防发散无迹卡尔曼滤波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模型,采用防发散无迹卡尔曼滤波方法和自适应网格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。对二维机动目标跟踪的仿真结果表明,该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。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。     

UKF算法的来袭导弹弹道预测

从来袭导弹机动模型的选取出发,结合UKF算法的推算,建立了来袭导弹弹道预测的仿真模型。同时结合实例对来袭导弹弹道预测的卡尔曼滤波算法和UKF算法的进行仿真。仿真结果表明UKF算法计算量适中、计算结果精确,非常适合用于非线性模型的预测。     

UKF与EKF在GPS/INS超紧组合导航中的应用比较

针对GPS/INS超紧组合特点,基于四元素法建立了系统的非线性状态方程,利用GPS接收机原始伪距测量信息对系统状态进行观测,并将EKF和UKF方法运用到系统进行比较,仿真结果表明UKF在姿态、位置估计上精度要优于EKF。     

基于UKF的天基红外低轨卫星自由段弹道跟踪技术

分析了天基红外低轨卫星星载传感器对弹道导弹自由段的弹道估计问题,它是下-代空间预警系统的关键技术之一.同时引入一种新的滤波估计算法UKF,该算法应用于非线性系统时具有较好的滤波估计性能.通过Monte Carlo仿真,与其他算法比较,该算法具有更好的适应能力,跟踪性能更优.     

脉冲雷达的卫星发射主动段融合弹道精度评估

卫星发射任务时,脉冲雷达测量数据在主动段实时和事后数据融合处理中占有举足轻重的地位。目前,靶场实时和事后数据融合的主流算法是"UKF"和样条约束的EMBET算法,采用这两种方法把脉冲雷达与高精度测速雷达测量数据进行融合,研究和探讨中精度设备参加卫星测量任务数据融合的情况,并对融合弹道精度进行分析与评估。结果表明,实时与事后弹道解算精度能满足要求,特别在多测速弹道不满足精度要求时,加入脉冲雷达测量数据能显著提高弹道解算精度。     

基于UKF-SOFNN的近距机动目标跟踪滤波算法

对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。     

基于平方根UKF的自由段目标跟踪算法

建立天基红外低轨星座对自由段目标的观测模型,引入精确的目标运动模型。考虑到算法的数值稳定性,引入平方根UKF算法。理论分析与实验结果表明,平方根UKF算法能够对天基红外低轨星座中自由段目标进行有效跟踪。     

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。     

应用抗差无迹卡尔曼滤波的再入弹道处理技术

针对现有无迹卡尔曼滤波在再入弹道处理中可能出现的异常观测、观测随机误差模型不准确以及动力学模型不合理等问题,在无迹卡尔曼滤波中引入自适应与抗差估计理论,研究适用于再入弹道处理的自适应抗差滤波方法。该方法可以自适应地估计测量噪声等价协方差阵和状态噪声等价协方差阵,并可实现异常值的分离和维纳模型方差的自适应调整。数值仿真结果表明:该方法计算简单,并能有效减弱测量误差和动力学模型误差对弹道处理精度的影响。