基于极坐标的稳定UKF单站无源目标跟踪算法研究

单站无源目标跟踪系统中存在着可观测性弱、初始误差大的问题,目标跟踪算法的稳定性和快速收敛性显得尤为重要.结合利用空频域信息的单站无源目标跟踪系统的特点,提出了一种稳定的改进UKF算法,采用一组新的状态变量替代了原有状态变量,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,明显改善了目标跟踪算法的稳定性和收敛性.增加二次采样过程,取代了传统UKF算法的状态变量扩展,降低了算法的计算量,实现更容易.与现有的单站元源目标跟踪算法(如EKF、UKF)相比,算法具有稳定性好、收敛速度快、跟踪误差小的特点,是一种稳定的单站无源目标跟踪算法.数值仿真结果表明了算法的正确性和有效性.     

多传感器测向定位方法研究

无源定位技术具有良好的隐蔽性,对于提高系统在电子战环境下的生存能力有着十分重要的意义.因而采用多传感器的无源定位技术在军事领域中有着广泛的应用.建立了仅利用有角度信息的多传感器无源定位模型,在测向时间同步的条件下,利用基于UKF的序贯滤波算法提高定位精度.仿真结果表明滤波算法有效.     

冗余捷联惯组信息容错管理算法

对于单机多表斜置冗余捷联惯组的故障诊断、隔离和重构,提出无迹卡尔曼滤波结合三交叉容错融合方法。考虑各误差项,对不同的冗余配置建立统一数学模型。通过三交叉重构模型的设计可快速隔离一度故障并输出正确结果,对被隔离的故障表各误差系数采用无迹卡尔曼滤波方法标定,可辨识因误差系数改变而引起的软故障。以单机五陀螺的两种误差系数软故障为例仿真验证了冗余捷联惯组信息容错管理算法的正确性。     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。     

基于UKF的自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯（CT）模型,采用无迹卡尔曼滤波（UKF）方法和自适应网格（AG）的模型集自适应策略,研究了一种变结构交互式多模型算法,即：基于UKF的自适应网格交互式多模型（UKF-AGIMM）算法。对二维机动目标跟踪的仿真结果表明,本算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用     

UKF在反辐射无人机抗目标雷达关机中的应用

基于捷联惯导/反辐射导引头组合抗目标雷达关机制导方案,研究了UKF方法在对目标雷达被动定位中的应用.针对反辐射导引头测角存在非线性特性的特点,提出了一种基于扩展状态变量维数的方法同时实现目标状态估计和导引头非线性特性补偿.仿真结果表明,UKF方法与传统的EKF方法相比具有更高的定位精度.     

基于UKF_IMM的多信源机动目标跟踪研究

针对异类传感器的非线性机动目标跟踪中,由于采样信息差异、目标强机动等原因造成的跟踪性能低或失效等问题,提出UKF_IMM跟踪算法并进行了仿真计算.该方法直接面向极坐标量测信息,计算量小,且有较强的鲁棒性.仿真结果表明:该跟踪方法能获得较高的目标跟踪精度,系统反应时间短,目标跟踪稳定、连续,有重要的工程参考价值.