多径环境下平面时差定位精度分析

从多径环境下时差测量误差的概率分布模型入手,研究了该环境下基于测量误差概率分布的时差定位精度模型,给出了时差定位误差椭圆的位置与大小的计算方法.通过计算机仿真,分别得出了等腰三角形布站和直角三角形布站情况下的定位误差椭圆分布,结果表明:该模型能较为直观准确地反映出多径效应对时差定位精度的影响.     

MFSK/FFH系统分集合并算法性能对比研究

推导了部分频带干扰最佳干扰系数表达式并进行了仿真验证,描述了多进制频移键控/快跳频(MFSK/FFH)系统、衰落信道和分集合并算法模型,在最坏部分频带干扰和衰落信道下,仿真对比了MFSK/FFH系统采用线性分集合并、限幅线性分集合并、自归一分集合并、排序统计自归一分集合并、乘积分集合并5种分集合并算法时的误码率性能,结果表明:在最坏部分频带干扰和衰落信道下,线性合并性能较差,其他4种算法性能较为相似,Rayleigh衰落信道中排序统计自归一分集合并和乘积分集合并算法性能最优。     

多径条件下子阵级低角测高算法

针对多径条件下的测高问题,提出了一种子阵级处理新算法.采用均匀子阵划分形成三个子阵;在子阵级解析求出协方差矩阵的正交矢量,进而构造仰角谱,谱峰的位置即目标仰角;还可以估计出复反射系数.仿真分析给出了该方法的性能与SNR、目标仰角以及复反射系数的关系,某米波雷达实测数据检验了该方法的有效性,仰角测量误差达到阵列天线波束宽度的1/84.研究表明:该算法本身不依赖未知的复反射系数,并且信号处理维数低,运算量较低,可以应用在舰载雷达和米波三坐标雷达中.     

海面多径环境下雷达目标俯仰角测量提取的研究与应用

在单脉冲测角体制下,由于多径回波信号的干扰,极大地影响了雷达对低空目标俯仰角的测量。通过对多路径反射环境模型分析,同时考虑镜面反射和漫反射的干扰,得出了岸、海基单脉冲雷达低空目标跟踪时俯仰角测量误差的产生原因,将传统的多目标分辨算法(C2算法)与偏差补偿技术相结合应用于低角多径环境下偏轴跟踪目标俯仰角的测量,弥补两种算法各自的不足。在给定的测量环境下对不同高度目标进行仿真,得到良好的仿真结果,表明两种算法结合使用,可较大地提高低空目标偏轴跟踪俯仰角的测量精度。并将其应用于某型雷达对掠海巡航飞行目标测量数据事后俯仰角的提取,与雷达实时输出的俯仰角测量数据相比,验证了该算法的有效性和可实施性。     

主动雷达导引头低空多路径效应的数学仿真分析

采用闭环跟踪的方法,分析了不同条件下,多路径对导引头测角所带来的影响。得出了2种减小多路径影响的方法,一是通过导弹弹道的调整来抑制多路径效应;二是采用宽带高距离分辨体制导引头,从距离上区分真实目标和镜像目标。     

多径条件下的空时解相关接收机研究

通过建立了一般的空时CDMA系统模型 ,探讨多址干扰和多径效应的联合抑制问题。首先分析了系统的可辨识条件 ,然后利用多约束最优化准则研究了FIR空时解相关接收机设计和实现 ,并进一步分析了系统性能     

掠海机动目标跟踪的IPDA算法

综合概率数据关联(IPDA)算法不仅能进行目标状态估计,还能提供对潜在目标的存在性/可感知性/可观测性概率的估计.这些估计通常作为评价航迹质量的参数,用于航迹确认和航迹终止.所研究的几种跟踪算法主要针对低空掠海飞行的机动目标,目标探测概率受海面信号反射导致的多路径效应和海杂波的影响而变化,将IPDA算法和EB-PDA、IMMPDA算法进行了比较研究,并提出了一种新的IPDA算法-VM-IPDA算法.仿真结果显示,VM-IPDA算法跟其他几种算法相比不仅提高准确性还能减少计算量.     

双Dwell PN码捕获算法分析及仿真

无线通信在现代指挥控制体系中扮演着越来越重要的角色.提出双最大时间间隔(Dwell)PN码捕获算法,有效地解决了传统的PN码捕获技术在频率选择性衰落信道中恶化的问题,仿真比较了双Dwell算法与传统的差动捕获算法两种算法在检测概率、虚警概率和平均捕获时间等方面的性能,结果表明在相同硬件和信噪比条件下双Dwell算法具有更优越的性能.     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

Robust cubature Kalman filter method for the nonlinear alignment of SINS

Nonlinear initial alignment is a significant research topic for strapdown inertial navigation system(SINS).Cubature Kalman filter(CKF)is a popular tool for nonlinear initial alignment.Standard CKF assumes that the statics of the observation noise are pre-given before the filtering process.Therefore,any unpredicted outliers in observation noise will decrease the stability of the filter.In view of this problem,improved CKF method with robustness is proposed.Multiple fading factors are introduced to rescale the obser-vation noise covariance.Then the update stage of the filter can be autonomously tuned,and if there are outliers exist in the observations,the update should be less weighted.Under the Gaussian assumption of KF,the Mahalanobis distance of the innovation vector is supposed to be Chi-square distributed.Therefore a judging index based on Chi-square test is designed to detect the noise outliers,determining whether the fading tune are required.The proposed method is applied in the nonlinear alignment of SINS,and vehicle experiment proves the effective of the proposed method.