NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

通信受限时传感器管理方法研究

在通信受限的情况下,如何进行传感器的管理以满足多目标的跟踪需求,优化完成跟踪任务.针对这一问题,对通信受限这种情形进行了描述,提出了数据获取概率的概念;利用扩展卡尔曼滤波和序贯卡尔曼滤波推出了序贯扩展卡尔曼滤波算法;结合信息论传感器管理方法和协方差控制传感器管理方法的优缺点提出了一种新的传感器分配准则.对比仿真实验表明,这种新的传感器管理方法能对传感器进行良好的管理,减小通信受限所带来的干扰;相比传统的传感器管理方法,传感器分配更为合理.     

无敏变换在非线性状态估计中的应用

传统的非线性状态估计,均需要对非线性传输函数采用线性化技术进行逼近,如扩展卡尔曼滤波（EKF）,当雅克比矩阵不可解或强非线性条件下时,线性化技术就受到应用的局限性。针对这一情况,介绍了一种新的变换-无敏变换（Unscented Transform）,阐明了该变换的优点,并研究了该变换与传统的卡尔曼滤波算法相结合,所衍生出的无敏卡尔曼滤波（Unscented Filter）算法。最后,通过算法仿真,与扩展卡尔曼滤波（EKF）算法相比较,验证了该变换在高斯环境下的优越性。     

基于强跟踪滤波器的非线性系统参数辨识方法

提出了一种基于强跟踪滤波器(STF)的非线性系统参数辨识方法,解决了非线性系统的参数辨识问题.避免了利用扩展卡尔曼滤波器(EKF)进行状态估计时,系统趋于稳态而状态突变使得滤波器丧失跟踪能力的问题.最后通过算例比较了本方法与EKF方法.     

基于EKF的无线传感器网络移动信标定位算法

针对无线传感器网络节点定位精度较低的问题,提出一种基于扩展卡尔曼滤波的移动信标节点定位算法。该算法采用等距三重优化覆盖思想确定虚拟信标分布,利用蚁群算法获取最优遍历路径,同时引入扩展卡尔曼滤波算法以提高节点定位精度。通过对节点通信半径、虚拟信标数目、路径长度、迭代次数等参数分别进行仿真验证,结果表明本文算法定位精度明显优于普通质心定位算法,同时该算法在提高网络覆盖度、降低网络成本等方面也有较大优势。     

稀疏网格平方根求积分非线性滤波器

针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种新的基于稀疏网格法的平方根求积分滤波器(SSRQF),该滤波器通过稀疏网格取点来近似计算多维积分并进行平方根滤波.与常规QF的积分点数随着维数呈指数增长相比,该方法的积分点数随着维数呈多项式增长,减少了计算量;理论分析表明,无味卡尔曼滤波器(UKF)只是稀疏网格求积分滤波器(SQF)的一个特例,因此SSRQF在精度和取点上比UKF更为灵活.仿真实验表明,SSRQF的滤波精度均高于UKF和扩展卡尔曼滤波器(EKF),是一种效率较高的高精度非线性滤波算法.     

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。     

基于EKF的MMW/IR空中机动目标融合跟踪仿真

针对毫米波雷达/红外传感器(MMW/IR)复合制导空中机动目标融合跟踪问题,分别在集中式、分布式结构基础之上研究了基于扩展卡尔曼滤波(EKF)的集中式、分布式融合算法,并提出了评估算法性能的指标.通过仿真,比较分析了两种融合方式下空中机动目标状态的估计误差,对所提出的算法的跟踪性能进行了验证,为MMW/IR复合制导空中...     

机动目标跟踪的新算法

机动目标通常不是做恒定的运动,其运动状态会随时间的变化而变化.这就使描述系统运动的状态方程是非线性的,而且系统参数会不断变化.传统的推广卡尔曼滤波适用于定系统定参数的情况,如果运用到机动目标跟踪上会导致误差增大甚至滤波发散.基于此,将强跟踪滤波运用到机动目标跟踪上.强跟踪滤波在卡尔曼滤波的基础上引入了多重渐消因子,使强跟踪滤波具有极强的跟踪能力和较好地鲁棒性,因此可以很好地解决变系统变参数的问题.通过仿真,将强跟踪滤波与UT-BLUE滤波方法和EKF滤波方法进行比较,结果表明了该滤波方法的有效性和优越性.     

Weak harmonic signal detection method in chaotic interference based on extended Kalman filter

The traditional methods of weak harmonic signal detection under strong chaotic interference often suffer from high computational complexity and poor performance. In this paper, an Extended Kalman Filter (EKF) based detection method is proposed for the detection of weak harmonic signal. The EKF method avoids matrix inversion by iterating measurement equation and state equation, which simultaneously improves the robustness and reduces the complexity. Compared with the existing detection methods, the proposed method has the following advantages: 1) it has better performance than the neural network method; 2) it has similar performance with the optimal filtering method, but with lower computational complexity; 3) it is more robust compared with the optimal filtering method.     

Novel Simplex Unscented Transform and Filter

In this paper,a new simplex unscented transform（UT）based Schmidt orthogonal algorithm and a new filter method based on this transform are proposed.This filter has less computation consumption than UKF（unscented Kalman filter）,SUKF（simplex unscented Kalman filter）and EKF（extended Kalman filter）.Computer simulation shows that this filter has the same performance as UKF and SUKF,and according to the analysis of the computational requirements of EKF,UKF and SUKF,this filter has preferable practicality value.Finally,the appendix shows the efficiency for this UT.     

基于Kalman的滤波目标精确跟踪技术研究

阐述了基本kalman滤波方法,讨论了针对非线性系统应用的kalman滤波方法的改进形式EKF、UKF。为了增进UKF运算效能,提出了引入衰减系数的滤波形式DCUKF。针对二维平面非匀速运动的目标的精确跟踪定位系统,仿真对比分析了EKF、UKF及DCUKF的滤波计算效果。结果表明DCUKF有更好的滤波效果。     

基于ε等级约束差分进化的多径估计算法

本文针对基于扩展Kalman滤波（EKF）的多径估计算法需要对非线性观测方程进行线性化.对初值比较敏感,造成估计性能下降的问题,提出了基于智能优化的多径估计算法.该算法将估计误差的二阶矩作为目标函数,将瞬时误差作为约束条件,同时考虑多径参数的先验信息,实现了将多径估计问题转化为具有约束条件的优化问题.然后,利用一种智能优化算法来解决该优化问题.本文采用了ε等级约束差分进化（εCRDE）算法来解决有约束条件的优化问题,并对该算法进行改进,使改进后的εCRDE算法可以实现多径参数的迭代估计.仿真结果表明,与EKF算法相比,在单一多径和2路多径情况下,基于改进εCRDE的多径估计算法都具有更好的估计性能.     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer-Rao下界。     

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.     

一种新的基于粒子滤波的多模型跟踪算法

粒子滤波技术通过非参数化的蒙特卡罗模拟方法实现递推贝叶斯滤波,适用于非线性目标运动模型、非线性传感器测量模型和非高斯噪声的目标跟踪。但需已知目标和量测模型,而实际情况往往难以满足此条件。交互多模型算法(IMM)依据各模型对目标前一时刻状态估计的方差,确定各模型在当前时刻状态下存在的概率,利用各模型对目标状态估计的加权和,确定目标的状态。本文采用粒子滤波代替IMM算法中各模型的Kalman滤波,将粒子滤波与IMM的优点相结合。同时,采用UKF(UnscentedKalmanFilter)产生粒子,由于考虑了当前量测,使得粒子的分布更加接近后验概率分布,用较少的粒子就可以逼近目标的真实状态。仿真实验结果表明,本算法可用于标准IMM算法无法实现跟踪的复杂情形,而且使用的粒子数目仅是同类算法的二十分之一。     

IMM-based Kalman filter for channel estimation in UWB OFDM systems

Ultra-wide band (UWB) communication is one of the most promising technologies for high-data rate wireless networks for short-range applications. This paper proposes a blind channel estimation method namely Interactive Multiple Model (IMM)-based Kalman algorithm for UWB OFDM systems. IMM-based Kalman filter is proposed to estimate frequency selective time-varying channel. In the proposed method, two Kalman filters are concurrently estimating channel parameters. The first Kalman filter, namely the Static Model Filter (SMF) gives an accurate result when the user is static while the second Kalman filter namely the Dynamic Model Filter (DMF) gives an accurate result when the receiver is in moving state. The static transition matrix in SMF is assumed as an Identity matrix where as in DMF, it is computed using Yule–Walker equations. The resultant filter estimate is computed as a weighted sum of individual filter estimates. The proposed method is compared with other existing channel estimation methods.     

基于WLSE-KF的传感器融合定位算法研究

多传感器融合在定位中的应用越来越广泛。在利用这些传感器进行定位的过程中,需要对其采集的数据进行融合。射频识别融合定位一般采用最小二乘法,然而,它可能使定位误差较大。文中提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置,再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比多种传统定位算法,误差减少,定位精度明显提高。     

简化UKF在机载IRST系统被动测距中的应用

针对机载IRST系统被动测距问题,给出了一种简化的UKF(SUKF)算法。算法无需对状态变量进行扩维,对于线性状态方程使用了和卡尔曼滤波相同的时间更新方法,对于非线性测量方程保持了UKF的特征,既继承了UKF的优点又减小了算法的运算量。仿真结果表明,SUKF在测距精度和收敛速度上明显优于EKF,其性能与标准UKF相同但计算耗时少,适合于机载IRST系统被动测距的实时处理。     

基于Elman神经网络的多目标跟踪技术的研究

首先叙述了Elman神经网络的结构、原理和学习方法.针对Elman网络的学习率对网络收敛速度及稳定性影响很大,提出了一种可以自适应调整学习速率的改进的Elman网络学习算法;并基于Elman神经网络,采用模糊推理进行数据关联的方法,结合扩展卡尔曼滤波,提出一种新的多目标跟踪方法.最后应用此方法采用两个传感器对两个运动目标进行跟踪实验,并与BP神经网络对比得出仿真结果,实验结果表明,所提出的方法是一种可行的多目标跟踪方法.