雷达导引头频域非线性建模

该文采用９０ 年代以来国际控制界提倡的“面向控制”的建模新方法－ 频域非线性算法，对雷达导引头进行建模。针对导引头使用环境恶劣，与目标、环境相互作用关系复杂，使用了调整的非线性辨识算法（ 需要先验知识） 。仿真结果表明，此辨识算法鲁棒性好，辨识结果可信度高。

一种新的非线性模型预测UPF算法

针对现有导航解算中将模型误差作为过程噪声,并假设为高斯白噪声来处理,可能会引起较大的估计误差,甚至导致滤波器发散的问题。文章以提高导航解算精度为目的,在吸收非线性预测滤波和粒子滤波优点的基础上,提出一种新的非线性模型预测Unscented粒子滤波算法。该算法在建立系统模型时顾及了模型误差,对模型误差进行实时估计,并利用该估计值对包含模型误差的非线性、非高斯系统模型进行修正,从而提高了导航解算精度。将提出的算法应用于捷联惯性导航(SINS)/合成孔径雷达(SAR)组合导航系统进行仿真验证,并与预测滤波和Unscented粒子滤波进行比较,结果表明,提出的新算法不但滤波性能明显优于预测滤波和Unscented粒子滤波,而且能提高导航解算精度。

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。

大斜视高分辨SAR双频域NLCS成像性能分析

在合成孔径雷达(Synthetic Aperture Radar, SAR)的非线性变标(Non-Linear Chirp Scaling, NLCS)算法基础上,提出回波信号的几何分析模型,并对SAR目标空变关系进行误差分析,建立误差分析规范模型,研究SAR双频域NLCS成像性能与斜视角的关系,探究算法有效性能的斜视角界限,及NLCS算法在大斜视角高分辨率下应用问题。仿真实验结果表明:70°斜视角下,NLCS算法的性能到达临界值,证实了分析模型的正确性与可靠性。

基于数据率控制的非线性交互式滤波算法

针对传统的非线性滤波算法EKF在高机动、低数据率下跟踪精度下降较快和UKF在低数据率下线性化误差小但实时性差的缺点,提出了一种基于数据率控制的交互式多模型滤波算法。该算法根据不同作战模式下目标的探测率和系统非线性大小,自适应地分配EKF和UKF两种非线性滤波算法的加权比例,有效克服了以往算法中仅选用单一滤波处理模型的缺陷。通过仿真验证,所提算法有效解决了传统EKF算法在目标机动时数据率下降导致的系统跟踪精度和稳定性下降太快的问题,相比UKF算法在机动段目标跟踪精度下降不多的情况下大大缩短了运行时间,减少了雷达资源消耗。