在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented K...在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented Kalman Filter,UKF)被动定位方法。该方法选取DOA与TOA作为观测量并建立定位模型,首先使用滑动平均滤波(Moving Average Filtering,MAF)方法对用于初值估计的观测数据进行平滑预处理,之后使用伪线性估计方法(Pseudo-Linear Estimation,PLE)求解目标状态初值,并使用UKF方法对目标运动轨迹进行跟踪。仿真结果表明,相比于传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)和UKF定位方法,文章方法能够有效地提升收敛速度与收敛率,改善系统的定位性能。展开更多
文摘在水声被动定位领域,用于定位的脉冲信号参数估计误差较大,会使得系统的定位性能下降。文章针对这一问题提出了一种基于到达角度(Direction Of Arrival,DOA)与相邻脉冲到达时间差(Time Of Arrival,TOA)的改进无迹卡尔曼滤波(Unscented Kalman Filter,UKF)被动定位方法。该方法选取DOA与TOA作为观测量并建立定位模型,首先使用滑动平均滤波(Moving Average Filtering,MAF)方法对用于初值估计的观测数据进行平滑预处理,之后使用伪线性估计方法(Pseudo-Linear Estimation,PLE)求解目标状态初值,并使用UKF方法对目标运动轨迹进行跟踪。仿真结果表明,相比于传统的扩展卡尔曼滤波(Extended Kalman Filter,EKF)和UKF定位方法,文章方法能够有效地提升收敛速度与收敛率,改善系统的定位性能。