基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。     

第三方引导下的极区超视距目标指示方法

在多传感器对目标进行引导时,传统目标方位角以地理北为方位参考,由于极区经线收敛导致地理北迅速收敛于北极点,进而导致目标方位角的误差增大,无法满足极区舰艇作战指挥系统对目指信息的精度需求,为了克服这一问题,提出建立横向地理北作为方位参考,并在此基础上构建大地主题解算模型以及无迹卡尔曼滤波模型,仿真分析的结果表明,提出的方法能够提高第三方引导下的极区超视距目指信息精度,能够满足极区舰艇作战指挥系统对目指信息的精度需求。     

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IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。     

纯方位TMA的变增益扩展卡尔曼滤波算法

通过对水下纯方位目标运动分析中的扩展卡尔曼滤波(EKF)算法的分析,利用方位新息,构成了一条反馈回路,从而将EKF算法改进为变增益扩展卡尔曼滤波(VGEKF)算法.对比仿真分析表明,VGEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位目标运动分析的实现提供新的途径.     

基于自适应正交单纯形CKF的鲁棒目标跟踪方法

为减小模型异常对目标跟踪系统性能的影响,提出了一种自适应正交单纯形容积卡尔曼滤波(AOSCKF)算法.将正交单纯形准则引入容积卡尔曼滤波中,提高滤波估计精度和计算稳定性;将强跟踪滤波(STF)中的自适应因子引入正交单纯形容积卡尔曼滤波(OSCKF)算法中,降低系统模型异常对目标跟踪的影响;将所提算法应用到双站纯方位目标跟踪系统中进行仿真实验.结果表明,AOSCKF算法可有效提升算法的鲁棒性和滤波精度.     

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。     

基于矢量传感器的探测系统信息处理

水下武器被动声探测系统中,目标方位估计和航迹估计是两项重要的内容。利用基于声压振速联合信息处理的矢量传感器探测系统,获取目标方位;据探测系统获得的深度、水平方位角、俯仰角三个运动参数,采用扩展卡尔曼滤波(EKF)算法实现对水面运动目标进行航迹估计与跟踪,提高水下武器的精确打击能力。     

基于多模型滤波的只测角跟踪方法

只测角单站无源定位跟踪系统中,目标初始状态估计精度较低时,采用扩展卡尔曼滤波算法经常出现滤波发散的情况.针对这一问题,提出了一种多模型扩展卡尔曼滤波方法,根据目标的初始状态估计设计了五个扩展卡尔曼滤波模型,对目标运动状态进行多模型估计,在滤波过程达到稳态后,再采用单模型滤波.仿真实验验证了算法的有效性.     

使用基于电视信号的双基地雷达实施目标跟踪

本文开展了使用非合作电视发射机作为双基地雷达系统照射器的研究,提出利用电视广播视频或声音载波探测和跟踪目标的信号处理方案。此方案不需要与发射机同步,使用多普勒频移和方位测量来估计目标航迹,信号处理包括两个通道的快速傅里叶变换,用以确定接收信号中的多普勒和相位特征,然后经过时域和频域恒虚警处理获得目标回波。对回波中存在的由于天线单元间互耦合产生的相位误差进行校正,并且求得相应的方位。基于卡尔曼滤波的跟踪技术用于多普勒/方位点迹和不同目标航迹之间的互联。每个目标在直角坐标下的位置和方位估计采用扩展卡尔曼滤波,滤波初始化过程采用遗传算法和Levenberg-Marquardt优化算法。实验结果表明能够探测并跟踪很大范围内的目标,最远距离可以达到260公里。     

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。     

基于Doppler量测的CS-EKF机动目标跟踪平行滤波算法

为提高非线性机动目标跟踪精度,在基于"当前"统计模型(CSM)的扩展卡尔曼滤波(CS-EKF)算法的基础上,提出一种基于多普勒径向速度量测和三维平行滤波的机动目标跟踪算法(CS3D-EKFrv)。该算法通过引入径向速度量测扩充量测矩阵的维数,然后利用扩展卡尔曼滤波(EKF)方法解决量测方程中状态向量和量测向量的非线性问题,最后采用"当前"统计模型对目标的三维状态进行平行滤波估计,解决三坐标轴上机动强度不一致的问题。对CS-EKF,CS3D-EKF及CS3D-EKFrv算法的仿真结果和实测数据检验表明,CS3D-EKFrv算法能够有效改善机动目标的跟踪精度。     

基于IMM-UKF的分层航迹融合算法

为提高对机动目标的跟踪精度,通过对目标跟踪和航迹融合算法进行研究,提出了一种基于IMM-UKF的分层航迹融合算法。基于交互式多模型无迹卡尔曼滤波(IMM-UKF)算法给出了各局部节点的航迹估计方法,在此基础上,结合各局部估计值构造了系统先验统计量,实现了利用分层航迹融合算法对多个局部节点估计值的融合。仿真结果表明,该算法在实现机动目标自适应跟踪的同时,有效提高了目标跟踪精度,增强了跟踪系统的稳定性。     

单脉冲雷达四通道联合的高分辨测角新方法北大核心

常规单脉冲雷达具有方位、俯仰二维角度的测量能力,其角度分辨力取决于天线波束宽度,对主波束宽度内的双/多目标不具备分辨能力。为了提高传统单脉冲雷达测角分辨能力,提出一种新的单脉冲雷达系统结构,巧妙的提取和利用了雷达对角线差通道的接收信号;提出了一种四通道联合单脉冲测角新方法,一次脉冲测量即可同时获得主波束范围内2个目标的二维角度信息,显著提高单脉冲雷达的角度分辨能力。该算法简单便于工程实现,并且在不同信噪比和2目标回波功率比条件下都具有很好的稳定性。最后,通过仿真分析验证了方法的有效性。     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

单脉冲雷达导引头对抗投放式诱饵技术研究

为提高单脉冲雷达导引头对投放式诱饵干扰的检测和分辨性能,利用投放式诱饵干扰情况下单脉冲比的概率分布特性,采用基于奈曼-皮尔逊准则的GLRT检测方法来进行干扰的检测;在干扰信噪比未知情况下通过顺序估计目标和诱饵信噪比进而估计目标DOA的方法对目标和诱饵进行分辨.仿真结果证实了对诱饵的检测和分辨算法的有效性.     

粒子滤波跟踪弹道下降段在炮位侦察中的应用

在传统的炮位侦察方式中,往往对对方炮弹弹道上升段采用扩展卡尔曼滤波方法进行弹道跟踪,这就导致了阵地部队安全性和雷达威力受限的问题,而开展对方弹丸弹道下降段跟踪的研究有利于解决这一问题.对于弹道下降段的跟踪,采用传统的扩展卡尔曼滤波方法无法满足炮位侦察的精度需求,而粒子滤波方法的应用使得这一思路变为可行.首先描述了对下降段弹道跟踪时炮位侦察的全过程,并建立了待跟踪弹道目标的状态空间模型,然后应用粒子滤波方法对下降段弹道进行了跟踪辨识.仿真结果表明,粒子滤波具有比扩展卡尔曼滤波精度更高和运算时间更长的特点,其仿真结果能够满足炮位侦察的精度要求.     

三维多目标纯测向无源定位方法

针对多传感器测向定位中方位配对的困难,提出分两步的三维多目标纯测向定位方法.该方法先利用方位信息,粗略估计目标二维位置,并采用方位角误差进行粗略的目标真伪判别,再采用蛙跳式梯度法精确求解目标的三维位置,并利用方位角与俯仰角偏差对目标真伪进行判别.仿真结果表明,该方法能快速地以较高概率、较高精度对多目标进行定位.     

单脉冲雷达四通道联合的高分辨测角新方法

常规单脉冲雷达具有方位、俯仰二维角度的测量能力,其角度分辨力取决于天线波束宽度,对主波束宽度内的双/多目标不具备分辨能力。为了提高传统单脉冲雷达测角分辨能力,提出一种新的单脉冲雷达系统结构,巧妙的提取和利用了雷达对角线差通道的接收信号;提出了一种四通道联合单脉冲测角新方法,一次脉冲测量即可同时获得主波束范围内2个目标的二维角度信息,显著提高单脉冲雷达的角度分辨能力。该算法简单便于工程实现,并且在不同信噪比和2目标回波功率比条件下都具有很好的稳定性。最后,通过仿真分析验证了方法的有效性。     

无人机对地目标多帧融合定位与误差收敛特性分析

对地目标高精度定位是无人机开展目标侦察、火力引导、效能评估等的重要前提,然而无人机对地目标定位精度受到误差因素多、传递链长等因素的制约。采用基于卡尔曼滤波的图像多帧配准对地面目标定位的方法,通过融合无人机获取的多帧目标图像,基于卡尔曼滤波方法,研究无人机对地目标高精度融合定位方法,并引入蒙特卡洛法进行仿真,分析基于卡尔曼滤波法多帧融合定位的误差收敛性、大小和分布,分析观测间隔、视线俯仰角等对误差收敛性的影响,形成若干提高定位精度的建议。