一种双站纯方位快速渐进无偏定位算法研究

针对多站无源定位中扩展卡尔曼滤波算法等递推类算法受初始状态影响大,滤波不稳定及将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,提出了一种新的双站纯方位快速渐进无偏定位算法。该算法将扩维伪测量方程的系数误差协方差矩阵引入约束条件,通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解,即可获得目标状态估计值。仿真结果表明,该算法与EKF算法及最小二乘算法相比,定位性能更稳定,精度更高,在测量误差较大或者2个观测站测量误差不一致时优势更明显。     

一种新的基于角度和时差的稳健定位跟踪算法

针对无源定位必须实现快速和稳定无偏定位跟踪的要求,提出了一种新的双站基于角度和时差的稳健定位跟踪算法。该算法将扩维伪线性测量方程的观测误差矩阵协方差阵引入约束条件,通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘(CLS)极小化处理,最终只需要对一对矩阵束进行广义特征分解即可获得目标状态的渐进无偏估计值。仿真结果表明,与扩展卡尔曼滤波（EKF）算法及最小二乘(LS)算法相比,本文所提算法定位跟踪性能更稳定,精度更高,估计误差可以接近克拉美罗限（CRLB）。在测量误差较大或者两个观测站测量误差不一致时优势更明显,实用性强。      

一种线性校正到达时间差定位算法

针对到达时间差(TDOA)定位中出现的非线性估计问题,该文提出一种线性校正TDOA定位算法。首先将高度非线性的TDOA定位方程组转化为一组关于辐射源位置的伪线性方程,利用加权最小二乘(WLS)估计进行初始求解;然后在此基础上通过一阶泰勒级数展开把伪线性方程组转化为关于估计偏差的线性加权最小二乘问题并进行求解,分析了所提算法在测量误差较小时的有效性。最后提出了一种基于加权最小二乘估计的恒加速度运动辐射源的定位方法,相应的估计性能在测量误差较小时也接近克拉美罗界(CRLB)。计算机仿真结果验证了该算法的有效性。     

双站基于角度和时差的近似无偏定位算法

联合角度（DOA）和时差（TDOA）信息对运动目标进行无源定位实质上是一种非线性估计问题。针对将非线性观测方程转化为伪线性方程会产生有偏估计的缺点,该文基于双站定位中获得的角度和时差信息,给出了一种对三维空间目标定位跟踪的近似无偏估计滤波算法,它只需要对一对矩阵束进行广义特征分解,即可获得目标坐标和速度的估计值。计算机仿真结果表明,相比有偏估计滤波算法,如伪线性卡尔曼滤波（PLKF）算法或者最小二乘（LS）算法,该算法具有更高的定位精度,并且当观测误差增大时,其优势更加明显。     

基于约束最小二乘的纯方位多站被动跟踪算法

纯方位单站目标被动跟踪需要观测站作机动才能满足可观测条件,导致跟踪算法收敛时间较长。基于纯方位多站被动跟踪算法可以解决算法收敛时间较长的问题,文中提出了一种约束最小二乘算法用于纯方位多站被动跟踪,它首先为最小二乘算法引入约束条件,利用矩阵最小特征值所对应的特征向量,解决了EKF 算法需要初值的问题,避免了滤波的发散,同时也极大地减小了最小二乘估计的偏置。仿真表明,这种算法能够渐进地逼近估计误差的下限,并且其精度有所增加,是一种渐进、稳定以及近似无偏的估计算法。     

考虑载机位置误差的CLS多机无源定位算法

多机无源定位中存在载机位置误差却不予考虑时必然会降低目标的定位跟踪精度。为了解决存在载机位置误差情况下的定位问题,提出了一种考虑载机位置误差的约束最小二乘（CLS）多机无源定位算法。该算法对伪线性观测方程中由于测量误差和载机位置误差而导致的增广系数矩阵的误差协方差阵进行约束,并对伪线性观测方程的误差进行约束最小二乘处理,最终转化为对一组矩阵束的广义特征分解问题。仿真结果表明,相对于最小二乘（LS）算法和扩展卡尔曼滤波（EKF）算法,该算法具有更快的收敛速度和较高的定位精度,并且受载机位置误差影响小,在观测噪声比较大时仍能保持良好的定位性能。      

基于约束加权最小二乘的时差频差联合定位算法

针对运动目标源定位问题,提出了一种基于约束加权最小二乘(Constrained Weighted Leas-tSquares,CWLS)的时差频差定位算法。该算法利用目标源到达多个接收站的时差和频差信息,对目标源的位置和速度进行估计。通过引入中间变量,将时差频差非线性方程转换成伪线性方程(中间变量与目标源位置和速度之间存在约束关系),再对此约束条件引入拉格朗日乘子技术,将此伪线性方程的求解转化为求条件极值问题,创造性地求解了此非线性定位方程,提高了定位精度,并能满足实时性和全局收敛要求。仿真实验表明,该算法在保持相近复杂度的同时,进一步提高了定位性能,优于两步加权最小二乘算法,在噪声较高时仍然能达到克拉美罗下限。     

基于DOA-TDOA-FDOA的单站无源相干定位代数解

针对利用单站接收多个外辐射源信号实现目标定位的问题,该文提出一种基于两步加权最小二乘的到达角度(DOA)、时差(TDOA)和频差(FDOA)联合定位代数解算法.首先,在第1步加权最小二乘估计中,通过引入辅助参数,将非线性的角度、时差和频差方程转化为伪线性形式,并利用加权最小二乘得到目标位置和速度的粗估计;而后在第2步加权最小二乘估计中利用辅助参数和目标位置参数之间的约束关系来构造另外一组线性方程,并再次利用加权最小二乘得到目标位置和速度的精确估计.推导了联合角度、时差和频差定位的克拉美罗界.理论分析和仿真结果表明,算法在观测误差较小时的定位误差可以达到克拉美罗界.     

基于DOA-TDOA-FDOA的单站无源相干定位代数解

针对利用单站接收多个外辐射源信号实现目标定位的问题,该文提出一种基于两步加权最小二乘的到达角度(DOA)、时差(TDOA)和频差(FDOA)联合定位代数解算法。首先,在第1步加权最小二乘估计中,通过引入辅助参数,将非线性的角度、时差和频差方程转化为伪线性形式,并利用加权最小二乘得到目标位置和速度的粗估计;而后在第2步加权最小二乘估计中利用辅助参数和目标位置参数之间的约束关系来构造另外一组线性方程,并再次利用加权最小二乘得到目标位置和速度的精确估计。推导了联合角度、时差和频差定位的克拉美罗界。理论分析和仿真结果表明,算法在观测误差较小时的定位误差可以达到克拉美罗界。     

基于约束加权最小二乘的多站无源定位

针对传统加权最小二乘算法在噪声较大时会出现门限效应的问题。本文将约束加权最小二乘算法应用于多站无源定位,分别提出了基于多站时差定位的约束加权最小二乘算法以及基于时差频差联合定位的约束加权最小二乘算法。算法首先将非线性观测方程转化为两个伪线性方程,然后对伪线性方程加入限制条件,得到目标位置。仿真实验表明,与经典加权最小二乘算法及其改进算法相比,新算法在计算量增大不多的情况下扩展了适用范围,当噪声超过门限值时依然能获得较高的定位精度。新算法对噪声具有较强的鲁棒性,能有效克服门限效应带来的影响。      

伪线性滤波算法在三维测向无源定位中的应用

首先提出了一种测量目标方位角和俯仰角、实现运动单站对固定辐射源进行三维无源定位的伪线性滤波算法(PLF)。该算法利用伪测量值,将非线性测量方程变为线性伪测量方程,实现对目标状态的实时估计。该方法无需预先精确地获得目标的初始状态,克服了扩展卡尔曼滤波(EKF)算法容易发散等缺点,从而获得了稳定的目标状态估计。计算机仿真结果证明了上述方法的有效性。     

鲁棒的前视红外目标多核跟踪算法

针对前视红外目标跟踪中常见的目标位置偏差和部分遮挡问题,在均值漂移算法的框架下,提出了一种基于投影直方图匹配和拓扑约束的多核跟踪算法。首先,对前后帧图像进行基于空间-灰度二维投影直方图匹配的目标位置预测;然后,充分利用目标的前景和背景信息构建多个独立的核跟踪器;最后,采用拓扑约束选取跟踪性能好的核跟踪器,组合得到最终的跟踪结果。实验结果表明:此算法能对目标进行准确跟踪,对目标位置偏差和部分遮挡具有较好的鲁棒性,在有遮挡的情况下,平均跟踪误差远小于传统的跟踪算法。因此,该算法在前视红外成像制导中具有较好的实用性和可行性。     

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。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,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.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文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,估计误差可以接近Cramer-Rao下界.     

基于压缩感知的PD雷达序贯扩展卡尔曼滤波跟踪方法

提出一种新的基于压缩感知(Compressive Sensing, CS)处理的序贯扩展卡尔曼滤波(Sequential Extended Kalman Filter, SEKF)方法,以用于脉冲多普勒(Pulse Doppler, PD)雷达机动目标跟踪。利用目标在时延多普勒平面内的稀疏特点建立稀疏量测模型,然后通过压缩采样匹配重构方法获得目标的多普勒量测值,并用SEKF方法进行滤波更新,以改善目标状态的估计性能。在滤波过程中,应用CS处理可改善目标多普勒估计精度,而应用SEKF则可通过加入伪量测减小多普勒量测和目标运动状态之间的非线性误差。仿真实验结果表明,本文所提出的方法和传统的SEKF方法以及已有基于压缩感知的跟踪方法相比对机动目标有更好的跟踪性能。      

基于卡尔曼滤波器的焊缝识别算法

为了提高工业现场焊缝跟踪的准确性和抗干扰能力,提出了一种基于约束卡尔曼滤波器的焊缝识别算法。采用结构光测量系统获取焊缝连续图像,然后利用形态学处理定位焊缝图像角点,并通过高斯拟合法提取激光条纹中心点,将角点和中心点的位置和速度作为卡尔曼滤波器的状态变量,建立卡尔曼滤波器的状态方程和测量方程,再由角点和中心点的位置关系构建等式约束方程,通过约束方程对卡尔曼滤波后的结果进行修正。结果表明该算法能有效实现焊缝跟踪,提高了焊缝识别的精度和抗干扰能力。     

无线传感器网络中用于目标跟踪的节点规划算法

利用无线传感器网络进行目标跟踪时,由于各传感器节点的能量有限,数据蕴含的有效信息又各不相同,因此有必要规划参与目标跟踪的节点集和参与方式,以降低系统开销。本文提出了一种新的基于领导节点的节点规划算法,综合考虑收集数据和领导节点迁移过程中的通信开销,以最大化目标跟踪的性能。求解中以跟踪过程中的误差矩阵作为目标度量,采用高斯-赛德尔（Gauss-Seidel）和凸松弛等方法,使得复杂的带约束优化问题能够在接近O（N3）的时间复杂度内得到求解。仿真结果表明,与对比算法相比,本算法在相同的通信能量约束下能够达到更好的跟踪性能。