采用粒子滤波的雷达波束方位指向估计

传统方位指向估计方法难以适应天线扫描速度变化的情形,为此建立波束方位指向估计的状态空间模型,并引入粒子滤波技术对状态变量进行估计。粒子滤波是非线性和非高斯情形下进行状态估计的强有力算法,采用粒子滤波的雷达波束方位指向估计算法具有良好的性能,能够适应天线扫描速度变化的情形。仿真实验验证了所提算法的适用性和有效性。     

军用相控阵雷达的应用及发展

人们很可能从影视画面中得到这样一种印象:雷达为了“看”到不同的方位、高度的目标,必须使天线不停地转动、俯仰,进行机械扫描。然而这种印象是不全面的。比如相控阵雷达就不是机械扫描雷达,而是电扫描雷达。它的天线可以固定在一个方向,然后通过计算机控制雷达波束的指向,来实现方位或高低扫描。准确地说,相控阵雷达是一种利用电子技术控制阵列天线各辐射单元的馈电相位,使雷达的波束指向快速变化的雷达。     

粒子滤波在雷达方位配准中的应用

在多雷达数据处理系统中,雷达本身的系统误差是影响目标跟踪和数据融合质量的一个重要因素,尤其是正北方位误差.针对现有非线性滤波算法收敛性及鲁棒性较差的问题,将粒子滤波算法应用于雷达方位配准.通过与传统的扩展卡尔曼滤波方法仿真比较,结果表明采用粒子滤波的方法解决非线性雷达方位配准模型行之有效,能有效地克服扩展卡尔曼滤波方法中很容易出现的滤波发散问题,且粒子滤波比扩展卡尔曼滤波的估计精度要高.     

基于观测预测粒子滤波的雷达组网目标状态估计

雷达组网系统跟踪目标时,观测数据与目标跟踪状态成严重非线性关系,难以用卡尔曼滤波最优估计方法,处理非高斯非线性系统滤波估计问题的粒子滤波算法容易产生粒子退化问题。因此,使用观测预测粒子滤波算法解决这个问题,该算法基于观测似然进行重要性采样,结合一步预测信息计算粒子权值,保证了采样粒子处于高观测似然区,并充分利用了一步预测信息。仿真验证表明,将观测预测粒子滤波算法应用于目标状态估计,避免了粒子退化,收敛快,估计精度高。     

行进式雷达天线波束方位的实时确定问题

采用"边行进边工作"方式的目的是提高雷达的战时生存能力。雷达天线波束的指向乃由天线相对其平台的旋转(已知)和平台相对大地运动的转角(未知)共同决定。利用曲率和弧长的概念进行研究,提出在雷达行驶路径为已知几何曲线时,平台转角仅与行驶路程有关。只需获取行驶路程,便可确定天线波束的真实方位。     

新型机载相控阵天线

航空电子战系统用的新型相控阵天线已经研制成功。这种天线不仅可以对有威胁的雷达施放大量的干扰能量,而且还可以准确地测量其方位,因此,人们预料在今后十年里其应用范围将日益扩大。例如,尖锐波束可以迅速扫描确定指向点,从而可以有效地利用干扰输出;高精度的方位测量功能可以从复杂的辐射电波环境中准确地提取有威胁的雷达发射脉冲,以     

双基阵纯方位TMA的一种自适应算法仿真

为了改善普通卡尔曼滤波算法在观测噪声统计特性未知情形下处理双基阵纯方位TMA问题时的滤波性能,提出了一种在线估计观测噪声统计特性的自适应卡尔曼滤波算法,计算机仿真结果表明,该算法能够在线估计观测噪声统计特性,使Kalman滤波器始终处于稳定状态,并精确地估计目标的运动参数,同时指出了自适应算法的初值选取对滤波收敛速度的重要影响,当滤波初值选取恰当时会明显加快滤波收敛过程.     

粒子滤波在误差配准中的应用

系统偏差严重影响了多部雷达航迹的互联和目标状态的融合,因此如何解决误差配准成为一个关键问题。因为系统偏差和雷达的量测之间是一种非线性关系,所以无法直接使用Kal-man等线性滤波直接进行系统偏差的估计。为解决这一问题,利用非线性的粒子滤波器(PF),对目标状态和系统偏差的估计进行了探讨,为了对比其性能,设计了一种扩展Kalman滤波算法。仿真结果表明PF在误差配准中的应用是可行的,性能高于扩展Kalman滤波。     

一种估计来波信号极化状态的新方法

干扰场的极化估计是自适应极化滤波器首要的也是最为关键的一步,极化估计器的精度直接制约极化滤波器的滤波效果.基于单极化雷达接收天线的空域极化特性,提出了一种来波信号极化状态的估计方法.首先介绍了算法的估计原理,并对算法性能进行理论分析,在此基础上,进行相应的计算机仿真实验,探讨了影响估计性能的主要因素及提高算法性能的主要途径.理论推导和计算机仿真结果均证明了估计算法的有效性.     

两级滤波结构的导航卫星天线阵抗干扰算法

干扰和多径是影响接收机导航定位性能的两个主要因素。针对卫星导航接收机的抗干扰问题,提出了一种基于两级滤波结构的卫星导航天线阵抗干扰算法。第一级滤波采用功率倒置算法抑制干扰,通过相关解扩提高卫星信号的信噪比,并估计出其空间特征矢量。第二级滤波用估计得到的卫星信号空间特征矢量对第一级滤波输出信号进行加权处理,从而形成指向卫星信号方向的主波束来进一步提高信噪比。仿真结果表明,该算法的性能明显优于功率倒置算法,且非常接近传统的波束形成算法,不需要阵列校正以及姿态测量单元辅助,其实现代价远小于传统的波束形成算法。     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。     

二维波束控制引信与定向战斗部配合

将相控阵天线引入引信中,实现了引信天线波束的二维控制。研究了相控阵天线的基本原理,给出了波长、扫描范围和阵元数等参数的值。研究了目标脱靶方位识别原理,分析了定向战斗部破片动态杀伤区的散布特性。把定向战斗部中心破片飞向角与引信波束指向角之差作为起爆控制量,提出了一种相控阵引信与定向战斗部配合的方法。仿真结果表明,这种方法能精确控制战斗部起爆时机,提高引战配合效率。     

网络雷达对抗系统的相控阵雷达波束扫描分析

针对相控阵雷达波束扫描的捷变特性,提出了基于网络雷达对抗系统的波束扫描分析方法。由于各侦察子系统空间分布特性不同,网络雷达对抗系统所获得的相控阵雷达波束指向判决各不相同。结合DS证据理论,将各个侦察子系统的判决结果融合处理,可有效消除不确定信息,提高波束扫描的判决准确率。通过仿真试验,验证了该方法的有效性和可行性。     

潜艇纯方位跟踪中系统误差的消除方法

针对潜艇纯方位法水下目标跟踪过程中，如果存在系统误差，会导致收敛速度变慢，状态估计有偏的问题，提出了联合sigma点卡尔曼滤波算法。该算法不仅能消除系统误差对状态估计的影响，而且能减小线性化误差，提高滤波精度。仿真实验结果证明了算法的有效性和优越性。     

基于预测残差的自适应Unscented粒子滤波

针对经典粒子滤波的样本退化问题,提出了基于预测残差的自适应Unscented粒子滤波.该方法将自适应因子与无迹卡尔曼滤波相结合构造粒子滤波的建议分布,即通过UT变化构造建议分布函数,利用预测残差作为自适应因子,在线调整测量预测协方差、状态测量互协方差和状态更新协方差的实时变化,从而调整其在滤波中的作用.非线性状态估计仿真实验表明,该算法具有较强的自适应性和较高的滤波精度.     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

基于波束域MUSIC方法的高分辨方位估计

现代声纳系统普遍采用水听器基阵和一定的信号处理来提高对目标的检测和定位能力,而基阵的波束形成则在其中起着核心作用。文中研究了窄带波束域高分辨方位估计技术,分析了波束域MUSIC方位估计的构造过程和具体实现方法。仿真计算表明,基于波束域MUSIC的方位估计算法是一种分辨空间小角域内多个目标的有效方法。     

基于自适应算法的锥面共形天线阵列方向图综合

以弹载共形相控阵雷达导引头天线为应用背景,将共形天线技术与自适应阵列处理技术相结合,通过欧拉坐标变换,建立了基于有向阵元的锥面共形天线阵列方向图模型,应用了一种基于最大信噪比准则的自适应算法对锥面天线阵列进行了方向图综合。该算法通过对副瓣区域干扰信号的迭代得到一组最优复加权矢量,仿真结果表明该算法可以在三维空间实现对主波束指向以及副瓣电平的控制。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪

Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计,但是由于其计算量较大,不适用于实时性较高的被动目标跟踪情况。针对Rao-Blackwellized粒子滤波的不足,提出了改进的Rao-Blackwellized粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成,在执行过程中,粒子滤波和卡尔曼滤波相互交换信息,并行运行。计算机仿真结果表明,新的算法能够更好地减少计算量,提高跟踪的实时性。