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。

一种基于多模型算法的纯弹道式弹道落点预报方法

本文以落点预报技术在弹道目标预警中的应用为背景,主要解决在未知弹道系数情况下如何进行弹道目标落点精确预报的问题。为此,本文给出了一种基于交互式多模型算法(IMM)和无迹滤波(UF)算法的精确弹道目标落点预报方法,从弹道系数估计收敛速度和最终收敛精度的角度对该方法落点预报的时效性和精度进行了分析,同时还分析了雷达数据率对算法性能的影响。与基于单一的UF算法或推广卡尔曼(EKF)滤波算法的落点预报方法相比较,基于IMM-UF的落点预报方法具有更强的适应性,能在未知弹道系数的情况下更迅速且更精确地估计出目标的弹道系数,从而实现对弹道目标落点更快更准的预报。仿真结果验证了该算法的有效性。

弹道导弹助推段同时跟踪和类型识别算法研究

前置地基雷达跟踪助推段弹道导弹对整个反导防御系统有着重要意义。本文提出了一种以情报数据库为先验知识的弹道导弹助推段及后助推段跟踪方法。首先从动力学角度提取导弹助推段飞行的特征参量,并对参量的敏感度进行了分析,给出了一种参变的助推段弹道导弹时不变运动模型。然后结合交互式多模型(IMM)和迭代无敏滤波(IUF)算法进行助推段及后助推段弹道导弹跟踪仿真。与采用其他的运动模型和滤波算法相比,该方法能实现对弹道导弹助推段及后助推段更高精度的跟踪,同时结合情报数据库通过计算模型转移概率可完成导弹类型初判别,并准确指示导弹关机时刻。文章通过仿真验证了该算法的有效性。

弹道式再入目标跟踪方法对比分析

地基雷达对弹道式再入目标进行滤波跟踪时主要存在两个导致滤波误差增大的不确定因素,一是弹道系数未知,二是不可准确确定过程噪声协方差矩阵。为此,采用交互式多模型无敏滤波(iterative multiple-model unscented filter,IMM-UF)算法对弹道式再入目标进行跟踪,选取不同的弹道系数初值和过程噪声协方差矩阵构成合适的模型集合进行了仿真分析,并将其滤波结果与扩展卡尔曼滤波(extended Kalman filter,EKF)和无敏滤波(unscented filter,UF)的滤波结果进行了对比分析,同时还分析比较了IMM-UF和自治多模型(autono-mous multiple-model,AMM)UF算法的跟踪滤波性能。从仿真结果可以看出,采用的IMM-UF算法和相应的模型集合可以在先验信息缺少的情况实现对弹道式再入目标更高精度的跟踪。

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。