基于UKF算法的双机协同无源跟踪

针对单机对目标被动定位跟踪不具有完全可观测性,建立了双机协同探测定位跟踪模型,利用双机探测到的目标方位角和俯仰角,结合非线性滤波算法估计出目标的位置和速度参数。为解决传统的非线性滤波误差比较大、容易发散的问题,引入无迹卡尔曼滤波(UKF)算法。仿真实验表明,与扩展卡尔曼滤波相比较,UKF能更好地解决量测方程的非线性问题,滤波效果更好。

基于特征值和灰度关联的双机关联定位

针对双机协同对多目标进行定位跟踪的应用背景,研究了不同侦察平台、不同侦察传感器测向数据的关联和定位问题,提出了一种双机实时关联定位方法。该方法利用各类传感器的关联特征要素建立双机同类型传感器的数据关联模型,利用B型灰色关联度的纯方位关联算法建立同机不同类型传感器的关联矩阵,结合目标身份信息进行测向结果关联,对关联上的测向结果进行提纯、滤波和交叉定位,最后得到目标定位结果。仿真试验结果证明了该方法的有效性。

面向双基协同跟踪的接收站路径优化方法

为进一步提升双基站无源协同跟踪系统的目标跟踪精度,提出了一种最小化克拉美罗下界(CRLB)迹的接收站路径优化方法。该方法结合部分可观马尔可夫决策过程(POMDP)构建接收站路径优化模型,并设计了基于CRLB的接收站路径优化代价函数;在满足接收站自身运动约束的前提下,求解最小化目标代价函数的接收站控制指令,最终实现接收站路径的实时优化;考虑到代价函数的高度非线性,为减少计算量,保证优化实时性,在接收站运动速度矢量转向角约束内进行离散化取值,获取接收站路径优化的近似最优解。实验结果表明,相比于现有的主流方法,该文方法能够有效减少接收站路径优化算法的计算量,同时显著提升目标跟踪精度。