基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

基于运动学原理的单站无源定位改进算法

传统的单站无源定位方法主要是测向三角定位方法,但由于该方法对测角精度的敏感性,仅利用DOA信息会导致定位精度较低。提出了一种利用相位变化率和多普勒频率变化率信息的单站无源定位方法。分析了此定位算法在单次测量定位时的精度和可观测性,最后给出了在单次测量定位时的计算机仿真结果和结论。     

一种固定单站无源定位方法

单站无源定位技术具有隐蔽性强、系统相对独立等优点,是电子侦察领域的一个研究热点。针对固定单站无源定位,研究了一种基于相位差、相位差变化率和离心加速度信息的定位方法,并对定位原理和测距误差进行了分析。仿真了测距误差的等高线分布并验证了该方法可以获得比仅利用相位差及其变化率定位方法更快的收敛速度和更高的定位精度。     

单站无源定位MGEKF和MVEKF算法的分析比较

探讨了两种基于辐射源的信号的到达方向（DOA）及其变化率信息。提出了利用固定单站对机动目标进行无源定位与跟踪的新方法。在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波（MGEKF）和修正协方差的扩展卡尔曼滤波（MVEKF）算法,实现对机动目标进行定位与跟踪。通过计算机仿真,验证了该方法的正确性与有效性。     

基于TDOA和DOA测量的单站无源定位方法研究

近年来空中运动目标无源定位和跟踪技术一直是人们研究的热点问题,这种技术在航空、制导等领域都有广泛的应用,有着广阔的应用前景[1].探讨了一种基于辐射源的信号到达时间差(TDOA)和信号到达方向(DOA)信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪.同时讨论了它的若干技术问题、定位原理与算法.通过计算机仿真,验证了该方法的正确性与有效性.     

固定单站无源探测定位方法及其应用

针对固定单站无源定位方法具有更大的战术灵活性和隐蔽性,地面雷达实现单站无源探测定位可有效提升现有系统的作战能力,分析了固定单站无源定位的原理和模型,提出了在地面雷达系统中实现单站无源探测定位的系统结构和典型应用方式,对构建有源/无源一体化的情报保障系统具有一定的意义.     

利用时域和空域信息的单站无源定位方法研究

探讨一种利用辐射源在时域中的信号到达时间差信息和在空域中的信号到达方向信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪.通过计算机仿真,验证了该方法的正确性与有效性.     

单站单通道GPS欺骗干扰方法

为使敌方侦察无人机抵近侦查时我方能快速反应,针对分布式欺骗干扰难以迅速部署并做出干扰的情况,研究了单站单通道下的全球定位系统(GPS)欺骗干扰.首先分析了该模式下欺骗位置与干扰机位置和欺骗信号延迟时间的关系;然后结合无人机导航系统及飞行控制原理,讨论了欺骗干扰对无人机导航系统的效果及定位被欺骗后的飞行情况,给出了单架干扰机利用单通道执行欺骗干扰的方法.仿真结果表明,该欺骗方法能够使无人机定位输出结果是干扰机的位置,并逐步诱骗敌方无人机至指定位置或区域内.     

利用多站无源定位系统实现目标的单站无源定位

对利用多站无源定位系统实现目标的单站无源定位所涉及的定位系统模型和方法进行了研究.结合现有多站无源定位装备,在保持系统功能不变的基础上,给出了增加单站无源定位子系统后的系统结构,对改造现有的多站无源定位系统具有一定的参考意义.     

自适应迭代平方根UKF的单站无源定位算法

针对单站无源定位可观测性弱、收敛速度慢、定位精度差等问题,在结合相位差变化率和多普勒频率变化率定位方法的基础上,提出了一种基于自适应迭代SRUKF的单站无源定位算法,通过使用误差协方差阵的平方根替代协方差阵参与滤波,保证了滤波算法的数值稳定性.在迭代判决准则的约束下,通过对状态及其误差协方差矩阵平方根的自适应迭代估计调整滤波的观测值与状态值之间的权比,使滤波预测值误差协方差阵的平方根更为准确、合理,从而提高算法的稳定性、收敛速度和定位精度.仿真结果验证了新算法的有效性.     

基于迭代CDKF的单站无源定位算法

针对单站无源定位系统存在滤波稳定性差、收敛速度慢和定位精度差等问题,提出一种迭代中心差分卡尔曼滤波算法.在迭代判决准则的约束下,重复利用观测信息对状态向量和误差协方差矩阵进行迭代估计使其更趋向真实值,同时用Levenberg-Marquardt优化方法调整预测误差协方差阵,保证算法的全局收敛.仿真结果表明,在不同参数测量精度条件下,该算法稳定性、收敛速度和定位精度较好.     

改进的对星载SAR的应答式欺骗干扰

分析了对星载SAR的应答式欺骗干扰,并对其进行了改进。改进后的干扰方式只需从敌方雷达信号中估计信号的多普勒斜率、雷达飞行速度和脉冲重复频率,并且实现简单。讨论了参数估计精度对干扰信号成像的影响,结果表明该方法对参数精度要求不高。指出了多普勒斜率估计的方法,通过仿真实验验证了理论分析的正确性和方法的有效性,这对欺骗干扰信号生成算法和欺骗干扰的实现具有重要意义。     

一种快速精确无源定位方法研究

在传统无源定位技术的基础上，提出了一种增加观测信息量实现机载单站快速无源定位方法，即基于相位差变化率和多普勒变化率的无源定位技术．对其原理进行了讨论，对定位精度作了分析计算，并给出了计算机仿真结果．     

基于改进的平方根中心差分卡尔曼滤波的单站无源定位算法

针对单站无源定位可观测性弱、收敛速度慢、定位精度差等问题,推导出了一种带次优渐消因子的平方根中心差分卡尔曼滤波算法。在正交原理的约束下,通过引入自适应次优渐消因子实时调整增益矩阵,保证不同时刻残差序列相互正交,提高了滤波器对状态变化的反应速度和对有偏估计的自适应修正能力。同时,使用误差协方差的平方根替代协方差参与滤波,保证滤波算法的数值稳定性。仿真结果表明,新算法稳定性更好、收敛速度更快、定位精度更高。     

雷达抗应答式欺骗干扰中的特征提取研究

针对雷达抗应答式欺骗干扰的信号处理,提出基于统计方法和神经网络方法两种特征提取方法.其中,统计方法考虑了均值与方差特征相结合提取特征,神经网络方法用Kohonen网络进行特征提取.仿真结果表明,两种方法都具有较好的抗应答式欺骗干扰性能,而神经网络方法性能更为优越.     

基于外辐射源空域信息测量的无源定位算法

针对基于外辐射源进行定位具有抗干扰、反隐身等特点,提出了一种在方位角、俯仰角信息的基础上,增加角度变化率信息的单站无源定位方法。同时引入一种适应非线性系统的修正协方差扩展卡尔曼滤波（MVEKF）算法,与推广卡尔曼滤波器（EKF）相比,MVEKF能更好地解决量测模型非线性问题。计算机仿真结果表明,该定位方法具有较好的定位精度和定位速度,具有很大的实用价值。     

基于神经网络的雷达抗应答式欺骗干扰方法

针对应答式欺骗干扰，定义了特征因子，并用所定义的特征因子训练神经网络分类器，建立抗欺骗干扰模型进行目标检测．同时对三种神经网络作为分类器进行了研究．仿真结果表明，所提出的特征因子及其选用RBF神经网络模型具有较好的抗欺骗干扰性能．     

雷达抗欺骗式干扰信号特征提取方法

欺骗式干扰由于与雷达回波特征相近,对军用雷达造成严重威胁,迫切需要研究雷达抗欺骗式干扰新方法。为了分析提取欺骗式干扰和目标回波信号之间的不同特征,从而实现雷达抗欺骗式干扰,该文通过对欺骗式干扰和目标回波数学模型进行分析和仿真,比较了欺骗式干扰和目标回波在幅度起伏、高阶累积量和双谱特征方面的不同特征;并提出了特征提取方法,定义3组特征因子,构建了抗欺骗式干扰特征参数集。通过仿真和外场试验的数据对部分特征进行了验证。