一种改进的变结构交互多模型被动跟踪算法

针对干扰环境下跟踪机动目标时常常无法获得距离信息的问题,提出了一种新的被动跟踪算法对目标进行精确的跟踪定位。算法针对被动跟踪中状态与量测之间存在的非线性关系,首先采用最小二乘原理对角度量测进行预处理,然后以预处理结果作为输入,进行交互多模型滤波,从而减小非线性量测方程的线性化过程带来的误差。然而,交互多模型滤波中所采用的固定结构模型集并不能保证跟踪精度,为解决这一问题,算法引入序列似然比检测对模型集进行调整,使模型对不同的目标机动模式有更强的自适应能力,从而减小模型之间的竞争,确保跟踪效果。为了验证新算法的有效性,在相同实验条件下,用2种算法分别对同一设定轨迹进行仿真估计,结果表明,新算法可以进一步提高跟踪精度。

对辐射源的被动跟踪算法研究

讨论了对辐射源进行被动测向时 ,用扩展卡尔曼滤波进行目标跟踪 ,并对目标机动进行判断的方法。在判断目标机动的前提下 。

最小二乘被动式跟踪算法与仿真

在以Ｋａｌｍａｎ滤波为基础的各种被动式跟踪算法中，一直存在几个难题：初值敏感、估计有偏且对先验信息的强依赖性。本文根据目标－观测站的几何关系，导出了基于伪线性量测的最小二乘被动式跟踪算法，该算法可减少先验信息。ＭｏｎｔｅＣａｒｌｏ模拟结果证明了本方法的有效性和正确性，本文同时给出了其他三种不同的被动式跟踪算法的仿真结果。

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合,用于被动式多站跟踪,给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例,进行了仿真研究,结果表明该算法具有满意的跟踪性能。