基于自适应EKF的高动态载波跟踪算法

针对载波跟踪算法在大频偏或动态剧烈变化时易失锁的问题,提出一种无数据辅助情况下基于自适应R/Q扩展卡尔曼滤波(AEKF)的高动态载波跟踪算法。该算法在AEKF代替鉴相器和滤波器的环路结构基础上,引入两倍相位转换来消除数据位跳变的影响,并利用载噪比估计方法和基于加加速度的信号动态监测方法来修正观测噪声协方差(R)和系统状态噪声方差(Q),进而兼顾环路的跟踪精度和动态稳定性。实验结果表明:利用该算法的GPS软件接收机能够在加速度200 g,瞬间加加速度10 000 g/s的动态指标下正常工作。     

实用的解耦自适应跟踪滤波器

本文提出了一种在非线性量测环境下对机动目标的解耦自适应滤波算法。在视角直角坐标系中实现了一种修正的输入估计方法。由于所提出的这种滤波器有解耦结构,因此在不降低性能的前提下可以大幅度减少计算量。同时,由于伪量测噪声之间的交叉相关性较小,因此可以提高机动探测的精度。     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题 ,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性 ,从而克服了观测模型线性化误差带来的不良影响。同时 ,通过引入修正增益函数 ,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明 ,不管是滤波精度还是收敛速度 ,都优于原来的自适应推广卡尔曼滤波算法。     

强跟踪渐进更新扩展卡尔曼滤波器及其在磁偶极子跟踪中的应用

为了改善实际跟踪过程中因为缺乏目标先验信息造成的模型失配对滤波器跟踪性能造成的影响,引入强跟踪滤波(STF)思想对渐进更新扩展Kalman滤波(PU-EKF)算法进行改进,提出了强跟踪渐进更新扩展Kalman滤波(STPU-EKF)算法。在多种模型失配情况下进行磁偶极子跟踪仿真试验,对所建算法的性能进行验证,仿真结果表明：所建立的STPU-EKF算法兼具PU-EKF和STF算法的优点,具有较高的准确性和较好的鲁棒性。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

用一种自适应UKF滤波器跟踪机动目标

在非线性系统中用自适应Kalman滤波器跟踪机动目标时,必须采用扩展Kalman形式,但扩展Kalman有精度低、易发散的缺点.在标准UKF滤波器的基础上,应用无迹变换将测量坐标系下的滤波残差统计特性转换到三维笛卡儿坐标系下,根据三维坐标下的滤波残差变化实时改变过程噪声协方差矩阵的大小,实现了自适应UKF滤波.滤波器既具备UKF滤波器精度高,不易发散的优点,同时不需了解目标机动的先验信息.仿真表明了本滤波器的有效性.     

去偏转换坐标卡尔曼滤波器的雷达目标跟踪

在雷达目标跟踪中 ,扩展卡尔曼滤波 (EKF)和转换坐标卡尔曼滤波 (CMKF)得到了广泛的应用。但当目标方位角的测量误差与目标斜距的乘积较大时 ,传统的EKF和CMKF的滤波性能会大大降低。推导了有测速元时的去偏转换卡尔曼滤波 (DCMKF)算法 ,仿真结果表明DCMKF的精度比EKF与CMKF有了很大的提高     

基于迭代卡尔曼粒子滤波的目标跟踪算法研究

粒子滤波在基于图像序列的目标跟踪中获得了广泛应用．针对其计算量较大的问题,提出一种迭代卡尔曼粒子滤波算法,将非线性跟踪问题分解为线性子结构的全局状态空间模型和非线性子结构的局部状态空间模型,利用粒子滤波在卡尔曼滤波估计值的局部范围内搜索目标,逼近真实目标状态．将实验结果与粒子滤波进行比较,结果表明,迭代卡尔曼粒子滤波减少了粒子数,降低了计算量,能够对高机动目标进行实时稳定的跟踪．     

改进Costas环的GPS载波跟踪环路

针对高动态环境下载波信号会产生较大多普勒频移而导致跟踪环路失锁的问题,对其基带信号进行双向限幅以改进Costas环的鉴相特性。同时,采用叉积型鉴频器,通过频率牵引使捕获后的频差达到跟踪模块的工作范围,并根据对锁相环和锁频环的特性分析及其各自的优缺点,选择锁频环辅助锁相环的复合结构。仿真试验结果表明,在高动态环境下(运动速度1 200 m/s)该跟踪环可以快速跟踪卫星信号,即时误差趋近于0,且当加速度达到40 g以上时,经过该复合环跟踪后的多普勒频移比传统锁相环减小了50%以上。     

强跟踪滤波器在机载云台目标跟踪中的应用

针对小型无人机地面目标跟踪系统,设计了自适应的强跟踪滤波器(STF),实现了对机载云台姿态的控制,使机动目标保持在机载云台的视场中心。根据无人机、目标与视场中心的位置关系,建立了跟踪系统的数学模型。为解决\"当前\"统计模型跟踪强机动过程效果较差的问题,提出了强跟踪滤波器(STF)的自适应滤波算法。当无人机加速度较大时,加入强跟踪滤波器后的跟踪曲线较平滑,误差更小。最后,仿真结果表明,机载云台姿态控制器对机动目标的跟踪效果良好,被跟踪目标保持在机载云台的视场中心。     

用于目标跟踪的自适应广义调频波形设计算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法.该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是使预测的目标跟踪均方误差最小化,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性.利用与某一波形相时应的克拉美-罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计.仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差.     

卫星导航弱信号的变维卡尔曼滤波跟踪算法

复杂环境下的多普勒频移变化及信号功率衰减均会造成载波跟踪偏差较大甚至失锁,针对标准卡尔曼滤波算法跟踪机动目标时不能同时满足高动态及高灵敏度要求的问题,提出一种基于变维卡尔曼滤波的载波跟踪算法。引入机动和非机动两种载波跟踪模型,通过机动检测因子监视载波动态变化,实时高效地切换载波跟踪模型,从而实现对载波机动和非机动状态的自适应跟踪,抑制机动改变引起的较大误差突跳。理论分析和仿真结果表明,该算法在低至30d BHz弱信号环境下,相比基于标准卡尔曼滤波的跟踪算法,其在目标动态突变时相位跟踪误差减小约37.5%,频率跟踪误差减小约77%。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

采用副载波参考波形方法的GNSS双载波环多径抑制技术

为了实现对高阶二进制偏移载波(BOC)信号的无模糊和抗多径接收,将码相关参考波形的闸波设计思路应用于GNSS双载波环路接收方法的副载波锁相环。在副载波锁相环中引入设计的闸波参与信号的相干积分过程,使双载波环法具备抗多径性能且不需要额外引入相关器。对该设计方法的理论和具体实现进行阐述和分析,从副载波多径误差包络和跟踪精度两方面对改进的双载波环路方法性能进行评估。仿真结果显示,采用的算法与双载波环路法相比,可以降低BOC(1,1)信号81.1%的副载波多径误差包络面积以及BOC(14,2)信号75.1%的副载波多径误差包络面积。但是,改进的双载波环路法会带来-6 dB的相干积分后载噪比损失,降低跟踪精度。因此,在闸波参数设计上,需要谨慎选择以平衡算法的多径抑制和跟踪精度性能。综合来看,该方法适用于解决非弱信号条件下及多径环境下的高阶BOC信号接收问题。     

基于副载波参考波形方法的GNSS双载波环多径抑制技术

为了实现对高阶BOC信号的无模糊和抗多径接收,本文将码相关参考波形的闸波设计思路应用于GNSS双载波环路接收方法的副载波锁相环,通过在副载波锁相环中引入设计的闸波参与信号的相干积分过程,使双载波环法具备抗多径性能,同时该方法并不需要额外引入相关器。本文对该设计方法的理论和具体实现进行了阐述和分析,从副载波多径误差包络和跟踪精度两方面对改进的双载波环路方法性能进行了评估。仿真结果显示,采用的算法与双载波环路法相比可以降低BOC(1, 1)信号81.1%的副载波多径误差包络面积,以及BOC(14, 2)信号75.1%的副载波多径误差包络面积。但是,改进的双载波环路法将带来-6dB的相干积分后载噪比损失,降低跟踪精度。因此,在闸波设计参数设计上,需要谨慎选择以平衡算法的多径抑制和跟踪精度性能。综合来看,该方法适用于解决非弱信号条件下及多径环境下的高阶BOC信号接收问题。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

基于强跟踪滤波的捷联惯导/里程计组合导航

针对车载里程计刻度系数受轮胎胎压、温度等的影响实时变化,提出采用强跟踪滤波进行捷联惯导/里程计组合导航。强跟踪滤波利用卡尔曼滤波残差序列相互正交的性质,在线实时调整渐消因子,对突变状态有较强的跟踪能力。提出采用平均速度匹配方法以消除载车振动及里程计量化误差对组合导航的影响,同时将杆臂误差列入状态量,消除不准确的杆臂在载车转弯时对组合导航的影响,建立了捷联惯导/里程计组合导航模型。进行了实际组合导航跑车试验,结果表明组合导航的定位精度优于1‰D。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。     

改进的强跟踪容积卡尔曼滤波的机动目标跟踪北大核心

机动目标的跟踪在实际中有着广泛的应用,其核心问题是机动建模和滤波算法。采用当前统计模型和容积卡尔曼滤波对机动目标进行跟踪。针对容积卡尔曼滤波在目标突发机动时跟踪性能较差的问题,借鉴强跟踪滤波思想,将渐消因子引入滤波过程,提出了一种改进的强跟踪容积卡尔曼滤波算法,该算法实现简单,估计精度高,鲁棒性强。仿真结果表明,该算法有效增强了系统对目标突发机动的自适应跟踪能力,并保持了对弱机动和非机动目标良好的跟踪性能,且运算速度较快。