基于IMM滤波器的纯方位机动目标跟踪

针对无源纯方位跟踪中目标机动的问题,提出了一种基于交互式多模型的目标跟踪算法。该算法用伪量测变换估计器(PLE)将纯方位跟踪中非线性观测模型线性化,避免了计算雅克比行列式。机动目标跟踪中通过实时调整模型匹配概率,提高了滤波器对状态变化的跟踪能力。同时该算法实时修正观测噪声协方差,消除目标远离基阵时观测噪声对目标定位的影响。最后通过与MGEKF进行比较,Monte Carlo仿真结果验证了该算法的优越性。     

弱机动目标的参数估计

本文探讨了卡尔曼滤波用于估计弱机动目标状态参数问题。在极坐标系下建立目标机动的相关加速度模型,通过对运动目标斜距二阶变化率和方位角加速度的定量分析,建立了自适应估计目标动态模型噪声强度的弱机动目标参数估计算法。对几种典型航路的模拟证实了在选择适当参数时该算法对目标机动,不同类型的机动间的转换,不仅能较好地压制随机量测噪声,而且能满意地估计目标的速度和航向。     

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。     

双通道短时互谱法的潜艇目标尺度识别

阐述了双通道短时互谱法的基本理论,分析了目标方位走向,提出了利用体目标回波的空间方位分布信息识别水下目标尺度的方法。最后采用潜艇目标亮点模型,通过计算机仿真给出了目标方位走向拟合示意图,给出了在不同攻击阵位的条件下,鱼雷对潜艇目标进行尺度识别的估计值和估计方差并进行了相应的分析,确定了最有利于目标识别的攻击弦角。     

基于移动目标的DOA估计偏差校正

针对移动目标的波达方向估计容易出现偏差的问题,提出一种利用频移信息修正方位估计偏差的算法,解决了传统方位估计算法不能适用于高速移动目标或平台的问题。该方法利用基阵平台与目标的径向移动速度,估计中心频率偏移,然后利用频移信息修正传统的方位估计结果。仿真结果表明,该算法可以极大地提高移动目标的方位估计精度。此外,该算法对阵列的阵型和方位估计算法没有任何限制,因此具有广泛的适用性和较强的工程实用价值。     

分布式传感器网络自适应一致性融合估计算法

针对分布式传感器网络的目标一致性状态估计问题,提出自适应一致性融合估计算法。考虑到网络中节点为测距和测方位的传感器,基于观测噪声与目标状态相关的假设,构建量测模型;引用无迹卡尔曼滤波与CI算法得到各节点的局部估计,通过误差矩阵加权更新节点状态以改进一致性算法,实现各节点对目标状态的一致性估计。仿真实验结果表明,该算法能够在快速收敛的过程中实现无中心节点的分布式传感器网络中各节点对目标位置的精确估计,同时又保证各节点之间的一致性。     

运用最大似然估计进行被动目标跟踪

在带有未知非齐次协方差的多变量正态分布噪声中,把根据被动声呐方位和频率测量估计目标轨迹建模为非线性多响应参数的估计问题。这表明在这种情况下最大似然估计与优化一个有简单形式并且不包含未知协方差矩阵元素的限定性判据相同。只用模型函数的一阶导数和新的收敛判据的高斯—牛顿算法来实现这种估计。仿真结果表明采用上述噪声模型的最大似然估计法的性能优于采用传统噪声假设的性能。     

谱估计算法在近炸引信中的应用

近炸引信探测的目标信号存在固定噪声不易于目标的提取。为此,采用了几种常用的谱估计方法进行降噪处理,消除系统的固定噪声,提高近炸引信的信噪比和信杂比,增强近炸引信可靠探测目标的能力。并通过Matlab进行仿真分析,比较算法性能差异,最后得出结论:功率减谱法抑制固定噪声效果好,运算量小,系统简单,是消除固定噪声的理想方法。     

基于FOCUSS改进算法的DOA估计方法

传统的DOA估计方法不能有效分辨相干源目标;稀疏重构方法能够处理相干源的DOA估计问题,但现有稀疏重构方法大都是针对无噪声或仅存在观测噪声系统提出的,估计性能有待提高。对于同时存在观测噪声和模型噪声的多观测量模型,提出了一种基于FOCUSS稀疏重构的改进算法,可鲁棒地处理相干源、非相干源的DOA估计问题,有效提高分辨力和估计精度等估计性能。给出了DOA估计的稀疏信号模型以及新算法的推导过程,仿真实验证明了新算法在与其他算法对比时的优越性。     

空中非合作目标旋转部件位置估计方法

针对当前空中非合作目标中旋转部件位置估计方法稳健性不足的问题,在分析旋转部件在高分辨距离像和逆合成孔径雷达像中分布特性的基础上,提出应用逆合成孔径雷达像的方位向距离单元熵和局部径向距离单元熵的旋转部件位置估计方法。该方法能够提升空中非合作目标逆合成孔径雷达成像过程中旋转部件信号分离的准确度。仿真数据和实测数据处理结果证明了所提方法的有效性,通过在实测数据中叠加额外噪声,进一步检验了所提方法对噪声的稳健性。     

基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。     

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。     

空间非平稳高斯噪声背景下混合信号的DOA估计

针对空间非平稳高斯噪声背景下混合信号的DOA估计问题,提出了基于四阶累积量对混合波源的DOA估计算法。该算法首先构造四阶累积量矩阵,利用类似ESPR IT方法估计出所有非相关信源的DOA,然后对四阶累积量进行修正空间差分平滑去相干,消除非相关源和空间非平稳高斯噪声的影响,从而实现了对相干源的DOA估计。此方法通过分别估计非相关和相关或者相干信号的DOA,能够以较少的阵元实现对多个信号DOA估计,最后仿真实验也验证该算法的有效性。     

考虑相位噪声影响的单阵元被动合成阵列算法

考虑到现有单阵元被动合成阵列算法对阵元的运动模型假设过于理想且对相位噪声的适应能力不足,首先,提出一种适用于阵元任意机动方式的单阵元被动合成阵列通用算法,进而通过相位噪声模型分析,给出最大相参时间及有效合成阵元数的选取方法,重建了合成阵列的流形矢量,得到了与相位噪声模型相匹配的改进算法.然后,在相位噪声影响条件下,推导了单阵元被动合成阵列波达方向的理论估计方差下限.仿真分析表明,较未考虑相位噪声影响的算法,改进算法能够有效提高相位噪声影响下的单阵元被动合成阵列测向精度.     

基于非均匀线阵和修正MUSIC算法的DOA估计

研究了基于非均匀线阵的DOA估计问题。提出了利用修正MUSIC算法进行DOA估计,并设计了对称布阵方式。仿真结果表明在对称布阵非均匀线阵中使用修正MUSIC算法,空间谱分辨率高、栅瓣小,且分辨率要高于均匀线阵。本算法获得了较高的空间谱分辨率,提高了DOA估计性能。     

单脉冲雷达在多源环境中对目标的定位

在日益复杂的电子干扰环境下,提高精确制导武器的抗干扰能力一直是一个研究重点.针对单脉冲雷达跟踪目标过程中受到多源干扰这一背景,在多源信噪比未知情况下,提出一种利用某些先验信息对目标波束到达方向(DOA)进行估计的方法.这些先验信息包括噪声调频干扰信号(干扰带宽大于接收机带宽)经过匹配滤波后在围绕目标位置的各个距离分辨单元内都有信号输出以及雷达在跟踪目标过程中可获得目标信噪比.仿真结果表明,所提估计方法是有效的.     

基于四阶累积量的双基地MIMO雷达收发角度估计

提出了一种基于四阶累积量的双基地MIMO雷达收发角度估计算法。在接收端,通过分别构造单阵元和双阵元的四阶累积量矩阵,采用基于四阶累积量的MUSIC算法和ESPRIT算法分别估计出目标的离开方向(DOD)和波达方向(DOA),并且DOD和DOA自动配对。该算法将二维参数的估计问题转化为两个一维形式,不需要二维谱峰搜索,在保证二维方位角估计性能的基础上,降低了运算量。利用四阶累积量有效地扩展了阵列孔径,并且适用于任意加性高斯噪声环境。仿真结果验证了算法的有效性。     

相干信号源DOA估计改进ESPRIT算法研究

在目标方位估计(DOA)的众多算法中,ESPRIT是一种运算速度快、精度高的常用算法,但它不能解相干信号。提出一种基于观测数据直接空间平滑的改进型ESPRIT算法,解决了常规ESPRIT算法不能解相干、对信噪比要求高等问题。该方法适用于所有信号(非相干和相干信号)的目标方位估计。