用于跟踪机动目标的固定增益的二节估值器

二节α-β-γ估值器被推荐为跟踪机动目标的α-β和α-β-γ滤波器产生自适应增益的一种补充方案。本文的目的是,完成具有二节的固定增益的,可变维数的α-β-γ估值器的设计。二节α-β-γ估值器是由二节的卡尔曼估值器推导出来的,噪音方差化简矩阵和稳态误差协方差矩阵被作为稳态增益的函数。作为滤波器参数选择的步骤也随着对付机动响应的技术和用于置初始值的增益列表技术一起被给出来。常速目标的运动学限制也被结合进二节估值器中,形成α-β-γ估值器。给出了与α-β-γ滤波器性能相比较的模拟结果。     

纯方位目标跟踪系统的可观测程度

首先建立了纯方位目标跟踪系统的动态模型和一个最小二乘估计器,分析了该系统的完全可观测性。在系统完全可观测的条件下,引入可观测程度这一概念。文中定义了两种描述系统可观测程度的方法。它们都很好地反映了系统可观测程度随跟踪时间的变化过程。研究发现,纯方位目标跟踪系统往往是弱可观测系统,这正是系统跟踪效果不佳的原因所在。然而,文中表明的系统可观测程度同跟踪几何态势关系密切这一事实,又使得从己艇机动入手解决跟踪效果差的问题成为可能,就是通过极大化系统的可观测程度优化己艇的机动策略。     

兰维纯方位目标跟踪的可观测性

本文对三维纯方位目标跟踪系统的可观测性问题做了较为全面的分析,得出了一般情况下的可观测性判据,并针对目标定深等特殊情况进行了讨论。本文采用的将三维系统分解为三个二维子系统的方法,物理意义明确,有助于理解三维情形与二维情形的可观测性特点及其相互间的关系。     

基于PWCS理论的单轴旋转惯导系统初始对准的可观测性分析

针对旋转惯导系统的初始对准模型时变特点,基于单轴旋转惯导系统的误差方程分析了不同旋转方案中对准模型的区别主要表现为旋转变换矩阵不同,并进一步推导了绕3个不同轴向的单轴二位置转停方案的旋转变换矩阵,建立了不同旋转方案的卡尔曼滤波对准模型.而后,忽略转停方案中的旋转过程,基于PWCS理论对不同位置的对准模型进行研究,分析了不同时段内系统的总观测性矩阵和提取观测性矩阵,根据矩阵的秩确定了系统的可观测性.分析表明:IMU绕X轴二位置转停方案的可观测状态数由7增加为8;绕y和Z轴二位置转停方案的可观测状态数由7增加为10,系统完全可观测.     

纯方位目标运动分析可观测性研究

纯方位目标运动分析(BOTMA)仅利用方位信息实现对目标状态参数的估计,是一种有效的无源被动定位跟踪方法。纯方位系统中的可观测性条件、目标跟踪与估计策略、观测器最优机动轨迹构成了BOTMA的核心研究内容。可观测性问题是BOTMA首先必须解决的关键问题,可观测性条件是后续目标定位与跟踪的前提和基础。介绍了纯方位系统中可观测性的基本概念,从几何方法、线性与非线性方法、数值分析方法等角度,对BOTMA的可观测性研究成果进行了系统的总结和评述,最后对这一领域的研究提出了新的展望。     

纯方位角目标运动分析的可观测性研究

纯方位角目标运动分析的可观测性是纯方位角观测系统中的一个基本问题.只有解决了系统的可观测性,才能进行有效的目标定位及跟踪.从随机系统的角度分析了纯方位角观测系统的可观测性,引入状态参量的Fisher信息矩阵作为判断系统可观测性的依据,提出了完全不同于判定确定性系统可观测性的随机观测系统可观测性的判定方法.最后给出了一个静止目标纯方位角观测系统的实例,说明了该方法的有效性.     

单站纯方位目标跟踪系统可观测性分析

针对单站纯方位目标跟踪系统的可观测性,在研究国内外有关状况的基础上,给出了单站纯方位目标运动分析的问题描述,综述了国内外的研究和发展情况,给出了由观测可观测性的一些结论和证明.其中对某些经典的结论给出了简单、明了的证明方法,这些有助于该问题的深入理解和研究.     

降秩目标运动分析估计的融合

研究在不完全可观测条件下的纯方位目标运动分析问题。目标和观测者的轨迹均是直线匀速运动型(RUMs)。首先为这种RR-TMA(降秩目标运动分析)估计建立一个特别的方法,然后就建立两个(或更多个)RR-TMA估值统计融合成完全的可观测的TMA。很明显,第二步是解析性的。最终在适当的量测误差范围内,表明了这种融合算法是有效的。还列举了一些在雷达和声呐跟踪问题中的应用,尤其是在大规模的多平台情况下碰到这些问题,在这种情况下多假设的组合测试也是一个大问题,或者在长时间的运动目标积分中,搜索网格降维是关键。     

多站纯方位定位系统的可观测性条件

对多运动站纯方位目标定位系统的可观测性问题进行了研究.通过运动等效,将多运动站纯方位定位系统等效成一个特殊的单运动站定位问题.利用拟线性估计方程,导出了系统不完全可观测的一些条件,分析中还发现了系统不完全可观测的新情形.     

固定单站无源定位可观测性及仿真分析

针对强非线性系统固定单站无源定位可观测性分析困难的问题,提出基于线性系统可观测理论的分析方法并进行了仿真验证。首先以目标角度、角速度和多普勒频率变化率为观测量,通过对观测方程的伪线性化处理,避免求解复杂的雅克比矩阵,而后对匀速、匀加速直线运动和匀转弯运动进行可观测分析,得出可观测条件,为进一步研究提供了理论前提。最后通过仿真实例检验了可观测性理论分析的正确性。     

捷联导引头视线转率估计的交互式多模型样条滤波算法

针对捷联导引头测量信息的弹目惯性视线转率估计,提出了一种基于交互式多模型算法的样条滤波方法(IMM-SF)。基于体视线和惯性视线的映射关系解算惯性视线角,将其作为虚拟观测量进行滤波,设置多个过程噪声模型,每个模型分别采用样条滤波器进行滤波,IMM-SF滤波器的估值结果为各滤波器估值的加权综合。该方法不必对目标的未知机动建模,应用更加方便,并且可在交互式多模型算法的框架下自适应地调整滤波器的噪声。Monte-Carlo仿真结果表明该方法可有效估计视线转率,并可提高估值精度。     

α-β法中数据粗量化输入时输出误差上限的分析

本文从α-β恒增益滤波器的估值递推方程出发,推导了数据粗量化输入时,该系统因量化误差引起的输出估值误差的上限公式,并针对α-β滤波系统稳定域中三个不同区域的粗量化误差上限进行了数值计算。计算结果表明,这三个区域的误差上限数值范围略有不同,但总的来说,该系统在稳态工作情况下输出粗量化误差的上限在(0.5q～0.75q)之间。显然由这种方法计算出的误差上限比实际输出的粗量化误差要大,但对于输入量化误差不能被看作均匀分布白噪声的粗量化输入的情况,这种分析方法可供误差分析的参考。     

多传感器系统纯方位定位与可观测性分析

对多静止测向站系统的可观测性、定位方法进行了分析和研究。通过运动等效,将多静止站系统转化成一个特殊的单运动测向站问题。采用拟线性方法,建立了纯方位多传感器系统目标定位问题的数学描述,并分析了系统的可观测性条件。提出了两种目标被动定位的融合递推算法,它们可以以标量的形态递推计算,具有实时性高、可计算性好的优点。     

离散线性系统部分可观测性测试配置

不可观测系统的部分状态可观测性对于大系统故障检测具有十分重要的意义.研究了基于部分可观测性的不可观测离散线性系统测点优化配置问题,证明了采用有限次观测值构造一个矩阵,可以给出部分可观测性成立的充分必要条件,并进一步证明了部分可观测性的度量可以用一个矩阵的秩的特性来刻画.最后,给出了离散线性系统部分可观测性测试优化配置的度量指标.算例表明,提出的部分可观测性度量指标具有简单实用的特点.     

非线性可观测性及辅助变量法在纯方位目标跟踪中的应用

本文从非线性系统的可观性出发,研究纯方位目标跟踪系统的可观测性和滤波算法。给出了纯方位系统适应于一般目标运动假定的更完善的可观测性判据,并指出了该系统的不可观测本质。在对一般非线性观测过程的可观测性分离的概念和可行性定理建立之后,本文结合辅助变量法,给出了纯方位目标跟踪的一种算法——可观测性分离的辅助变量法。Monte—Carlo仿真表明,它优于以往直角坐标系中的各种纯方位跟踪算法,而且是渐近无偏的。     

多方位一初距法解纯方位系统估值问题的优选算法

对纯方位系统估值问题,本文给出了两个优选算法.     

多方位-初距法解纯方位系统估值问题的优选算法

对纯方位系统估值问题，本文给出了两个优选算法。     

基于空频域信息的单站无源定位可观测分析

对利用空频域信息的单站无源定位方法进行可观测性分析。针对非线性系统的可观测性理论需要计算复杂的雅克比矩阵的问题,提出把观测方程先经过伪线性化处理,然后运用线性系统的可观测性分析的理论,对匀速、匀加速直线运动进行了具体分析,得出只要目标不朝观测站作径向运动都是可以对其进行观测的。实验结果也验证了分析结论的正确性。     

惯性平台自标定中惯性仪表安装误差可观测性分析

针对惯性平台自标定中惯性仪表安装误差可观测性问题,深入研究了系统模型与平台坐标系对惯性仪表安装误差可观测性的影响。根据不同系统动力学模型和观测量构建四种系统模型。从可观测性定义出发,分析与判断惯性仪表安装误差在不同系统模型和不同平台坐标系下的可观测性。理论分析和仿真结果均表明惯性仪表安装误差在以下两种情况完全可观:观测量为平台框架角和加速度计输出,系统动力学模型为框架角模型,平台坐标系以平台六面体为基准定义;观测量为加速度输出,系统动力学模型为姿态角或失准角模型,平台坐标系以加速度计敏感轴为基准定义。     

时变最优条件数的目标要素解算方法

纯方位目标跟踪是一个典型的非线性问题,伪线性跟踪估计器是理论和工程上解决该问题的一类重要方法。针对纯方位观测模型伪线性化后,系统存在弱可观测性问题,提出了一种时变最优条件数的目标要素解算新方法,理论上给出了一个改善系统可观测性的最优乘数因子。在系统条件数和参数估计的收敛概率两个方面,数值仿真和实验数据验证都表明新方法要优于经典纯方位伪线性化方法。