 min缩短至11.5 min.在浅海水平不变波导远场条件下,该方法可以快速稳定地估计距离特征量,并能够对目标进行可靠地跟踪定位。

方位-到达时间联合TMA的可测性分析

针对在三维空间做匀速运动的目标,应用非线性系统的可测性理论,对方位-到达时间TMA(目标运动分析)的可测性进行了分析。基于方位和到达时间方法的单站无源定位技术,是通过观测站接收目标辐射源两次TOA(脉冲到达时间)测量之间由于目标运动所造成目标与观测站之间的径向距离发生变化的信息,对目标进行定位。结果表明在观测站与辐射源间的方位角和俯仰角变化率不能同时为零的情况下,观测机不必做机动就可以实现观测。

多阵方位-频率目标运动分析算法研究

利用两接收阵的大空间跨度,可以得到对同一个目标有较大差异的DOA估计,利用这些角度差可直接对目标进行三角定位和跟踪。在多阵条件下,即使只有一种目标方位参量,也能在不需要本艇机动下对目标进行跟踪。但当目标处于两阵连线上时,目标仍容易发散。为解决这一问题,我们提出了多阵方位-频率目标运动分析算法,对其可观察性进行了分析。理论分析证明多阵方位-频率TMA的不可观察性条件在多阵纯方位TMA的不可观察性条件[])()(21ktt=-qq上增加了一个附加条件01=q。这个附加条件不仅弱化了不可观察性的约束条件,还在一定程度上增加了目标跟踪的稳定性。最后给出了三种情况下的计算机模拟,并与多阵纯方位目标运动分析算法作了比较。

基于方位-频率及多阵方位的无源目标跟踪性能研究

研究了两种利用多维信息的目标运动分析（ＴＭＡ）方法：方位－频率ＴＭＡ和多阵联合纯方位ＴＭＡ，应用Ｇａｕｓｓ－Ｎｅｗｔｏｎ（Ｇ－Ｎ）和Ｌｅｖｅｎｂｅｒｇ－－Ｍａｒｑｕａｒｄｔ（Ｌ－Ｍ）相结合的最优化方法，分析了最大似然估计（ＭＬＥ）算法的跟踪性能，进行了仿真实验．研究结果表明利用多维信息的ＴＭＡ虽然克服了常规纯方位ＴＭＡ需要观测平台机动的限制，但其应用并不具备普遍性。

目标运动分析的前向与后向测距测速算法

目标运动分析中测距测速的精度与目标在空间的距离以及运动方式有关,为了提高目标在相向运动和相背运动下的距离和速度的估值精度,提出了前向和后向测距测速的概念,在此基础上给出了前向后向混合算法,对距离和速度的估计精度进行了理论分析。该算法利用目标航迹上前面的M个到达时间(TOA)和后面的N个TOA对当前位置的距离和速度进行估计,兼顾了算法性能和估值的时间延时特性。仿真结果验证了前向后向混合算法的性能总是好于同样数据量的前向或后向算法的性能。

基于声干涉特征匹配的水中目标运动分析研究

针对水中目标运动分析问题,提出一种基于目标辐射声场距离-频率谱干涉条纹特征匹配分析的目标运动要素估计方法。以目标初距和目标瞬距为循环观测因子,结合两方位-两距离目标运动要素计算方法,获取当前假设下目标距离特征量和目标方位计算值;依据目标辐射噪声时间-频率谱干涉结构计算的目标距离特征量信息,构造距离特征量匹配代价因子,实现目标运动解要素。仿真数据与试验数据验证结果表明:该方法在绘制的目标运动要素解空间可视化分布图中,可有效估计目标初距、航向和航速信息,显著改善目标运动参数的估计速度和精度。

基于无味卡尔曼滤波的空对海BTO-TMA问题的研究

探讨了TMA(目标运动分析)中基本的非线性估计问题,介绍了基于无味变换(Unscented Transform ation-UT)的无味卡尔曼滤波(Unscented Kalm an F iltering-UKF)算法的设计思想与具体实现,特别针对空对海单站只测方位与到达时间TMA(BTO-TMA)问题应用UKF和EKF(扩展卡尔曼滤波)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,给出了初值有偏和无偏两种情形下的Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。

无味卡尔曼滤波在空对海单站BDO-TMA中的应用

针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering)和EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。

一种渐近最优的单站AOA/TDOA目标运动分析算法

提出一种新的基于总体最小二乘(Total Least Squares,TLS)到达角(Angle of Arrival,AOA)和到达时间差(Time Difference of Arrival,TDOA)目标运动分析(Target Motion Analysis,TMA)算法.首先给出了基于AOA/TDOA的混合变量含误差TMA模型,并根据该模型提出一种AOA/TDOA混合TLS算法,并证明该算法的渐近最优性.仿真结果验证所提出算法的均方根误差在较小观测误差条件下可达Cramer-Rao下界.

基于TDOA的双站自适应滤波算法及可观测性研究

设计了一种由双观测站构成的系统,讨论了其目标运动分析问题。通过测得的方位序列和到达的时差,建立了状态方程和观测方程。运用扩展卡尔曼滤波算法,对目标的运动做出了分析。利用非线性系统的可观测性定理分析了该系统,得出了基于TDOA的双站跟踪算法的可观测性结论。通过蒙特卡洛模拟仿真,验证了所得的可观测性结论;仿真结果表明,系统具有收敛速度快、精度高、稳定性好等优点,有良好的应用前景。