基于数值微分技术构造鲁棒估计模型的方法及其应用仿真

在研究宏观空间运动特性的基础上,利用数值微分作为表达工具描述未知运动过程的动态特性,构造了数值微分型滤波模型(NDFM)和数值微分型滤波-预报联合模型(NDFPM)。这种方法能根据各种应用要求对动态特性完全未知的运动过程建立结构简单、鲁棒性强的估计模型,而且容易选择估计算法获得满意的性能。本文对未知扰动作用下的被控过程建立NDFM并实现状态重构和扰动补偿;对动态未知的被跟踪目标建立NDFPM并估计出运动参数的当前值和一步预报值。仿真结果表明这两种模型具有较强的鲁棒性和满意的估计精度。

利用数值微分构造机动目标跟踪的估计模型:原理和应用

利用数值微分技术描述机动目标的运动行为,建立了被跟踪目标运动参数的滤波模型和滤波-预报联合估计模型,可以在机动目标动态特性完全未知的情况下估计出位置、速度、加速度的当前值和一步预报值.这种方法建立的模型结构简单,而且容易根据各种应用要求构造合适的估计模型和选择估计算法,是一种鲁棒估计模型.仿真实验给出的结果显示这种模型对高动态目标能够获得良好的跟踪品质.

利用射频误差信号提高脉冲雷达的角跟踪精度

本文首先分析了传统脉冲测量雷达在各种内部、外部扰动作用下对高动态目标进行跟踪时面临的问题,在此基础上,将射频误差信号与天线指向信号作为量测信息引入观测方程,并且利用数值微分法对被跟踪的高动态机动目标建立了一种简单的估计模型,采用常规卡尔曼滤波算法估计出准确的目标角位置、角速度和角加速度的当前值和一步预报值。这种方法实现简单,作为机动目标的实时前处理算法,能够有效补偿各种内部、外部扰动对脉冲雷达角跟踪精度的影响,改善角度捕获的动、静态品质。