三阶目标状态抗差估计

针对雷达组网滤波过程中的系统误差问题,本文在双站二阶抗差估计的基础上提出了一种在三站组网情况下减少航迹滤波系统误差的三阶抗差估计方法,并探讨了在两种不同布站方式下该方法对于减少滤波系统误差的效果。仿真结果证明,该方法在第一种布站方式下能够有效减少组网滤波过程中在距离维、方位维、俯仰维测量时产生的系统误差。

基于最小二乘算法雷达定位误差配准方法研究

针对无人机载三坐标雷达对陆目标定位和跟踪过程中,测量设备的角度反馈受无人机姿态感知的影响,会对目标的角度和距离测量产生误差的问题,论文通过误差分析和算法对比,提出采用最小二乘滤波对无人机非线性姿态误差进行估计和修正,对测量结果进行收敛和修正。仿真结果表明,最小二乘滤波对精度有限的非线性系统量测误差能够达到较好的收敛效果,但如果要得到更高的定位精度,仍需要采用其他方式。

集合卡尔曼滤波同化多普勒雷达资料的数值试验

利用集合卡尔曼滤波(EnKF)在云数值模式中同化模拟多普勒雷达资料,并考察了不同条件下EnKF同化方法的性能。结果显示,经过几个同化周期后,EnKF分析结果非常接近真值。单多普勒雷达资料EnKF同化对雷达位置不太敏感,双雷达资料同化结果在同化的初期阶段比单雷达资料同化结果准确。同化由反射率导出的雨水比直接同化反射率资料更有效,联合同化径向速度和雨水有利于提高同化分析效果。协方差对EnKF同化效果起着非常重要的作用,考虑模式全部预报变量与径向速度协方差的同化效果比仅考虑速度场与径向速度协方差的同化效果好。雷达资料缺值降低了同化效果,此时增加地面常规观测资料的同化可以明显提高同化分析效果。EnKF同化技术对雷达观测资料误差不太敏感。初始集合对同化分析有较大影响。EnKF同化受集合大小和观测资料影响半径。同化对模式误差较敏感。利用EnKF同化双多普勒雷达资料,分析了一次梅雨锋暴雨过程的中尺度结构。结果表明,EnKF同化技术能够从双多普勒雷达资料反演暴雨中尺度系统的动力场、热力场和微物理场,反演的风场是较准确的,反演的热力场和微物理场分布也是基本合理的。中低层切变线是此次暴雨的主要动力特征,对流云表现为低层辐合、高层辐散并有垂直上升运动伴随,其热力特征表现为低层是低压区,高层为高压区,中部为暖区而上、下部为冷区,水汽、云水和雨水分别集中在对流云体内、上升气流区和强回波区。

风暴尺度天气下利用集合卡尔曼滤波模拟多普勒雷达资料同化试验 Ⅱ.考虑模式误差的情形

文章的第I部分(兰伟仁等,2010),利用模拟雷达资料在假定模式无误差的情况下进行了一系列的集合卡尔曼滤波(EnKF)敏感性试验,验证了EnKF方法在风暴尺度天气资料同化中的作用。本文继续探讨EnKF在有显著模式误差的情况下同化模拟多普勒雷达资料的效果问题。试验中假定模式误差主要来源于微物理过程参数化的不确定性。结果表明:模式误差在不同程度上影响了EnKF分析的效果,对微物理量的影响尤其明显;在EnKF分析中,利用微物理过程参数化集合的方法来考虑模式误差,对速度场、位温场以及比湿场有较明显的正作用,但对于微物理量场分析效果较差;若包含控制试验的微物理过程参数化方案,则EnKF对所有变量都有正效果,随着同化循环次数的增加,分析结果更加合理;只考虑冰相过程的微物理过程参数化方案的集合,分析效果进一步提高。

一种目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于扩展卡尔曼滤波器的目标状态与系统偏差的联合估计算法,并在此基础上探讨了三种系统偏差条件下状态估计的初始化方法。Monte-Carlo仿真表明,ASEKF算法能有效地对目标状态和系统偏差进行实时联合估计。

基于无味卡尔曼滤波的多雷达方位配准算法

将无味卡尔曼滤波(U nscen ted K a lm an filter,UKF)应用于雷达配准,提出一种新的多雷达方位配准算法。在该算法中,目标的运动状态和方位误差由选定的采样点来近似,在每个更新过程中,采样点随着状态方程传播并随非线性测量方程变换,得到目标的运动状态和方位误差的均值,避免了对非线性方程的线性化,且具有较高的计算精度。与传统的扩展卡尔曼滤波(Ex tended K a lm an filter,EKF)方法进行了仿真比较,结果表明UKF方法能有效地克服非线性跟踪问题中很容易出现的滤波发散问题,且估计精度高于UKF方法。

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器(UKF)的系统偏差和目标状态的联合估计算法(ASUKF)。Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计。

考虑天线罩误差的雷达导引头隔离度影响与UKF在线补偿

针对雷达导引头隔离度对导弹制导控制系统带来的严重影响,建立了包含天线罩误差在内的雷达导引头隔离度模型,对比分析了弹簧力矩、阻尼力矩及天线罩误差引起的隔离度寄生回路稳定性和时域频域性能,并研究了不同干扰输入条件下导弹脱靶量与隔离度幅值的对应关系,重点提出了一种基于无迹卡尔曼滤波(UKF)的隔离度在线补偿方法,并进行了仿真验证.研究结果表明,导引头隔离度的存在会削弱制导控制系统稳定性、降低制导精度,其中负的天线罩误差斜率影响最为严重;闪烁噪声输入下,负的天线罩误差斜率和弹簧力矩隔离度引起的脱靶量较大,而在目标随机机动输入下,正、负天线罩误差斜率隔离度引起脱靶量较大;所提出的UKF隔离度在线补偿方法分别在速度指向误差和目标常值机动输入下均能够同时估计出弹簧力矩系数、阻尼力矩系数和天线罩误差斜率,并实现了对隔离度的有效抑制,达到了改善制导性能,提高制导精度的目的.

基于水文模型的雷达监测降雨量误差传递研究

基于多普勒雷达和相应的雨量计资料,利用卡尔曼滤波校准法对分组Z^I关系估算的雷达降雨进行同化,结合新安江模型,提出采用增长模繁殖法对雷达监测降雨量资料进行扰动,定量分析了模型输入误差对径流模拟的影响。经过湖北省白莲河流域的实际应用研究表明,卡尔曼滤波校准法估算降水量的精度比Z^I关系法有了明显的提高,其相应的洪水预报效果也都优于Z^I关系;提出的增长模繁殖法对雷达监测降雨量资料产生的扰动输入误差在经过模型的传递后有增大的趋势。

多站雷达中机动目标高精度跟踪分析

在快速卡尔曼滤波跟踪算法的基础上,提出了一种机动目标位置和速度的高精度卡尔曼滤波算法,用于仅提供距离和测量的多站雷达系统对机动目标的高精度定位和高精度测速。多站雷达系统提供给数据处理中心的距离和信息,通过滤波迭代算法估算出目标的位置和速度。对机动目标的仿真实验结果表明,该算法不仅改善了以前文献中目标位置的定位精度,而且对目标速度也同样具有优良的测量性能。

基于卡尔曼滤波器的雷达跟踪

卡尔曼滤波是一种统计估算方法,通过处理一系列带有误差的实际测量数据而得到所需要的物理参数的最佳估算值.对于每一个估计量,就使贝叶斯MSE最小而言,卡尔曼滤波器是最佳的。本文介绍了卡尔曼滤波器在雷达跟踪问题上的应用,说明卡尔曼滤波器在建模和计算机仿真上有着重要的现实意义。

基于平方根容积卡尔曼滤波的目标状态与传感器偏差扩维联合估计算法

针对传感器存在系统偏差条件下的三维目标跟踪问题,基于高斯求积规则与三阶球面-径向容积规则,设计了基于平方根容积卡尔曼滤波的目标状态与传感器系统偏差扩维联合估计算法(Augmented state squared-root cubature Kalman filter,ASSRCKF)。仿真分析表明,ASSRCKF不仅避免了扩维扩展卡尔曼滤波算法因模型线性化误差易导致滤波发散的问题,且克服了扩维不敏卡尔曼滤波算法在高维系统中数值不稳定的缺点,算法实时性好,能更加有效地解决带有系统误差的非线性状态估计问题。

对预警机跟踪系统的干扰效果分析

预警机在现代战争中发挥着重要作用,为了分析对预警机雷达跟踪系统的干扰效果,研究了预警机雷达的跟踪系统;建立了干扰条件下的跟踪系统模型,并对模型进行了仿真,得到了信干比与跟踪误差的定量关系。结果表明:随着信干比的降低,预警机的跟踪误差变大,不能对目标进行稳定跟踪。仿真结果为干扰效能分析和战术运用提供了依据。

极区内基于雷达辅助的SINS空中对准算法

针对高纬度地区捷联惯导常规对准算法因纬度升高和经线收敛而失效的问题,提出了一种基于格网导航力学编排的极区雷达辅助空中对准算法。以格林尼治子午线为航向参考,定义了格网导航参考系并给出了其导航力学编排及误差方程,解决了极区内惯导定位定向的问题。将雷达量测信息转换到地球地心固联参考系内,解决了雷达量测与惯导量测不匹配的问题。最后,设计了格网系下雷达辅助捷联惯导的空中对准算法。仿真结果表明:对导航级捷联惯导系统(1 nm/h),水平对准精度可达1',转弯机动下方位对准精度达到5',为惯导在极区内的空中对准提供了工程参考。

基于卡尔曼-最小均方误差准则的雷达旁瓣抑制研究及仿真

针对在现代雷达系统中强目标掩盖弱小目标,且只能将距离旁瓣抑制到一定值的问题,提出一种改进的卡尔曼-最小均方误差准则(K-MMSE)算法。该方法将卡尔曼滤波与最小均方误差准则相融合,是一种有效抑制距离旁瓣的自适应脉冲压缩系统。仿真实验中,将提出的K-MMSE方法与传统匹配滤波、经过最小均方误差(MMSE)准则的匹配滤波算法进行单目标与多目标情况下的旁瓣抑制比较后发现,前者较后两者旁瓣水平及其点扩散函数(PSF)的峰值旁瓣比(PSLR)和积分旁瓣比(ISLR)均明显下降。仿真结果表明,该方法无论在单目标还是多目标情况下都能较传统的滤波算法更好地抑制旁瓣距离,有效地提取弱小目标信号。

集合卡尔曼滤波同化中雷达位置的敏感性研究

针对对流尺度集合卡尔曼滤波(EnKF)雷达资料同化中雷达位置对同化的影响进行研究。为了考察强对流出现在雷达不同方位时集合卡尔曼滤波同化雷达资料的能力,以一个理想风暴为例,设计了8个均匀分布在模拟区域周围的模拟雷达进行试验。单雷达同化试验中,初期同化对雷达位置较敏感,而十几个循环后对雷达方位的敏感性降低。造成初期同化效果较差的雷达观测位于模拟区域正南和正北方向,这两部雷达与模拟区域中心的连线垂直于风暴移动方向(即环境气流的方向)。双雷达试验的结果表明,正东、正南、正西和正北方向的雷达组合观测会使同化初期误差较大,这说明并不是所有与风暴连线成90°的雷达组合都能在短时同化中得到合理的分析结果,还需要都处于模拟区域对角线上(即与环境气流成45°夹角),同化效果才较好。短时同化后的确定性预报结果表明,较大分析误差也会导致较大预报误差。这些分析误差主要是由于同化初期不准确的集合平均场驱动出的不合理的背景误差协方差造成的。当背景场随着同化循环得到改进后,驱动出的合理的背景误差协方差使得不同位置雷达同化造成的差异逐步减小。基于上述结果,引入迭代集合均方根滤波(iEnSRF)算法,结果显示使用该算法后,雷达位置对同化效果的影响减小,同化不同位置的雷达资料均能有效降低分析和预报误差。

机动组网雷达系统偏差估计

针对机动组网雷达中的距离和欠度的修正偏差,提出了一种基于扩展卡尔曼滤波(extendedKalmanfil ter,EKF)滤波的雷达系统偏差的估计方法,减少了一阶近似对系统偏差估计的影响,即使在系统偏差较大的情况下,也能得出较准确的估计结果,适用于高机动组网雷达中的实时系统偏差修正。

渐消自适应Unscented粒子滤波及其在组合导航中的应用

提出一种新的渐消自适应Unscented粒子滤波算法,通过Sigma点来获取状态估值和协方差阵,利用渐消因子自适应的调节权值大小,得到一种参数可调节的重要性密度函数。该重要性密度函数考虑了最新量测的影响,更合理地利用有效信息,保证了粒子多样性,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和渐消自适应扩展Kalman滤波比较,仿真结果表明,提出的滤波算法能提高导航解算的精度,其性能明显优于扩展Kalman滤波和渐消自适应扩展Kalman滤波。

多目标雷达组网实时系统偏差稳健估计研究

针对多目标情况下雷达组网的误差配准问题,提出了一种基于Kalman滤波和数据融合的系统偏差实时稳健估计方法。首先,利用Kalman滤波的实时配准算法得到各个目标对雷达系统偏差的估计结果;然后,通过估计结果的实时融合进一步减小估计误差;最终得到较高精度的实时系统偏差估计。仿真结果表明,该算法可以有效地实现多目标情况下的实时误差配准。

雷达导引头指向误差对导弹制导的影响与对策

受相控阵天线指向误差和天线罩瞄准误差的共同影响,相控阵雷达导引头存在较严重的指向误差。当指向误差斜率超出一定范围时会造成导弹制导系统出现寄生回路振荡问题,影响系统的稳定性和制导精度,在高空尤为明显。对此,本文通过构建相控阵雷达导引头制导系统模型,分析了导引头指向误差斜率对导弹制导的影响以及产生寄生回路振荡的机理;为消除导引头指向误差斜率对制导的不利影响,在指向误差测量补偿的基础上,又给出了一种多模型扩展卡尔曼滤波的估计方法,对导引头指向误差斜率进行实时估计与补偿。数字仿真结果表明,所提方法能够有效改善导引头指向误差斜率对制导系统的不利影响,提高系统稳定性和制导精度。