两站对运动目标无源定位算法研究

提出的算法是利用两个观测站测得的信息,应用三角交叉定位法,对运动目标辐射源位置的估计算法进行了研究.该算法在处理测量数据时,不是采用传统上对目标位置进行估计的方法,而是直接对目标的每一次位置的估计偏差进行估计和滤波,以达到定位跟踪的目的.具体运用加权最小二乘估计,为提高估计精度,将估计的结果送入卡尔曼滤波器进一步进行处理,经过一定次数的迭代处理,可以实现对目标快速的定位和跟踪,给出了算法结构框图及仿真结果.     

基于角测量的机动目标跟踪算法

利用角测量估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散。本文针对反直升机雷构成的雷群进行目标定位和跟踪,利用最小角度差算法对目标的位置进行静态估计,用基于“当前”统计模型的自适应滤波算法进行数据处理,最小角度差算法的估计结果作为自适应滤波的观测值;算法简单而且有效,对目标的机动和非机动运动参数都能得到良好的估计结果。     

一种具有角速度量测的多站无源目标跟踪方法

为提高多站无源目标跟踪系统的跟踪性能,将无源目标跟踪系统获取的目标角速度测量表示为目标在笛卡尔坐标系下位置与速度的非线性形式,进而提出了一种同时利用目标角度和角速度量测来提高被动跟踪精度的方法。结合Cramer-Rao下界理论,分析了在利用角速度量测信息后无源目标跟踪系统跟踪性能的改善情况。基于不敏卡尔曼非线性状态估计方法,给出了具有角速度多站无源跟踪方法的一种具体实现流程。仿真与试验结果表明,具有角速度量测的无源跟踪系统具有更优目标运动参数的估计精度。     

基于线性最小方差和递归最小二乘的融合算法

针对目前水下目标定位的数据融合算法定位误差较大,精度缺乏良好性能的情况,提出一种应用于水下分布式探测考虑节点可信度的基于线性最小方差估计(LMSE)和递归最小二乘(RLS)的自适应融合算法。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对水下静态和运动目标定位进行的仿真表明,相比单传感器定位,提出的融合算法的定位精度有约1～2个数量级的提高。     

雷达组网多目标跟踪系统的设计与实现

雷达组网多目标跟踪系统采用加权最小二乘估计估计目标的初始状态，其数据关联采用最近邻算法，假设观测误差为高斯噪声且各个传感器之间相互独立，先计算量测点与系统航迹的标准化距离，再判断某个量测是否与某个航迹相关联，选择标准距离最小的系统航迹与量测点配对，用此量测点对系统航迹进行更新。系统跟踪滤波则采用加权最小二乘滤波算法，仿真试验表明，该系统可有效地对组网雷达条件下的多目标进行跟踪。     

双基地加权最小二乘估计算法定位精度研究

本文通过将双基地声呐中发射和接收站的测量数据进行融合处理,提出了基于加权最小二乘估计(WLS)的双基地声呐定位优化算法,给出了算法的原理和误差分布.通过数值仿真,研究了系统参数对算法定位精度的影响,给出了不同条件下定位误差的几何分布.并将该算法与单纯基于声波到达时间算法的定位性能进行了比较.仿真结果表明,双基地WLS算法充分利用了双基地系统的冗余信息,具有较高的定位精度.该研究为多基地声呐水下目标的探测、定位和跟踪提供了理论依据.     

靶场光电经纬仪数据融合处理方法

在靶场武器试验中,为了获得完整的弹道参数,常常采用多台光电经纬仪联合观测,对目标实施跟踪定位,这样就出现了多个冗余观测,影响对目标的判决.提出一种组网布站测量中光电经纬仪数据融合处理的方法.首先对多站观测数据进行时间和空间配准,将其统一到某一基准坐标系原点和参考时间起点,然后采用最优加权融合估计或最小二乘融合估计,获得目标的精确位置.对两种数据融合处理方法进行了实际测试与仿真实验.结果表明:k台光电经纬仪对同一目标交会测量,最优加权融合估计测量精度至少提高了k倍,计算量小,可用于实时中心融合和目标引导.最小二乘融合估计方法对坐标x,y,z所作的融合估计精度较高,一般小于0.2 m,但计算量大,适合于事后精确处理.     

基于最佳线性无偏估计的双基地雷达走位方法

利用坐标转换后的伪测量值，根据最佳线性无偏估计原理，提出一种双基地雷达目标的定位方法并给出了算法定位误差的Cramer-Rao理论下限表达式，在不同噪声条件下对算法进行仿真计算，结果表明该方法可以显著提高双基地雷达目标的定位精度，其理论下限和仿真结果都明显优于最小二乘方法。     

基于卡尔曼滤波水下弹道测量系统研究

水下弹道测量系统利用多传感器完成对鱼雷、靶标的跟踪定位．针对通常的几何定位方法,其算法复杂且定位精度不高的问题,研究了用于水下弹道测量系统的纯距离目标跟踪定位卡尔曼滤波算法,推导了相应的滤波公式．通过系统的仿真结果表明：该算法在收敛速度和估计精度方面都比较令人满意．     

多平台对多目标无源融合定位方法

针对多目标环境下单平台和双平台无源定位系统无法消除大量虚假点难题,提出了一套基于三架飞机联合空间三角编队,并采用静态与动态相结合来滤除虚假点的多平台无源融合定位方法。该无源定位方式不需要飞机作机动,并能在多目标环境中快速有效地滤除虚假点,克服了单平台和双平台无源定位系统无法对多目标进行定位的缺陷,实现了系统全静默状态下同时对多个运动目标的融合定位与跟踪。给出了三平台无源组网对多目标融合定位与跟踪的实现结构、解算模型、误差分析以及虚假点滤除方法。仿真验证表明,该系统能实现对多运动目标的隐蔽探测、定位与跟踪,其跟踪精度能满足态势显示与火控攻击精度要求。     

基于卡尔曼滤波的无源雷达目标跟踪分析

提出了一种基于卡尔曼滤波的无源雷达目标跟踪方法.利用无源雷达所测得的运动目标的二维不全信息, 根据卡尔曼滤波迭代估算出目标的位置.简要对无源雷达组网中的信息转换和航迹融合问题进行了讨论.对目标的仿真结果表明, 该算法具有良好的跟踪性能.     

双基阵纯方位水下被动目标的跟踪算法

双基阵纯方位水下被动目标的跟踪算法,以带拖曳阵声纳的潜艇为模型,将双基阵跟踪转化为随机跳动的特殊单基阵跟踪.当潜艇利用双基阵进行目标跟踪时,把双基阵跟踪等效成单站跟踪,再采用伪线性估计器对目标的运动要素进行解算.仿真结果表明该方法对目标和潜艇的运动态势有很强的适应能力.     

基于信息融合的分布式多舰无源定位算法

提出一种基于信息融合的分布式多舰无源定位算法,该算法通过属性关联和空间关联相结合的方法实现了多舰无源传感器的定位关联,并采用时变采样间隔的修正增益推广卡尔曼滤波器,用多条舰艇的舰载电子侦察设备对海上多个运动辐射源目标进行分布式纯方位跟踪融合。仿真结果表明：进行跟踪融合后的定位精度比单个舰艇的定位精度有了较大幅度的提高,受目前雷达侦察设备的测向精度比较低的限制,使得跟踪融合后不能达到很高的精度,但该精度可以满足海上导弹攻击的需求,导弹可以通过对一定范围内的目标进行搜捕达到精确打击的目的。该算法对海上慢速运动的舰艇辐射源进行纯方位跟踪有较好的稳定性和可满足要求的定位精度,能够满足工程应用的要求。     

基于MPC-EKF的方位角及其变化率联合无源定位算法

考虑到单站测向无源定位具有定位速度慢、定位精度较低等缺点,这里在修正极坐标系(MPC)下利用扩展卡尔曼滤波(EKF)算法对基于方位角及其变化率信息的单站无源定位与跟踪问题进行了研究,并在同一仿真环境下对利用方位角及其变化率信息和只利用方位角信息的目标跟踪结果进行了比较分析.由仿真结果可看出,在修正的极坐标系下利用方位角及其变化率信息具有更快的收敛速度和更高的跟踪精度.     

被动定向声纳浮标跟踪潜艇优化布放

为了更好地定位跟踪潜艇,对反潜战术中被动定向声纳浮标布阵进行优化研究.依据被动定向定位原理仿真分析不同浮标阵型下的定位精度,得出跟踪潜艇布阵原则;结合潜艇跟踪滤波模型提出用被动定向浮标跟踪潜艇优化布放流程;并对现有浮标跟踪潜艇方法进行改进优化.仿真结果表明,改进后的浮标布阵方法能够实现对潜艇的连续有效跟踪.     

加权最小二乘融合技术在主动侧杆中的应用

针对主动侧杆伺服跟踪系统中角位移传感器(rotary variable differential transformer,RVDT)和旋转变压器 去除噪声的问题,提出一种加权最小二乘(weighted least squares,WLS)算法。以主动侧杆系统为研究对象,在最小 二乘算法、递推最小二乘算法的基础上,对主动侧杆伺服跟踪系统进行分析,通过最小二乘算法、递推最小二乘算 法、加权最小二乘算法融合算法进行仿真。通过对比3 种融合算法的仿真结果,结果证明：该算法使伺服系统获得 了更精确的位置信息,具备去除噪声的优越性以及可行性。     

基于主/被动雷达双传感器的自适应跟踪融合算法

在主、被动雷达双传感器目标跟踪背景下，提出一种自适应数据融合算法。跟踪同一个目标的主、被动雷达观测数据由线性卡尔曼滤波器来处理，与主／被动雷达对应的两个跟踪器的输出数据被发送到一个中央节点，在这个节点中，包含了两个由在线跟踪信息构成的指标变量．将这些指标与设定的阈值进行对比．即通过二者的逻辑判断结果来选择用于得到整体评估的方法，其中对周值的选择决定了融合算法融合精度与计算量的平衡点。仿真结果表明，这种融合算法有很好的融合效果。     

基于双因素的定位跟踪轨迹优化算法研究

单机无源定位跟踪的轨迹优化可以有效提高定位跟踪精度。本文提出基于双因素的综合优化算法,即方位角变化率最大优化法和距离最小优化法的综合优化算法。该算法利用了两种综合优化准则。通过仿真验证了该算法的正确性,结果表明该算法可以明显提高定位跟踪精度。