机载测角三维无源定位的建模与算法分析

在机载测角三维无源定位应用中 ,采用载机NED (North_East_Down)坐标系作为状态坐标系、选在此坐标系中的目标位置坐标作为状态变量建立状态方程 ,采用测量系统天线坐标系为测量坐标系建立测量方程 ,两个坐标系以载机姿态角相关联。本文在此坐标框架下 ,通过对三个定位模型和四个定位算法的分析和仿真比较 ,确定了更适合于机载测角三维无源定位应用的模型和算法。     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。     

用加速和急转弯模型对广义机动目标的混合坐标系跟踪

在最近的一篇论文中,介绍了一种用来跟踪高度机动目标的急转弯模型的全笛卡尔公式.本文讨论一个更复杂但切合实际的例子,其中目标的运动建模与跟踪是在三维的笛卡尔坐标系内实现,而量测值是在球坐标系内得到的.将测量值转换到笛卡尔坐标系内,这种转换将导致非线性量测方程.使用广义卡尔曼滤波方法来解决这个问题,同时为了比较结果也类似地处理前面所提到的加速模型.     

单星对卫星的仅测角被动定轨跟踪方法研究

针对单星对卫星被动定轨时使用经典轨道根数作为状态变量可能存在奇点且测量方程变量及相应坐标转换缺乏物理意义等问题,提出一种新的基于J2000.0惯性系的单星对卫星扩展Kalman滤波仅测角被动定轨跟踪方法,并对测量方程中的变量及其坐标转换进行明确定义;同时对状态预测方程、状态转移矩阵及测量雅可比矩阵进行详细推导,最后通过STK6.0仿真场景产生的数据对算法在不同初始状态误差和测角精度下的性能进行对比分析和仿真验证。多次仿真结果表明:该算法实现了单颗高轨卫星(准同步轨道)通过仅测量角度对圆轨道(e=0)低轨卫星辐射源的被动定轨和跟踪,当测角精度优于平均角度变化量时,滤波收敛所需时间及估计误差都大大减小,且该算法对滤波初始误差也具有较好的适应性。     

舰艇编队多声纳数据融合

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行比较.结合各种声纳的探测特性和水下目标的特点,建立了舰艇编队的数据融合方案.选用简单凸组合融合算法作为舰艇编队协同反潜的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于改进遗传粒子滤波与SME的多目标跟踪算法

针对基于对称量测方程的多目标跟踪,传统的滤波手段无法解决因对称变换带来的非高斯问题,提出一种新的遗传粒子滤波方法。新的滤波算法利用粒子的噪声含量与权值的负相关,改进了更新过程中权值计算所依赖的概率密度函数,避免了新量测噪声的求解。同时利用遗传算法的优势,保障了粒子的多样性,提高了粒子的使用效率,防止了滤波发散及局部最优。仿真结果表明,基于对称量测方程的多目标跟踪中,改进的遗传粒子滤波算法较扩展卡尔曼滤波算法、不敏卡尔曼滤波算法和联合概率数据关联滤波算法跟踪效果更好。     

目标运动角速度的火控滤波改进方法

针对目标运动的角速度测量信息,研究了目标瞄准线坐标系量测信息转换地理坐标系方法,同时分析了位置量测误差对目标速度的影响,建立了目标位置量测误差与速度误差关系。在此基础上,提出了一种基于最小二乘的量测预处理的改进滤波方法。仿真结果表明,改进的滤波方法提高了火控滤波精度及稳定性。     

用加速和稳转弯模型对广义机动目标的混合坐标系跟踪

在最近的一篇论文中,介绍了一种用来跟踪高度机动目标的急转弯模型的全笛卡尔公式。本文讨论一个更复杂但切合实际的例子,其中目标的运动建模与跟踪是在三维的笛卡尔坐标系内实现,而量测值是在球坐标系内得到的。将测量值转换到笛卡尔坐标系内,这种转换将导致非线性量测方程。使用广义卡尔曼滤波方法来解决这个问题,同时为了比较结果也类似地处理前面所提到的加速模型。     

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。     

基于H∞滤波的无序量测更新算法

在目标跟踪系统中,传感器量测因通信延迟无序地到达融合中心,产生无序量测融合问题。针对此问题,将H∞滤波作为基础滤波算法,提出了一种可处理单步或多步延迟无序量测的新算法。新算法借鉴有序滤波思想,利用等价量测来代替无序量测发生时刻后的量测序列,然后从该时刻起利用无序量测和等价量测进行有序更新。仿真实验表明,新算法相比于传统算法有更高的滤波精度,尤其在系统模型误差较大时仍有良好的滤波效果。