被动导引头辐射源跟踪新算法研究

由于被动导引头辐射源跟踪系统非线性较强,传统的跟踪滤波算法是粒子滤波（PF）、U卡尔曼滤波（UKF）。但这些算法都存在着一定的缺陷,粒子滤波算法收敛速度慢、计算量大,UKF跟踪精度低。针对上述问题,提出了一种基于PF算法的新的跟踪滤波算法PUKF。该算法采用粒子滤波和U卡尔曼滤波加权的思想对目标实现初始的捕捉,然后通过UKF算法对目标进行跟踪保持。该算法受初始状态影响小,跟踪的精度高,收敛速度快,系统性能稳定。仿真实验表明了在被动辐射源跟踪系统中该算法的可行性和有效性。     

机载红外搜索跟踪系统被动定位滤波算法研究

首先用扩展卡尔曼滤波算法构建了机载红外搜索跟踪系统被动定位滤波模型．然后针对该滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点．利用虚拟噪声技术，提出了适合于红外搜索跟踪系统被动定位的自适应扩展卡尔曼滤波算法。该算法实时地估计了虚拟噪声的统计特性，减小了线性化误差，提高了非线性滤波的精度。仿真结果表明，在完全相同的初始条件下，自适应扩展卡尔曼滤波对目标距离和速度的估计结果明显优于扩展卡尔曼滤波，此算法具有很高的工程应用价值。     

一种水下被动目标纯方位跟踪方法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪的思路.该算法直接利用传感器获得的含有噪声的角度数据,通过改进极坐标系下的系统方程得到目标状态的后验概率分布,来估计目标的运动状态.仿真结果表明该算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法.     

自适应EKF在被动跟踪中的应用研究

针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

卡尔曼滤波在被动目标跟踪系统中的应用

针对卡尔曼滤波方法在双观测站被动目标跟踪系统中的应用进行了研究。建立了双观测站被动跟踪系统的非线性滤波模型,通过扩展卡尔曼滤波方法在该非线性模型下的具体实现步骤。分析了目标通过不同角度向观测站袭来时,卡尔曼滤波算法对目标参数估计的精度,验证了扩展卡尔曼滤波方法在被动目标跟踪中的有效性。仿真结果表明,目标参数估计的精度与观测的目标方位角变化率有关,变化率越大,估计误差越小。     

固定单站被动目标跟踪算法性能分析

被动目标跟踪滤波算法是无源定位的关键技术之一。分析了扩展卡尔曼滤波及其衍生算法和无迹卡尔曼滤波算法的性能,并将这些算法应用于利用空频域信息的定位方法中。计算机仿真验证了这些算法的性能。     

空基多平台对空中机动目标的被动跟踪定位算法

针对空中机动目标的被动定位跟踪问题,提出了一种先用静态估计理论对空中目标进行最小二乘估计,再采用基于“当前”统计模型的自适应滤波算法进行滤波处理的方法,取得了比最小二乘估计与卡尔曼滤波相结合的算法更好的效果。仿真结果表明,在跟踪非机动目标时,该算法和最小二乘估计与卡尔曼滤波结合的办法相当;在跟踪机动目标时,该算法的误差明显小于原算法。     

粒子滤波在目标跟踪算法中的应用研究

针对非高斯、强噪声背景下的高机动目标实施跟踪时,卡尔曼滤波、扩展卡尔曼滤波等算法将出现滤波精度下降甚至发散现象。粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势。以目标跟踪问题为背景,将粒子滤波与卡尔曼滤波算法进行了对比研究。     

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STF和7thCQKF的状态突变系统跟踪算法

针对传统非线性滤波算法对状态突变的鲁棒性较差,存在跟踪缓慢甚至失效的问题,提出了强跟踪七阶正交容积卡尔曼滤波(ST-7thCQKF)算法。算法将对非线性系统滤波效果良好的七阶正交容积卡尔曼滤波(7thCQKF)与强跟踪滤波(STF)融合,通过在7thCQKF的预测协方差中引入渐消因子调节增益矩阵,提高算法对状态突变系统的跟踪效果。仿真和实验结果表明,ST-7thCQKF能够较好地处理状态突变系统的跟踪问题。     

卡尔曼滤波算法在单站无源定位中的应用

针对传统卡尔曼滤波算法在单站无源定位中的不足,提出了一种基于CV模型的卡尔曼滤波算法,阐述了卡尔曼滤波算法和CV模型,对基于CV模型的卡尔曼滤波算法在单站无源定位中的应用进行了仿真分析。仿真结果表明改进卡尔曼滤波算法能有效提高定位精度。     

提取相位差变化率的一种新方法

传统的卡尔曼滤波算法提取相位差变化率时,要求相位差数据呈线性变化或近似线性变化,而这一条件往往不容易得到满足。针对以往利用相位差变化率进行单站无源定位的定位精度不高的问题,提出一种差分—卡尔曼滤波方法,综合了差分处理方法和卡尔曼滤波处理方法的全部优点,解决了卡尔曼滤波提取方法限制条件强的问题以及差分处理方法提取精度低的问题。通过仿真试验表明,差分—卡尔曼滤波方法滤波精度比差分方法高很多,比卡尔曼滤波方法适用范围更广,应用性更强。     

一种改进粒子滤波的双站无源定位跟踪算法

在非线性非高斯状态空间下，粒子滤波器是一种有效的非线性滤波算法，它的关键问题包括粒子权重的计算、粒子重采样和状态估计等。本文根据粒子滤波算法思想和双站无源定位跟踪的非线性，将粒子滤波算法用于双站无源定位跟踪问题，给出了一种改进的粒子滤波算法，并对其关键问题根据双站无源定位跟踪的特殊性进行了改进。利用Matlab进行了仿真实验，与最小二乘算法、扩展卡尔曼滤波算法进行了比较，结果表明所提算法定位跟踪精度优于其他方法。     

非线性滤波算法分析及其性能比较

针对目标跟踪实际应用中量测方程非线性对滤波精度和稳定性的影响,重点分析了模型线性化的滤波算法、无迹卡尔曼滤波（UKF）和粒子滤波算法（PF）的基本原理和特点以及适应的条件。仿真试验比较了扩展卡尔曼、无迹卡尔曼和粒子滤波的跟踪效果,结果表明非线性条件下粒子滤波算法优于其它两种滤波算法。     

单站无源定位技术研究

介绍了单站无源定位的原理以及基于频率信息的多普勒频率变化率测量,针对单站无源定位中对目标跟踪这样一个典型的非线性滤波问题,阐述了利用修正协方差的扩展卡尔曼滤波算法。     

基于卡尔曼滤波的RAIM方案研究

为了使卫星导航接收机自主完好性检测算法与卡尔曼滤波位置解算法结合起来,并且有效降低卫星导航接收机自主完好性检测的漏检率和误警率,进而为用户提供实时、准确、可靠的定位定时服务。对卡尔曼滤波位置解算法和卫星导航接收机自主完好性检测算法进行了研究,提出了能够对多个故障进行检测与识别的基于卡尔曼滤波的卫星导航接收机自主完好性检测方案,方案中引入了故障检测调整系数,有效地降低了漏检率和误警率。对方案进行了仿真分析,仿真结果表明方案是可行、有效。     

自适应Kalman滤波算法在加速度计自标定中的应用

针对自标定加速度计组合动基座试验数据中存在的数据异常问题,推导并运用自适应Kalman滤波算法剔除异常数据,通过对不同Kalman滤波算法自标定精度解算结果的均值和标准差进行比较,表明自适应Kalman滤波算法更加有效。     

基于无源定位系统的航迹处理

基于无源定位系统，对多目标定位、跟踪及航迹关联方法进行了深入研究，采用卡尔曼滤波算法对目标航迹进行跟踪、预测和平滑，充分考虑了多条航迹产生交叉、分裂等情况，并通过模拟数据进行了验证。     

区间卡尔曼滤波算法在参数估计中的应用

卡尔曼滤波算法除了用于动态系统的状态估计外,还可以用于动态系统参数的在线估计．特别是时变参数的估计。传统卡尔曼滤波算法在系统参数不确切已知或随时间变化时将无法直接应用。在区间分析的基础上,通过将不确定系统建成区间模型,在其他假设条件与标准卡尔曼滤波相同的前提下,分析了一种处理系统参数不确定性的区间卡尔曼滤波算法,并对其在参数估计方面的应用进行了探讨。     

多平台对单目标的被动跟踪系统研究

由于多平台对单目标的被动系统具有隐蔽性强、实时性好等优点,因此近年来成为电子战领域研究的热点之一。针对多平台观测下的单目标被动跟踪系统进行了研究,首先提出2种跟踪系统结构:一是基于最小二乘(LS)和线性卡尔曼滤波(KF)相结合的伪线性模型系统,二是基于扩展卡尔曼滤波(EKF)并行滤波技术的非线性跟踪系统;其次分别给出具体设计步骤,并在计算机上进行仿真验证。仿真结果表明,基于EKF的非线性并行滤波技术对目标跟踪精度较高。