扩展卡尔曼滤波算法在UWB定位中的应用

随着无线通信技术的发展,新兴的无线网络技术得到了广泛的应用,基于无线网络的定位技术尤其是UWB（Ultra Wide Band）无线定位技术具有广阔的发展前景。考虑到UWB定位系统中存在的非线性问题,在RSSI（Received Signal Strength Indication）算法的基础上将扩展卡尔曼滤波算法应用于UWB定位技术中,并对RSSI算法和扩展卡尔曼滤波算法进行了性能仿真分析,通过仿真证实了扩展卡尔曼滤波算法能够有效减少定位误差,提高定位精度。     

无线时钟同步算法在UWB定位技术中的研究与应用

以无线时钟同步为主,提出一种以卡尔曼滤波算法为基础的无线时钟同步算法,同时也分析了无线时钟不同步的情况及原因,并且使用Hainan-EVK 1.0作为硬件平台进行了实验。实验结果表明,以卡尔曼滤波算法为基础的无线时钟同步算法能够满足TDOA定位算法的需求。     

GPS动态定位中自适应卡尔曼滤波研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了GPS动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

基于LS-Kalman的无线传感器算法研究

常用的定位算法用于无线传感器定位时的性能很不稳定且误差很大,为此提出一种更高精度的定位算法。该算法前期使用基于非测距的DV-HOP算法进行初始定位,后期用改进的最小二乘-卡尔曼滤波(LS-Kalman)对初始定位进行循环求精。本文采用MATLAB仿真软件分别对二维和三维无线传感器网络节点进行实验,实验结果表明该算法三维定位收敛更快,定位精度更高,且算法更简单。     

基于极坐标的CMKF定位算法研究

针对经典的推广卡尔曼滤波算法受初值和测量噪声影响大,算法不稳定等缺点,提出了一种新的基于极坐标的转换测量卡尔曼滤波定位算法,计算机仿真结果验证了这种算法具有较好的稳定性和实用性.     

基于卡尔曼滤波的接收信号强度指示差值定位算法

针对频谱监测系统中被监测信号无法控制并且没有任何先验知识,只能通过对信号被动监测,即接收与处理信号来估计信号源位置的要求,该文提出一种基于接收信号强度指示差值(RSSID)的定位算法,并利用卡尔曼滤波提高其定位精度。该文将两监测站之间的RSSID转换成信号源到两监测站的距离之比,根据距离之比构造定位方程矩阵,进而利用最小二乘法求取信号源位置。仿真结果表明:所提算法比经典RSSI定位算法性能更优,降低了环境因素对定位精度的影响,并且能更好地满足参数较少的定位服务需求,可以有效地应用于频谱监测系统中。同时,卡尔曼滤波可以有效改善系统的定位精度,达到预期的定位效果。     

基于粒子滤波的机载单站无源跟踪算法

针对空中观测平台对远距离海面慢速运动目标定位跟踪这一非线性估计问题,介绍了专门处理非线性估计问题的粒子滤波算法,将粒子滤波算法(Particle Filter,PF)应用于机载单站无源定位跟踪问题,有效提高了对慢速运动目标的单站无源定位跟踪性能,解决了传统的扩展卡尔曼滤波算法在非线性估计时存在收敛速度慢的问题。通过与扩展卡尔曼滤波算法的仿真比较表明,粒子滤波算法可实现对慢速运动目标的高精度定位跟踪,且性能优于扩展卡尔曼滤波算法。     

利用空频域信息的固定单站无源定位跟踪算法

针对固定单站无源定位必须实现快速和稳定定位跟踪的要求,在传统定位方法基础上引入角度变化率和多普勒频率变化率信息;在此基础上提出了一种基于空频域信息的不敏卡尔曼滤波(UKF)算法并结合应用背景对标准UKF算法作了改进,详细分析了其定位性能并与扩展卡尔曼滤波(EKF)算法进行比较;仿真结果表明UKF算法的定位性能要明显优于EKF算法,具有更快的收敛速度和更高的收敛精度;增加高精度的角度变化率和多普勒频率变化率信息能够显著改善定位性能。     

统计MIMO雷达多目标定位

文中探讨了统计MIMO雷达进行多目标定位的方法,针对于目标相交或相近的情况下,在基于椭圆模型搜索的基础上,引入一个时间元素,并结合拓展卡尔曼滤波算法实现了统计MIMO雷达多目标定位,仿真结果表明扩展卡尔曼滤波算法可以实现对多个目标的准确定位,即使是目标相交或靠近时也可以实现准确定位。     

基于随机森林算法的室内可见光指纹定位方法

为进一步提高动态目标室内可见光定位追踪系统性能，提出了一种基于随机森林（RF）算法的室内可见光指纹定位方法。利用发光二极管（LED）的光强信号作为特征构建指纹数据库，应用指纹库中的数据训练决策树，引入RF算法进行初始定位，再通过卡尔曼滤波对初始位置估计进行优化，从而获得更准确的定位轨迹。仿真结果表明：在5 m×5 m×3 m的室内场景下，通过所提定位方法能获得大部分采样点误差分布在4 cm之内的定位效果；此外，通过与不同室内可见光定位算法的性能进行对比，验证了所提算法的技术优势。     

无源测向测时差定位算法研究

该文首先给出了无源测向测时差定位算法,然后对该算法的定位精度进行了分析。通过仿真将该方法与无源测向交叉法和时差法进行了比较,说明该方法是一种定位精度较高且对系统要求较低的无源定位方法,具有实用价值。     

差分多普勒无源定位

论述多普勒频率差无源定位技术的实现方法 ,对等多普勒定位曲线误差进行分析 ,利用LMF(Levenberg -Marquardt-Fletcher)算法求解辐射源位置。在三运动平台条件下 ,通过计算机仿真 (按照MonteCarlo方法 )对算法的定位精度和性能作了评估。     

基于外辐射源的单站无源定位改进算法

针对外辐射源无源定位系统实现快速和高精度定位的要求,提出了一种在测量到达角及时差信息的基础上,增加方位角变化率信息的单站无源定位算法。同时引入一种对非线性系统较好的滤波算法——修正增益扩展卡尔曼滤波(MGEKF)算法,与推广卡尔曼滤波器(EKF)相比,MGEKF能更好地解决量测模型非线性问题,滤波性能更好。计算机仿真结果也表明了此定位方法具有较好的定位跟踪精度和速度。     

利用多普勒信息的无源相干定位技术

利用多普勒频率信息的第三方辐射源对动目标的无源相干定位技术，可获得高精度无模糊等优越的系统性能。在噪声环境中对动目标定位技术通常要求从系统的可观测性，估计性能，定位算法等方面时系统进行描述。文章基于两发一收的T^2／R无源相干定位系统。只利用多普勒频率信息时动目标进行状态估计，分析了系统的Cramer-Rao Bound（CRB）性能，并采用最大似然的估计算法对动目标进行定位。通过在数值单次与统计意义（Monte Carlo）上的仿真实验表明，利用多普勒频率信息的无源相干定位技术是可靠有效的。     

三星时差定位系统的多时差联合定位方法

辐射源的定位精度是无源被动定位系统重要的性能指标,如何提高定位精度也是一直被关注的重点问题。在三星时差定位系统中,由于时差的测量精度有限,单脉冲时差定位的精度受到限制。为了提高辐射源定位精度,该文提出一种多时差联合定位方法,即综合利用多个脉冲的时差进行定位。该方法首先计算每个脉冲到达时刻的三星位置,然后联立所有脉冲的时差方程及地球方程,利用非线性最小二乘方法估计辐射源的位置。仿真结果表明该方法能够提高辐射源的定位精度,是一种定位精度比较高的、稳定而有效的定位方法。      

基于时差及多普勒频差的IMM无源定位算法

无源定位系统本身不发射电磁波,完全是被动工作,具有很好的隐蔽性,受到各方的青睐.针对时差和多普勒频差信息固定多站定位问题,给出了一种对运动目标进行定位跟踪的IMM滤波算法.文中首先对目标定位原理进行了阐述,然后对IMM滤波算法的滤波过程进行了详解.经过计算机仿真验证,此算法是正确有效的.     

单站无源定位技术的探讨

随着电子战技术的发展，对电子支援系统的生存能力和目标定位能力的要求越来越高。对单站无源定位技术的基本工作原理及其定位精度进行了分析。理论分析表明，该方法是一种定位精度较高且对系统要求较低的无源定位方法，具有实用价值。     

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。      

基于总体最小二乘算法的多站无源定位

将总体最小二乘算法应用于多站无源定位中,分别提出了基于角度估计的总体最小二乘算法,基于时差估计的总体最小二乘算法以及基于角度和时差估计的总体最小二乘算法。算法首先把非线性的观测方程转化为伪线性的观测方程,然后构造增广矩阵,并对该矩阵进行奇异值分解即可估计出目标位置,因此无需迭代计算或者获得目标位置的粗略估计,仿真结果表明该算法具有较高的定位精度。     

基于中心差分的机动辐射源单站被动跟踪算法

针对机动辐射源的单站被动跟踪问题,结合中心差分滤波(central difference filter)方法,该文提出了一种基于中心差分的交互多模型(IMM)机动目标跟踪算法,无需计算基于EKF(Extended Kalman Filter)方法所需的Jacobian矩阵,易于实现。将传统IMM算法中协方差的传递改造为平方根滤波形式,数值稳定性更好。将该算法应用到联合利用径向加速度和角度信息的单站定位系统,与基于EKF的IMM算法和基于UT(Unscented Transformation)的IMM算法仿真比较表明,该文算法和基于UT的IMM算法性能相当,比基于EKF的算法具有更高的跟踪精度。