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。

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。

无偏转换的雷达误差配准算法(英文)

在多雷达数据处理系统中,影响目标跟踪和数据融合质量的一个重要因素是雷达系统偏差。为了使融合结果更加准确可靠,提出了基于无偏转换的雷达误差配准算法。该算法是通过无偏转换把其它雷达的测量转换到主雷达下,利用各雷达相对主雷达的测量差值,采用Kalman滤波器实时估计出各雷达的系统偏差(方位和距离),从而进行配准。仿真实验结果表明这种算法是有效的。

无偏转换卡尔曼滤波在雷达目标跟踪中的应用

对均方意义下无偏转换测量误差协方差估计的卡尔曼滤波在雷达目标跟踪领域中的应用技术进行研究,给出了状态方程和最优估计卡尔曼滤波算法,分析了无偏转换测量误差协方差估计简化计算方法,并通过仿真实验证明该算法更适合于匀速跟踪,尤其是当方位角的误差标准差增大时,性能最佳。

基于无偏转换的雷达配准算法

在多雷达数据处理系统中,雷达本身的系统偏差是影响目标跟踪和数据融合质量的一个重要因素.为了使融合结果更加准确可靠,本文提出了基于无偏转换的雷达配准算法.该算法是通过无偏转换把其它雷达的测量转换到主雷达下,利用各雷达相对主雷达的测量差值,采用K a lm an滤波器实时估计出各雷达的系统偏差(方位和距离),从而进行配准.仿真实验结果表明这种算法是有效的.

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。

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。

一种面向临近空间高超声速再入滑翔目标跟踪算法

针对临近空间高超声速再入滑翔目标的跟踪问题,提出了一种基于回顾成本输入估计的无偏转换量测卡尔曼滤波(Retrospective cost input estimation-unbiased converted measurements Kalman filter, RCIE-UCMKF)。首先,根据再入滑翔目标的飞行特性,将加速度看成是未知的确定输入构建运动学跟踪模型;然后,对目标的非线性量测信息进行无偏转换,并将得到的噪声协方差矩阵进行解耦,降低算法的复杂度;最后,利用回顾成本的输入估计对未知加速度进行重构,采用递推最小二乘法更新输入估计器的参数矩阵,同时将估计的加速度引入到卡尔曼滤波框架下,实现对高超声速再入滑翔目标状态的准确估计。仿真结果表明了该算法的有效性和可行性。

基于刚体弹道模型的防空火控解算方法

为改善火控系统的通用性和实时性,提出了基于刚体弹道模型的防空火控解算方法。对目标量测信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦,在对目标状态准确估计同时,降低滤波算法计算的复杂度;利用割弦迭代法计算出命中点坐标,并在每次迭代过程中,利用虚拟脱靶量对射击诸元进行修正,减少对弹道微分方程的计算次数,极大提高火控解算的求解速度。仿真实验结果表明,该方法有效和可行,可以更加精确地计算出射击诸元,且计算量相对于传统火控解算方法得到了显著改善。

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。

数据压缩卡尔曼滤波的多传感器精确配准方法

针对多传感器的系统偏差估计问题,提出了数据压缩卡尔曼滤波的精确配准方法。首先采用无偏转换测量模型,利用各传感器局部测量值来构造系统偏差的伪测量方程,然后引入数据压缩方法得到一个合成的测量值,并使用卡尔曼滤波得到偏差估计值。转换模型的无偏特性,保证了即使在测量噪声及系统偏差较大的情形下,估计结果仍然能有较好的一致性和稳定性。同时数据压缩方法可避免传统方法的多次迭代处理,只需一次滤波过程即可完成估计。仿真实验结果表明新方法的估计结果精度良好,同时可有效降低计算耗时。

直角坐标系下的雷达跟踪滤波算法分析

在直角坐标下,目标的运动模型能较好地描述,一般认为能得到更高的滤波精度。文中对直角坐标系下的修正无偏转换测量卡尔曼滤波(MUCMKF)、扩展卡尔曼滤波(EKF)、无迹滤波(UF)算法进行了总结分析,并对它们的初始协方差矩阵设置给出了建议,以使滤波器快速收敛。最后,通过实验,对几种方法的性能进行了比较。结果表明,在较大的测量误差下,UF、MUCMKF的性能明显好于EKF。

区间数据任意阶原点矩的估计

在生存分析和可靠性研究中,区间数据的存在常常使得传统的统计方法无法直接使用．本文从无偏转换的思想出发,对区间数据的任意阶原点矩进行了估计．当截断变量的分布密度函数已知时,得到了一批具有强相合性(收敛速度可以达到n^(-1/2)(log logn)^(1/2))和渐近正态性的估计量,并通过模拟计算对这种估计方法的可行性和有效性进行了验证．

机载脉冲多普勒雷达在测量数据丢失下的多目标跟踪

针对于多目标在机载多普勒盲区测量数据丢失下的跟踪问题,提出了一种鲁棒无偏转换自适应门限的CPHD(Robust Unbiased Converted Measurements-Adaptive Gating-Cardinalized Probability Hypothesis Density,RUCM-AG-CPHD)算法。该算法首先对目标测量信息进行无偏转换,并将无偏转换得到的噪声协方差矩阵做解耦;然后设计增益调节矩阵提高滤波器在目标量测数据丢失下的鲁棒性;最后采用自适应门限去除不相关的量测信息,同时保证检测到新出现的目标,从而有效地降低了算法的计算复杂度。仿真结果表明该算法的有效性和可行性,可以更加准确的估计出目标在盲区内测量信息丢失下的目标个数和状态,且计算量相对于传统的CPHD算法减少了8.6%。

毫米波/红外成像系统中的精确极大似然误差估计算法

为精确估计毫米波雷达/红外成像复合系统中传感器的系统误差,提出了一种基于无偏转换测量的精确极大似然(UCM-EML)误差估计算法.根据极坐标系下的测量噪声建立误差估计模型,据此推导似然函数和准则函数,采用高斯-牛顿迭代法进行准则函数的优化.仿真实验结果表明,UCM-EML算法在误差估计精度和收敛速度上都优于精确极大似然估计算法和修正的精确极大似然算法.

区间数据的均值估计

本文在运用无偏转换思想找到区间数据均值估计的基础上,对所找到的估计量的方差进行了研究.针对区间截断情况1和区间截断情况2,找到了估计量方差有限的条件.当截断随机变量的分布在某种程度上比被截断随机变量的分布尾部更厚时,方差有限的估计量可以取到.

高分辨雷达/红外成像复合系统的空间配准方法

为实现高分辨雷达/红外成像复合制导系统的空间配准,首先提出了一种基于无偏转换测量的精确极大似然坐标变换法来完成由球坐标系到笛卡尔坐标系的坐标转换,然后提出了一种通过标定雷达和红外相机实现空间配准的方法。为提高空间配准的精度,用提出的坐标变换法估计目标在笛卡尔坐标系下的真实位置,在红外图像处理中提出了一种多灰度细分质心算法来求取图像中目标的精确位置。实验结果表明:该方法配准精度高,满足系统的精度要求。所提出的空间配准方法不仅适用于高分辨雷达/红外成像复合制导系统,还为其他异类传感器复合系统的空间配准提供了一种方法。

右删失数据下加速失效模型的估计问题(英文)

加速失效模型合理地描述了协变量对失效时间的影响,但删失数据的存在对该半参数回归模型的分析带来了很大的挑战.在现有的研究中,删失数据的加速失效模型研究大多牵涉到复杂的计算.为了解决这个问题,本文采用无偏转换和K-M估计相结合的方法进行分析.对删失的响应变量构造无偏转换量,利用最小二乘方法可以得到回归系数的估计,可以证明所得到的估计具有相合性和渐近正态性.在此基础上,利用K-M估计的做法,可以得到随机误差项的分布函数的估计,文中证明了该估计具有强相合性.模拟计算的结果进一步说明了本文所用方法的可行性和估计的有效性.