非线性滤波算法在无源双基地雷达目标跟踪中的比较研究

针对无源双基地雷达目标跟踪问题,仿真分析了EKF、UKF、CDF等几种非线性滤波算法的状态估计性能。同时,基于后向平滑估计原理,利用当前观测数据平滑估计前时刻状态变量的均值和方差,提出了一种改进的UKF(CDF)滤波算法-BSUKF/CDF。仿真结果表明,在理想高斯白噪声情况下,UKF/CDF及BSUKF/CDF的跟踪性能相近,但均明显优于EKF;但若考虑角闪烁噪声,BSUKF/CDF的跟踪性能则优于UKF/CDF及EKF。

弹道目标跟踪滤波方法研究

主要对弹道目标的跟踪滤波方法进行了综述,对扩展卡尔曼滤波(extended Kalman filter,EKF)、转换测量卡尔曼滤波(conversion measurement Kalman filter,CMKF)、基于弹道运动方程的扩展卡尔曼滤波(ballistic extended Kalman filter,BEKF)、基于弹道运动方程的无敏卡尔曼滤波(ballis⁃tic unscented Kalman filter,BUKF)4种滤波算法的关键点、优缺点进行了剖析。进一步利用仿真的弹道数据对4种滤波方法的效能进行了验证,对比了不同滤波器的滤波精度和再入目标的跟踪性能,分析了质阻比对滤波性能的影响,提出了选择和设计目标跟踪滤波方法时需要考虑的几个问题,为雷达滤波方法的选择和设计提供参考和依据。

弹道目标被动段跟踪算法研究

围绕弹道导弹被动段跟踪问题,分析了被动段弹道目标的运动方式,在地心固定直角坐标系下建立了被动段弹道导弹运动模型;根据被动段弹道目标高速、高机动、强非线性的运动特点,采用基于"当前统计"模型的UKF滤波算法,实现了对弹道目标被动段的稳定精确跟踪。通过仿真试验,与传统的基于"当前统计"模型的EKF算法相比,该模型和滤波算法提高了对弹道目标的跟踪精度,尤其是对目标的速度和加速度估计,同时降低了对非线性系统跟踪发散的可能性。

无敏变换在非线性状态估计中的应用

传统的非线性状态估计,均需要对非线性传输函数采用线性化技术进行逼近,如扩展卡尔曼滤波(EKF),当雅克比矩阵不可解或强非线性条件下时,线性化技术就受到应用的局限性。针对这一情况,介绍了一种新的变换-无敏变换(Unscented Transform),阐明了该变换的优点,并研究了该变换与传统的卡尔曼滤波算法相结合,所衍生出的无敏卡尔曼滤波(Unscented Filter)算法。最后,通过算法仿真,与扩展卡尔曼滤波(EKF)算法相比较,验证了该变换在高斯环境下的优越性。