粒子滤波算法的关键技术应用

针对基于贝叶斯原理的序贯蒙特卡罗粒子滤波器出现退化现象的原因,以无敏粒子滤波(UPF)、辅助粒子滤波(ASIR)及采样重要再采样(SIR)等改进的粒子滤波算法为例,对消除该缺陷的关键技术(优化重要密度函数及再采样)进行了分析研究.说明通过提高重要密度函数的似然度、引进当前测量值、预增和复制大权值粒子等方式,可以有效改善算法性能.最后通过对一无源探测定位问题进行仿真,验证了运用该关键技术后,算法的收敛精度和鲁棒性得到进一步增强.     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

弹道滤波算法研究

为导引我方发射的制导炮弹等目标,需要在炮瞄雷达跟踪炮弹的基础上准确估计炮弹目标的位置、速度等状态信息。鉴于直接对测量的弹道轨迹建立常规运动模型滤波效果较差,提出了两种方法。一种基于弹道偏差滤波的方法,另一种是基于弹道方程滤波方法。仿真计算比较结果表明文中建立的弹道滤波算法对弹道类目标的滤波精度和反应时间上有大幅度提高。     

序贯滤波在双站无源定位中的应用研究

自卫噪声干扰条件下,制导雷达失去距离信息,无法完成对目标的跟踪任务.双站无源交叉定位是对抗自卫噪声干扰的一种常用手段,但存在计算量大、信息传输延时大等问题.提出双站序贯滤波方法克服交叉定位存在的不足,证明了序贯滤波的可观测性,仿真结果验证了提出算法的正确性.     

一种解决纯方位跟踪问题的新的最小二乘模型

对纯方位问题进行了描述,对解纯方位跟踪问题的传统最小二乘滤波方法进行了研究,并给出了具体的计算模型.通过拓展传统方法中待估计变量的维数和公式推导,提出了解决纯方位跟踪问题的一种新的最小二乘模型,并将其与传统的基于最小二乘原理的模型进行了分析与仿真比较.仿真结果表明,传统方法受初始方位误差的影响较大,新模型不受初始方位的影响,可作为传统计算方法的一种补充.     

基于自适应Kalman滤波算法的联邦滤波器

为弥补传统联邦滤波器实用性不好,缺乏对对象模型和传感器噪声的自适应估计能力的缺陷,利用自适应Kalman滤波算法的思想,结合联邦滤波器本身的算法结构,对联邦滤波器进行改进,使之具有很强的自适应性,能够自适应地计算出模型噪声和传感器噪声的协方差阵.给出了基于自适应Kalman滤波算法的联邦滤波器的计算架构,其他优秀的自适应算法均可按相同的方式加入该架构中.最后通过仿真计算验证了该算法的有效性.     

杂波环境下红外传感器滤波算法

基于定向概率数据关联滤波(DPDAF)算法,根据红外传感器对目标方位角与俯仰角分辨率不同的特性修正了似然函数,并利用等效观测噪声协方差阵修正滤波增益的思想,构造了一种旨在提高红外传感器跟踪性能的修正定向概率数据关联滤波算法.蒙特卡洛仿真结果表明,新算法对红外目标的跟踪具有比DPDAF更好的跟踪性能.     

参数和非参数滤波算法在贝叶斯估计问题中的比较

在贝叶斯估计问题中常用的滤波算法有两大类,一类是适用于非线性问题的,在卡尔曼滤波算法基础上发展出来的各种参数滤波算法,如扩展的卡尔曼滤波,拟线性卡尔曼滤波及近年提出的基于Unscented变换的Unscented卡尔曼滤波算法等;另一类是基于蒙特卡洛仿真技术的非参数滤波算法--粒子滤波.两类跟踪算法在实际问题中都得到了广泛应用.从原理上对这两类算法中的四种具体算法进行了介绍,重点分析了每种算法的长处及不足,可为实际应用中算法的选择提供依据.     

无味卡尔曼滤波在空对海单站BDO-TMA中的应用

针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering) EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性.     

基于峰度-小波包分析的雷达信号去噪方法

对雷达回波弱信号的检测能力是体现雷达侦察性能的重要指标.根据高斯分布信号的峰度为零的特性,以及结合小波包的多分辨率分析原理,提出利用峰度-小波包分析的弱信号去嗓方法.通过仿真表明,方法对于雷达回波弱信号具有良好的去噪能力,并保证原信号的特征.