基于遗传算法的低探测概率稳态滤波器优化

低探测概率机动目标跟踪α-β-γ滤波器收敛速度和精度是一对难题.通过对目标机动域的划分,提出基于遗传算法稳态α-β-γ滤波器的参数优化.在滤波计算中,根据目标机动估计值并结合跟踪波门的设定实时调整滤波器参数.通过在目标位置信息可测条件下的稳态滤波仿真表明,经优化的α-β-γ滤波器跟踪精度和收敛速度显著提高,较好解决了滤波环境恶劣时稳态滤波跟踪问题.     

机动驱动α—β和α—β—γ跟踪滤波器

本文介绍了用于高速运动航迹的一组新的α—β和α—β—γ跟踪滤波器的最佳增益。增益的选择是由机动航迹的真实加速度或“冲击运动”和雷达量测误差要求驱动的。机动驱动(MDF)α—β和α—β—γ跟踪滤波器的实现是直截了当而毫不含糊的。     

α-β法中数据粗量化输入时输出误差上限的分析

本文从α-β恒增益滤波器的估值递推方程出发,推导了数据粗量化输入时,该系统因量化误差引起的输出估值误差的上限公式,并针对α-β滤波系统稳定域中三个不同区域的粗量化误差上限进行了数值计算。计算结果表明,这三个区域的误差上限数值范围略有不同,但总的来说,该系统在稳态工作情况下输出粗量化误差的上限在(0.5q～0.75q)之间。显然由这种方法计算出的误差上限比实际输出的粗量化误差要大,但对于输入量化误差不能被看作均匀分布白噪声的粗量化输入的情况,这种分析方法可供误差分析的参考。     

二体算符矩阵元的一个注记

本文补充了文献[1]中遗漏的二体算符矩阵元,包括玻色子(β,γ)→(α,α),(α,α)→(β,γ),(α,α)→(α,β),(α,β)→(β,β),(α,γ)→(γ,β)跃迁矩阵元和费米子(α,γ)→(γ,β)跃迁矩阵元,并给出了无遗漏地计算二体算符全部非零矩阵元的简便方法。本文结果与Stater-Condon规则一致,并已用于研究生《高等量子力学》教学。     

用于跟踪机动目标的交互式加速度补偿算法

两级卡尔曼估计器研究针对在有随机偏差的情况下的状态估计,通过把目标加速度视为一偏差向量,用于对机动目标的跟踪。此时,目标加速度作为一个偏差,第一级估计器包含了一个常速机动模型,由其估计出目标位置和速度,而第二级估计器则估计目标加速度。当目标机动被检测出时,则该加速度估计用于修正第一级估计器中的估计。本文介绍的交互式加速度补偿算法(IAC)能克服对两级估计器明显机动检测的要求。此IAC算法被视为是一个具有两个加速度模型的两级估计器:零加速度的等速度模型和等加速度模型。交互式多模型算法(IMM)用于计算加速度估值,以补偿等速滤波器的估值。仿真结果表明,IAC算法的跟踪性能和IMM算法的性能相当,而计算量大约是IMM算法的50%。     

飞行器状态估值器

飞行器状态估值器是现代火控的重要组成部分。本文根据直升机飞行的特点,提出了一种飞行器状态估值器的设计方法。为了能实时实现,本文采用了固定增益卡尔曼滤波算法。仿真表明,它对直升飞机机动飞行有较高的估值精度,并能在机载计算机上实时实现。     

一种基于多项式和α-β-γ滤波的双工跟踪模式研究

针对测控实时数据处理中,α-β-γ滤波器启动阶段弹道参数误差较大的问题,提出了一种双工的跟踪模式。该模式下α-β-γ和多项式滤波器同时对弹道参数进行滤波,只选取一套滤波后的数据输出,通过数据的优选,最终得到高精度弹道参数。理论分析和仿真结果表明:双工的跟踪模式跟踪精度高,适合实时系统应用。     

线性测量海上机动目标状态估值器

本文导出了在惯性坐标系内利用线性测量卡尔曼滤波器(LMKF)来估值海上机动目标的状态估值器。LMKF 可以用于非线性测量条件下的目标状态估值。同时,LMKF 的公式比延伸的卡尔曼滤波器(EKF)要容易推导得多。在飞机坐标系里用蒙特卡罗方法进行了大量的数学模拟。模拟结果表明,两种滤波器的估值误差相同,但是LMKF 只需要比较少的计算量。应用线性测量的方法,导出了在飞机地理水平面坐标系内的LMKF。该滤波器有较高的溶液精度和较少的计算量。     

基于α-β滤波算法的目标运动信息滤波与估计

针对目标运动量测信息的特点,通过分析α-β滤波算法,指出该算法常增益的特点影响其对机动目标的跟踪效果.为了克服这个缺点,给出了一种新的目标运动信息滤波和估计的自适应算法,该算法可直接利用构造的函数关系自适应调整α,β的值.仿真结果表明,该自适应α-β滤波算法对目标运动信息的滤波和估计具有较好的性能.     

使用位置和速率量测值的三状态卡尔曼跟踪器

本文叙述了跟踪类似飞机的运动目标的三状态卡尔曼跟踪器,该跟踪器利用使用脉冲多普勒处理过的边跟踪边扫描雷达传感器获得的位置和速率量测值,例如,提供清晰的多普勒数据的动目标探测器就是这种雷达传感器。在白噪音机动能力的假设条件下,已经解析地获得了稳态滤波器参数。这些参数的数值计算与用递归卡尔曼滤波器矩阵方程得到的数值计算完全一致。在只能得到距离量测值的情况下,作为这种模型的特殊情况获得了这种情况的解。为了举例说明这个解是怎样取决于不同的参数,本文还介绍了归一化的协方差和增益图象。     

某高炮火控系统滤波器设计

对目前高炮火力控制系统目标滤波与预测进行了分析与研究。在此基础上结合工程实际设计了一种α-β滤波器,该滤波器的原理是把在连续系统中频率域的要求和在离散系统中Z域的要求转换成时域中在典型信号激励下的时间响应的特征值的要求,从而在时间域中以特征值的要求进行综合,再把综合的结果转换回Z域中,最终得到所确定的α-β滤波器,给出了α-β滤波器的Z传递函数、分析了α-β滤波器参数的确定,对α-β滤波器的静态误差进行了研究,对设计方案进行了计算机仿真和实际应用。     

航空火控系统中的目标状态估值器

本文研究了一套适用于航空火控系统的机动目标状态估值算法。该算法以卡尔曼滤波理论为依据,为了提高估值精度,采用了自适应滤波措施;为了减少实时计算量,采用了滤波增益解析计算措施。对于高速的测量数据采用了数据预处理技术。该算法不需限定目标机动方式,仿真表明:它对非机动目标有较高的估值精度,而对机动目标有较强的适应能力,可以在航空火控系统中应用。     

强机动目标的非线性滤波器设计

本文应用Kalman 滤波技术,研究了一套适用于航空火力控制系统的机动目标状态估值算法。文中将目标加速度模型假设为既有依赖状态的系数,又能自动适应目标机动的二阶高斯——马尔柯夫过程。采用非线性滤波理论,对非线性耦合的目标相对运动模型没有强行解耦和线性化,而是直接进行滤波。最后就估值精度滤波收敛速度和目标机动变化的适应性等方面进行了大量的数字仿真。仿真结果表明本文所设计的非线性滤波器具有良好的性能。     

捷联导引头视线转率估计的交互式多模型样条滤波算法

针对捷联导引头测量信息的弹目惯性视线转率估计,提出了一种基于交互式多模型算法的样条滤波方法(IMM-SF)。基于体视线和惯性视线的映射关系解算惯性视线角,将其作为虚拟观测量进行滤波,设置多个过程噪声模型,每个模型分别采用样条滤波器进行滤波,IMM-SF滤波器的估值结果为各滤波器估值的加权综合。该方法不必对目标的未知机动建模,应用更加方便,并且可在交互式多模型算法的框架下自适应地调整滤波器的噪声。Monte-Carlo仿真结果表明该方法可有效估计视线转率,并可提高估值精度。     

自适应交互式多模型滤波在被动制导中的应用

首先给出了一种更加简单的关于BOM问题的变增益函数的推导,新的增益形式比原先的形式更具有数字稳定性.然后考虑当模型具有不确定性时的被动制导仿真.当模型具有参数不确定时,一般的单模型滤波器已经不能满足制导的性能要求.采用交互式多模型算法,与修正增益扩展卡尔曼滤波器结合,并使用能实时估计量测噪声的Sage-Husa估值器,设计出一种新型自适应交互式多模型修正增益扩展卡尔曼滤波,将其应用到被动制导中,仿真结果表明该方法的优越性和实用性.     

采用非线性目标模型的目标机动检测和跟踪

本文介绍两种跟踪机动目标的方法。跟踪滤波器由两个主要部分组成:目标加速度估计和目标机动的检测。第一种方法是首先假定目标的加速度为若干分段加速度值,进行构造加速度估计器。机动检测用以证明上述假设是否正确,即证明目标是否仍保持等加速运动。如果断定目标有机动,则滤波器被重新预置,并识别出加速度值。第二种方法是建立在非线性状态模型基础上的,该模型对平面内机动的目标和非等加速运动的目标跟踪精度较好。     

机动目标跟踪的模糊逻辑方法

作者描述了一种使用模糊逻辑理论推广的交互式多模型(IMM)算法。每一个卡尔曼滤波器都被认为是局部有效的,适用于滤波调节值所确定的目标加速度空间的区域。每个卡尔曼滤波器的有效性是由模糊集合和目标的加速度估值所决定的。用选择适当的模糊集合的叠区间判断接近加速度估值要求的模型的子集。仿真结果包括了典型的机动目标情况,它说明了不同形式的模糊集合的作用。这些证明了这种方法在估计精度和计算量两方面都比IMM优越。     

提高视线转率精度的一种改进方法

视线转率算法的改进是提高视线转率精度的重要途径之一。提出了一种计算视线转率的修正的几何算法,并利用该算法改进了α-β滤波器,改进的α-β滤波器具有更高的精度,其性能与Kalman滤波器相当,但算法更简单、可靠。仿真结果验证了该方法的有效性。     

组合滤波方法在实时数据处理中应用

针对某种滤波方法独立用于飞行器试验,引起实时数据处理精度欠佳的问题,为了提高实时数据处理精度开展组合滤波方法研究。分析飞行器轨道特点和滤波器收敛特性,提出了将飞行器的轨道按时域分段,根据不同时域以α-β-γ滤波为主、多项式中心平滑滤波为辅,或将主、辅关系颠倒过来组合使用,并将滤波器初始以及测量数据中断点作为特殊情况加以处理。结合以往工程实际应用的经验,给出不同时间段落和数据中断点的滤波器使用原则和控制流程,为组合滤波方法在工程上实现奠定了基础。     

机动目标跟踪算法

文中提出了一种新的机动目标跟踪方法。一种基于新息序列的最快检测方案被设计出来,用于目标机动的快速检测。对给定的虚警概率,得出了最小机动检测延迟的最佳滑动窗口长度。检测到机动后,用增加机动项的方法修正系统模型。文中提出用递推算法来估计机动幅度。使用该估计,修正的卡尔曼(Kalman)滤波器可被用来对目标实施跟踪。仿真结果表明尤其是在目标机动过程中该算法具有优越的性能。