基于QIPF的弱目标检测前跟踪算法

针对低信噪比条件下弱目标检测跟踪问题,提出一种拟蒙特卡罗智能粒子滤波检测前跟踪算法(Quasi-Monte Carlo Intelligent Particle Filter Track Before Detect,QIPF-TBD)。首先,该算法采用拟蒙特卡罗技术改善探测空间中粒子分布的均匀性;其次,通过对更新阶段的粒子进行交叉变异等操作,提高粒子重采样之后的多样性。与同类算法的仿真分析表明,所提方法能有效改善低信噪比目标的检测概率和跟踪精度。     

基于粒子滤波改进的VTS微弱目标检测前跟踪算法

舰船交通服务系统是民用雷达的信息集成系统,探测微弱目标存在RCS小、回波弱、杂波强等问题,导致信噪比低,难以实现有效检测跟踪。基于粒子滤波的检测前跟踪技术对低信噪比下微弱目标信息积累和探测有良好效果。通过采集单设备实测数据,构建遗忘因子和收敛因子以增加重采样的效率,引入虚拟采样保持粒子的多样性,提升粒子滤波对微弱目标的探测能力。仿真试验表明,改进后的算法可实现舰船交通服务系统对微弱目标的有效探测,并能获得较精准的目标状态估计值。     

BDS导航信号抗电离层闪烁载波跟踪的自适应卡尔曼滤波算法

电离层闪烁会引起导航信号幅度和相位的快速衰落,严重影响跟踪环路的精度和稳健性,而相比频率跟踪和伪码跟踪,载波跟踪环路更易受电离层闪烁的影响而失锁。因此,提出一种基于相位锁定指示自适应扩展卡尔曼滤波的北斗导航信号抗电离层闪烁载波跟踪算法,其以同相与正交支路的积分结果估计相位锁定指示值,并采用该指示作为控制参数对不同闪烁场景下扩展卡尔曼滤波的观测向量进行自适应调整,这不仅能够提高跟踪环路的精度和稳健性,而且能够降低扩展卡尔曼滤波发散的概率。实验结果验证了相关分析和所提跟踪算法的有效性。     

过载系数未知的反舰导弹跃升俯冲过程跟踪算法

针对反舰导弹跃升机动过程的跟踪中,过载系数未知导致跟踪模型与导弹实际运动的不匹配问题,对状态变量进行扩展,应用扩展卡尔曼滤波对过载系数实时估计,实现对跃升俯冲机动过程的跟踪。仿真结果表明,该算法可准确估计出过载系数,显著提高跟踪性能。     

利用星载相机成像信息进行卫星姿态确定的方法(英文)

随着卫星定姿精度要求的日益提高,仅用常规卫星敏感器已经不能满足高精度定姿要求,针对该问题,提出一种利用星载相机的单点成像信息进行卫星姿态确定的算法,根据相机成像原理推导出卫星姿态角与像点位置的关系,结合数字相机的特殊成像方式,建立了用误差四元数描述的线性相机测量残差模型,并给出联合常规姿态敏感器进行联合姿态确定的方案.仿真结果证明星载相机的信息的引入使得稳态姿态估计精度由0.002 6°提高到0.000 69°,并且加快了滤波收敛速度.     

捷联惯导大失准角误差模型在快速传递对准中的应用

针对快速传递对准中主子惯导相对姿态存在大角度的情况,推导了捷联惯导大失准角误差模型.该模型采用欧拉角表示姿态误差,并用欧拉运动方程准确描述其传播规律.鉴于该模型中的姿态观测方程是复杂的非线性函数,采用无需求导的UKF算法,并采用奇异值分解(SVD)解决方差阵的病态问题.仿真结果表明,该算法在小角度误差条件下滤波精度优于线性模型,并且适用于大角度误差条件.     

射频发射模块非线性效应的消除方法

射频模块存在相位特性的非线性效应,群延迟随频率的变化不再是一个常数,并可能造成输出射频信号的波形失真,而影响精密射频信号源的输出精度。基于递归最小二乘算法的自适应滤波器,提出了消除其非线性效应的新方法。并以GPS模拟源为例,利用其自校模块,采用软件无线电和数字信号处理技术,精确估计出射频模块的模型参数。将基带合成信号通过一个数字逆滤波器,以消除相位的非线性和群延迟随频率的变化。利用自编的仿真程序包,在Matlab中进行了相应的模拟计算。仿真结果表明,该方法可有效地消除相位非线性效应对射频信号的影响,输出信号的波形失真在理论上可控制在0.01%以内。     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。     

非线性滤波方法在水下目标跟踪中的应用

在对扩展卡尔曼滤波、不敏卡尔曼滤波和粒子滤波3种非线性滤波方法进行研究的基础上,对粒子滤波算法的重要性密度函数的选取方法进行了研究。结合水下目标的被动跟踪的应用背景,比较了3种滤波算法在水下目标跟踪中的性能差异。结果表明,粒子滤波算法能较好的用于非线性、非高斯条件下的水下目标跟踪。     

矩阵外积法Kalman滤波器在动态GPS定位中的应用

由于计算机有效字长的限制,滤波算法在计算机上实施时易于产生误差积累,误差协方差失去正定性或对称性,从而出现数值计算中的不稳定现象.一般情况下,当状态变量维数超过10时,滤波过程中出现滤波结果不稳定现象概率增大.为了解决滤波器数值计算不稳定问题,实践中提出并应用了许多方法,如自适应滤波、固定增益滤波、平方根滤波等.这些算法的不足是计算繁琐,效率低下.提出一个基于矩阵外积法所设计的快速、稳定的滤波算法,该卡尔曼滤波算法速度快,效率高,数值稳定性好,运算量少,将其应用于动态GPS定位验证了其有效性.