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。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统对目标的反应时间和射击精度,需要对采集到的目标运动参数信息进行滤波。采用最小二乘滤波方法,通过对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后采用5点滤波实现方式对滤波效果进行了检测,实践证明最小二乘滤波在该型火控系统信息处理中取得了较好的效果,改进了该火控系统的性能。     

时空结构分析的机动目标跟踪方法及应用

为进一步解决火控系统中机动目标跟踪问题,从时空结构角度提出跟踪机动目标的方法.分析了机动目标的时空结构,构造了机动目标的时空跟踪模型及其在火控系统中的应用,可解除滤波中的目标运动模型的假定,并可避免机动检测引起的时延和机动幅度估计.在模型的先进性、跟踪的实时性、准确度和精度方面较传统方法有明显的提高.     

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。     

密集回波环境下的一种交互式多模型算法

利用神经网络算法对基于机动目标“当前”统计模型的均值和方差自适应滤波算法进行修改 ,提高该算法的性能 ;然后与匀速模型交互作用 ,利用概率数据关联处理密集回波环境下机动目标的跟踪问题 ,这样既保持了对强机动目标的跟踪性能 ,同时又提高了对弱机动目标的跟踪精度。仿真结果证明该算法确为一种非常有效的方法     

基于协同转弯模型的机动目标预测算法

机动目标机动能力的增强,使跟踪系统显得越来越不适应,从而给火控系统命中点的求解计算带来了巨大的困难。机动目标预测精度的下降,使得火控系统的生命力大幅度下降,严重影响了平台及其人员的安全。本文将协同转弯模型和指数加速度模型相结合提出了一种新的预测算法。通过仿真,证明了算法的有效性。     

卡尔曼滤波在坦克目标状态估计中的应用

分析了现有机动目标数学模型及其卡尔曼滤波算法,并用数字信号处理器(DSP)对一个实际算法进行了实验.实验结果表明目标机动性能的提高将使坦克火控系统由于采用现行目标运动模型而产生较大的误差,因此,在火控系统中采用其他模型,如自适应模型等,势在必行.同时,对于跟踪精度高、实时计算量大的卡尔曼滤波算法,应用DSP技术实现具有良好的发展前景.     

由DSP技术实现卡尔曼滤波算法初探

分析了现有机动目标数学模型及其卡尔曼滤波算法,并用数字信号处理器（ＤＳＰ）对１个实际算法进行了实验。实验结果表明,目标机动性能的提高将使坦克火控系统由于采用现行目标运动模型而产生较大的误差。因此,在火控系统中采用其他模型,如自适应模型等,势在必行。同时,对于跟踪精度高,实时计算量大的卡尔曼滤波算法,应用ＤＳＰ技术实现具有良好的发展前景     

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。     

机动目标IMM三维并行滤波跟踪算法

由于复杂的空中目标机动,其三维方向的机动强度是不一致的,传统IMM算法存在模型匹配不准确的问题,提出一种机动目标IMM三维并行滤波的跟踪算法。算法以CV和修正的CS模型为子集,在3个坐标轴上分别根据目标机动的分量实际更新其模型概率,并行IMM滤波方法,尽量确保模型的适配性,提高滤波精度。仿真结果表明,该算法比传统IMM方法跟踪精度更高,对空中机动目标跟踪适应性更强。     

基于模糊推理的机动目标自适应多模型跟踪算法

针对当前空中来袭目标的主要特点,运用模糊理论和多模型理论探索空中机动目标跟踪问题,并设计了一种模糊自适应多模型(FAMM)目标跟踪算法,该算法采用五个基本模型,以加速度估值作为模糊推理系统的输入,经模糊推理融合得到系统状态和方差的估计值以及下一时刻的滤波模型(最多三个).经Monte Carlo仿真研究,与IMM算法相比较,该算法不仅在目标弱机动或不机动条件下,而且在复杂机动时能更稳定、精确地跟踪目标,较好地满足了海上对空防御作战中跟踪机动目标的需求.     

一种基于Jerk模型的机动目标单站无源定位算法

针对采用非线性较强的观测角、角度变化率、脉冲到达时间差等参数的单站无源定位跟踪系统,提出了一种新的跟踪滤波算法IMM-Jerk。该方法用Jerk模型对做复杂机动的运动目标建模,采用经过UKF滤波改进的交互多模(IMM)算法对目标实现跟踪滤波。该算法可适用于对做多种机动运动的目标的跟踪,提高了目标跟踪收敛精度和跟踪系统的稳定性。仿真试验证明了该方法的可行性和有效性,并具有较高的应用价值。最后,对IMM-Jerk算法的研究方向进行了讨论。     

小高炮热线火控系统数学模型

六十年代末在航空火控系统中出现了一种名叫热线原理的新概念。它是为了解决稳环时间和对付机动目标的。实践证明,该原理比以往的火控原理优越。其优点是:稳环时间为零,且能对付机动目标。该原理对人和计算机之间进行了合理的分工,使人重新返回火控系统之中,充分利用战场信息,发挥人的主观能动性。其发明者声称,该原理亦可用于地面火控系统,但并未阐述任何理由和提出数学模型。根据此原理,我们进行了推导和分析,提出了小高炮热线火控系统的数学模型及其在小高炮火控系统中应用的可能性。     

基于粒子滤波的目标跟踪抗野值算法

运用粒子滤波对目标位置进行跟踪时,测量数据的异常突变点、目标的机动转弯、粒子数量的制约和重要性密度函数的优劣都会导致估计误差较大的野值出现,这将严重影响雷达对目标的跟踪精度。现有的野值剔除方法在目标发生机动时,都存在误剔率较高的问题。针对这个问题,采用莱特准则与机动门限准则相结合的方法,提出了不确定观测点的概念,设计了一种适用于机动目标的抗野值粒子滤波算法。仿真结果表明,该方法能较好地检测和更新野值,降低跟踪误差,提高跟踪精度。     

导弹末制导中的目标机动估计

在空空导弹末制导段为了能更好地估计目标的逃逸机动,以满足制导要求,基于"当前"模型描述目标加速度,提出了一种利用相对速度估值差来调整目标加速度方差的算法.并在导弹-目标相对运动的三维空间内,由导弹对目标的速度测量值偏差调整状态噪声,并通过自适应扩展卡尔曼滤波实现对目标机动的估计.仿真结果表明,该算法在末制导中目标的机动估计精度要优于传统方法.     

火控系统的交互多模型框架

本文简要介绍了交互多模型方法的基本原理,并将其应用于机动目标的跟踪与预测,通过计算机仿真证明了该方法应用于目标跟踪时对机动与非机动目标均有广泛的适应性,且具有良好的跟踪精度。据此,本文提出一种火控系统的交互多模型框架,将传统火控系统的目标跟踪,未来点预测及弹道解算功能统一纳入交互多模型框架中,使火控系统具有对付机动与非机动目标的综合能力。     

三星系统对地面机动目标无源定位的IMM算法

研究了三星测时差无源定位系统对地面机动辐射源定位与跟踪的滤波算法问题.将IMM滤波器应用到三星时差定位系统中,采用三模型组合的IMM滤波算法,首先通过时差测量参数计算出粗略的定位结果,接下来采用IMM滤波算法逐步估计出机动辐射源的速度和加速度,并修正初始的定位结果,提高定位精度.仿真结果表明,基于IMM滤波器的三星时差定位系统具有较快的收敛时间、较高的跟踪精度和适中的计算复杂度,能够对不同强度的机动目标进行定位与跟踪,很好地解决了三星时差定位系统对地面机动辐射源定位跟踪的算法问题.     

神经网络的单滤波器目标跟踪算法

当前统计模型及其自适应滤波(CSMAF)算法是机动目标跟踪中的一种有效方法.但该方法对目标机动加速度极限值有依赖,并且对弱机动目标跟踪的精度不高.为解决这一问题,利用一种改进的加速度方差自适应调整公式克服了对加速度极限值的依赖,同时利用神经网络对滤波参数信息进行融合,自适应调整过程噪声.仿真结果表明,该方法有很好的机动...     

临空高速目标模糊机动检测的IMM-EKPF算法

针对临空高速目标运动状态多变,跟踪困难的问题,将扩展卡尔曼粒子滤波与交互多模算法相结合,提出IMM-EKPF算法,该算法不需要计算雅可比矩阵,能有效求解非线性非高斯环境的机动目标跟踪问题。在此基础上,有效结合模糊机动检测,可以在目标机动和非机动之间转换跟踪算法,以提高跟踪精度,减少计算量。仿真验证该方法在临空高速目标运动状态多变的情况下跟踪效果较好。     

基于球坐标系下BLUE滤波的IMM算法

针对机动目标跟踪中常见的量测转换问题,提出了一种基于球坐标系下最优线性无偏估计滤波的交互多模型算法。该算法的核心思想是将最优线性无偏估计滤波作为交互多模型中的基本滤波,完成对机动目标的跟踪。在仿真试验中,将该算法与基于扩展卡尔曼滤波的交互多模型算法进行比较,结果表明该算法有效地抑制了扩展卡尔曼滤波中常见的滤波发散问题,并且提高了跟踪的精度,具有较好的实用性。