将粒子残差一致性度量的滤波算法用于纯方位被动跟踪

在低信扰比条件下的纯方位被动跟踪中,针对量测似然度评估粒子权重的方式对于滤波结果的不利影响,提出了一种基于粒子残差一致性度量的粒子滤波算法.首先,利用粒子残差实现采样粒子由状态空间到量测空间的映射变换;在此基础上,通过置信度距离和置信度矩阵的构建及求解,完成对于粒子权重的合理度量.新的粒子权重评估方法实现了对于最新量测信息及粒子间蕴含冗余和互补信息的充分提取和利用,使得粒子权重度量结果更加稳定和可靠.最后,仿真实验验证了算法的有效性.

量测提升策略下两级更新RBPF纯方位被动跟踪

针对采样型非线性滤波器在纯方位被动跟踪有效实现问题,提出了一种量测提升策略下两级更新RBPF算法。在标准RBPF算法框架下,通过对时间更新和量测更新过程的优化,以降低状态线性分量估计实现中的计算复杂度,给出了RBPF实现两级更新结构。另外,针对量测噪声随机性对于粒子权重度量的可靠性和稳定性的不利影响,结合系统建模中量测传感器精度信息实现虚拟量测集构建,并利用虚拟量测评估粒子重要性权重,通过减小粒子重要性权重方差,提高了重要性权重的估计精度。基于单站纯方位目标跟踪仿真场景,分析了算法滤波精度和计算量。理论分析和仿真实验结果验证了算法的可行性和有效性。

基于约束最小二乘的纯方位多站被动跟踪算法

纯方位单站目标被动跟踪需要观测站作机动才能满足可观测条件,导致跟踪算法收敛时间较长。基于纯方位多站被动跟踪算法可以解决算法收敛时间较长的问题,文中提出了一种约束最小二乘算法用于纯方位多站被动跟踪,它首先为最小二乘算法引入约束条件,利用矩阵最小特征值所对应的特征向量,解决了EKF算法需要初值的问题,避免了滤波的发散,同时也极大地减小了最小二乘估计的偏置。仿真表明,这种算法能够渐进地逼近估计误差的下限,并且其精度有所增加,是一种渐进、稳定以及近似无偏的估计算法。