基于外辐射源的AIEKF定位算法

为了提高扩展卡尔曼滤波(EKF)定位算法对目标状态估计的精度,降低迭代扩展卡尔曼滤波(IEKF)算法的运算复杂度,在单发单收的外辐射源定位体制下,利用方向角(DOA)和多普勒频移(Doppler)信息,提出了一种自适应迭代扩展卡尔曼滤波(AIEKF)定位算法,实现了对空中运动目标位置和速度的估计。仿真实验结果表明,相比于EKF算法,AIEKF算法收敛速度更快、定位精度更高。     

基于极坐标多普勒伪状态的最佳线性无偏估计算法

理论和实践已经证明,除位置量测外,包含目标速度信息的多普勒量测具有有效提高目标状态的估计精度的潜力。基于目标匀速运动场景在直角坐标系下提出了一种可使用多普勒伪量测(即距离量测与多普勒量测的乘积)和多普勒伪状态的跟踪算法。从理论上讲,它是在最佳线性无偏估计准则下的近似最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过与目前几种流行的方法进行仿真比较,验证了新算法的优越性和可靠性。     

脉冲群间多普勒频率变化率的高精度测量算法

提出了一种脉冲群间多普勒频率变化率的高精度测量算法,该算法利用脉冲群内相邻脉冲对间的互相关函数估计脉冲群模糊频率,在连续脉冲群间选择任一相同模糊频率进行解模糊得到各脉冲群相对频率,由于这些相对频率包含相同的模糊,从而可以利用差分或滤波算法得到脉冲群间多普勒频率变化率。该算法具有相对频率估计精度高、解模糊过程简单、运算量小、多普勒频率变化率测量精度高等优点。计算机仿真和地面缩比试验均证明了该测量算法的有效性。     

基于移动目标的DOA估计偏差校正

针对移动目标的波达方向估计容易出现偏差的问题,提出一种利用频移信息修正方位估计偏差的算法,解决了传统方位估计算法不能适用于高速移动目标或平台的问题。该方法利用基阵平台与目标的径向移动速度,估计中心频率偏移,然后利用频移信息修正传统的方位估计结果。仿真结果表明,该算法可以极大地提高移动目标的方位估计精度。此外,该算法对阵列的阵型和方位估计算法没有任何限制,因此具有广泛的适用性和较强的工程实用价值。     

基于循环平稳的卫星信道多普勒频移估计

基于线性调制信号的循环平稳特性,卫星信道多普勒频移的估计可以通过求解发送信号与接收信号的循环相关函数关系得到.借助循环谱函数推导出发送信号的循环相关函数,接收信号的循环相关函数则对信号本身及其有限差分进行计算.仿真结果说明了该算法对信道中的干扰与噪声不敏感,在多普勒频移较大时,该算法具有良好的估计精度;同时该算法还具有低复杂度和应用灵活的特点.     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

使用双阵元的双目标快速DOA估计算法

比相单脉冲测角法通常被用来对1个目标进行DOA估计,受限于已知数据的数量,该算法无法对多个目标进行DOA估计。在比相单脉冲测角法基础上,利用目标多普勒频率对空间相位的影响提出一种使用双阵元的双目标快速DOA估计算法。该算法对于硬件的要求几乎与比相单脉冲测角法一致,功能上可以同时对2个目标进行DOA估计,且计算量小,实时性高。通过理论分析与仿真实验证明了算法的有效性并进一步探讨了信噪比、方位角、数据采集间隔对估计精度的影响。     

自旋目标平动补偿与微多普勒参数估计研究

导弹目标在飞行过程中的自旋运动会对连续波雷达信号产生微多普勒调制,对调制后信号进行参数估计可获得目标的自旋频率,而目标因平动产生的多普勒频率会对微动参数估计产生影响。针对平动项引起的微多普勒频率估计参数偏移问题,通过建立同时具有平动与微动项的载波信号模型,采用延迟共轭相乘处理补偿平动项获得微多普勒信息,并通过匹配相关算法对微动参数进行估计,最后给出了该算法的具体试验步骤。仿真结果验证了该方法的有效性。     

基于方位和线谱频移的TMA新算法

提出了一种基于方位和线谱频移序列的目标运动分析新算法,解决了方位序列估计器工作点漂移方法中初始方位漂移角度较难确定的问题;提出了一种新的多普勒频移匹配估计器,不需要预先提取目标线谱即可估计目标运动参数,并且有效地加快了目标运动参数解算的收敛速度.海上实验数据处理结果表明该算法较以往同类算法在收敛速度和解算精度等性能上有明显改进.     

基于UKF的机动目标跟踪算法

基于EKF在处理非线性问题时采用系统预测状态的局部线性化方法来近似系统状态演化方程所产生的不良影响,提出了一种用UKF方法解决机动目标方位和速度的跟踪及估计问题的算法.按实际的非线性模型演化时,该算法能够很好地对非线性函数的后验均值与方差进行拟合,并充分利用了传感器每次量测带来的信息并进一步优化了测量方差.仿真试验表明,该算法能很好地对机动目标的速度和航迹进行估计和跟踪.