基于SINGER模型的实时误差配准算法及分析

系统误差配准是多平台、多传感器目标跟踪的关键环节,可以有效地估计雷达跟踪系统误差,并进行准确误差补偿。若不进行精确的系统误差配准,则可能导致多平台、多传感器跟踪系统对目标融合跟踪的错误或对同一目标产生多条航迹,从而导致系统性能恶化。给出了基于目标SINGER运动模型的扩维卡尔曼滤波算法。通过仿真实验分析了误差配准精度与机动频率的关系,结论为针对不同机动频率目标进行雷达跟踪系统的误差配准提供理论参考。     

WGS-84坐标系下多空基无源传感器最大似然配准

相比多运动平台有源传感器配准或异质传感器配准问题,多平台无源传感器的配准由于无距离信息将更为复杂,鲜有相关研究。为此,首先构建了WGS-84坐标系下有偏无源观测模型,然后将最大似然配准(maximum likelihood registration, MLR)算法扩展到空基多运动平台无源传感器的配准。运用复合函数求导链式法则,推导出应用MLR算法时至为关键的传感器观测量对目标状态的雅克比矩阵。为计算该矩阵,研究了WGS-84坐标系下两平台利用仅角度观测对目标的无源定位问题。理论和仿真结果表明该方法可实现无源传感器配准,配准误差逼近其Cramer-Rao界,验证了该方法的有效性。     

基于Metropolis-Hastings抽样的系统误差配准方法

针对目标运动模型不完全的跟踪系统,为解决系统误差配准问题,提出一种基于Metropolis-Hastings抽样的系统误差配准方法。该方法通过系统误差的最大似然估计导出的等效概率平稳函数作为Metropolis-Hastings算法要求构造的概率密度函数,同时给出不同的提议函数来提高系统误差空间分布的全局性。对时变和时不变系统误差情况分别进行了仿真,仿真结果表明,所提方法在考虑系统误差统计特性的同时对解决系统误差配准问题具有有效性和可行性。     

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。     

一种改进的雷达组网误差配准算法

雷达组网系统首先要解决误差配准问题，来准确地估计和消除系统误差。对一种经典的误差配准技术广义最小二乘估计GLSE配准算法进行了研究，讨论了系统偏差增大时，配准精度退化的原因，并针对这一问题提出了一种改进的误差配准算法(MGLSE算法)。通过循环配准，MGLSE算法不但可以对真实的系统偏差进行逼近，而且当GLSE算法失效时，可以自动退出配准循环，放弃配准。仿真结果表明，系统偏差较大时MGLSE算法优于GLSE算法和其他传统的配准算法，并具有配准效果自动检验功能，防止配准后系统偏差反而增大。     

基于Input Estimation的VSIMM机动目标跟踪

IMM算法的跟踪性能很大程度上取决于模型集的选择.提出了基于InputEstimation的自适应改变模型集的变结构多模型算法IE_VSIMM.对IMM算法输出的状态估计及其误差协方差进行准Kalman滤波,由Input Estimation算法得到的加速度增量估计,可检测目标机动和生成新的模型集.修正过程则由IMM算法在新模型集上对状态估计及其误差协方差进行更正.仿真结果表明IE_VSIMM算法的跟踪性能更好.     

基于平方根UKF的多传感器融合再入段目标跟踪研究

为了提高再入段目标跟踪的精度,将平方根不敏卡尔曼滤波（unscented Kalman filter, UKF）算法与多传感器分布式融合算法相结合,提出了基于平方根UKF的多传感器融合跟踪算法。在各个独立的传感器中利用平方根UKF滤波器进行状态估计,然后通过分布式融合方法融合各传感器的状态估计值得到全局的状态估计值和误差协方差,将全局误差协方差进行加权对各传感器进行分配更新。通过仿真验证,基于平方根UKF的多传感器融合跟踪算法具有较高的跟踪性能,是一种有效的非线性融合跟踪算法。     

基于抗差UD分解滤波的导航星座整网定轨方法

针对我国导航星座的自主定轨问题,提出基于抗差UD(upper triangular matrix diagonal matrix)分解滤波的导航星座整网定轨方法。该方法对卫星轨道参数进行整网估计,通过对所有观测资料加权以避免观测粗差的影响,并利用UD分解算法来避免对协方差矩阵的直接求逆而导致的计算机舍入误差过大从而滤波发散。推导了整网定轨的数学模型,给出了抗差UD分解滤波的详细步骤。通过性能分析和仿真计算表明了该方法的可行性与有效性。     

基于数据链的雷达误差配准算法

针对没有航迹关联和系统误差分布先验信息的情况,利用数据链系统合作目标的精确参与平台定位与识别(PPLI)报告功能,提出了一种雷达系统误差配准算法.算法将雷达与PPLI航迹对映射为参数域点集,定义了参数域上的信任函数,证明了在一定假设下信任函数随公共航迹数量增加依概率收敛于以系统误差点为均值的正态分布概率密度函数,通过搜索信任函数峰值初步估计雷达系统误差.在此基础上求解雷达航迹与PPLI航迹全局最优关联关系并精确估计雷达系统误差.通过蒙特卡洛仿真验证了算法性能接近Cramér-Rao下界.     

RTQC误差配准算法性能分析

RTQC算法是一种已应用于工程中的经典的误差配准技术，但是该算法是在没有考虑随机量测误差的情况下给出的，没有揭示出随机量测误差对误差配准精度的影响规律。以雷达组网的误差配准为研究对象，推导了RTQC配准算法的准确形式，给出了随机量测误差为高斯分布条件下，RTQC配准算法的估计精度，从理论上分析了随机量测误差对算法性能的影响规律，纠正了人们对这一问题认识的偏颇。最后，通过仿真对理论分析的结果进行了验证。     

弹道导弹的雷达测轨算法

研究了弹道导弹的雷达轨道估计问题。为了解决雷达探测距离远、角度误差大、椭圆轨道计算量大和目标运动轨迹摄动大等恶劣条件下的测轨预报,并且能充分利用雷达测量误差分布的方向性以提高算法的精度和自适应能力,本文提出了机动检测多模型的目标状态估计器的预处理—给定两个时刻目标位置的轨道参数初算—多目标位置状态参数下的最小方差估计的目标轨道最优估计方法。通过对某型号防空导弹的制导控制系统仿真,可以看出该雷达目标测轨算法使其控制系统有很好的中末制导交接条件。     

考虑配准时空误差的多目标标签多伯努利滤波

针对多传感器协同跟踪目标过程中存在多节点间的信息时间延迟和空间配准偏差问题,提出基于配准偏差和时间延迟的标签多伯努利滤波(labeled multi-Bernoulli based on the registration errors and time delay, LMB-ReDe)算法。首先,通过排队论对节点个数随机变化的网络时间随机延迟进行建模;然后,构建了延迟环境中的非固定周期的目标转移过程和时间延迟过程中的伪量测;最后,在LMB滤波基础上提出LMB-ReDe算法实现目标状态的实时估计。仿真结果表明,在节点数随机变化的多传感器协同探测中,采用LMB-ReDe滤波器跟踪位置精度优于标准的LMB滤波器。     

小偏心率空间碎片天基短弧定轨方法和实验

低轨空间碎片数量巨大, 对航天器在轨安全运行造成严重影响。天基光学是空间碎片观测的重要发展方向。低轨天基光学观测平台观测低地球轨道空间厘米级碎片的观测弧段相对较短, 由单个观测弧段难以确定目标的初始轨道, 初始轨道的误差也不容易评估。本文基于可行域方法, 建立了初始轨道确定和误差估计算法。针对天基短弧光学观测数据的初始轨道不易确定的问题, 本文提出了圆轨道辅助可行域方法。通过与商业遥感卫星合作, 利用遥感视频星开展了低轨空间碎片观测实验, 并利用天基实测数据对所提出的计算方法进行了验证, 为后续利用初始轨道进行弧段间关联奠定了基础。     

一种新的地心地固坐标系传感器配准算法

针对多传感器系统进行数据融合的需要,提出了一种新的地心地固坐标系下传感器的配准算法,充分考虑了地球曲率对配准算法本身的影响,当传感器之间相距很远时仍然适用。新算法将传感器配准问题表述成一个关于传感器测量的最小二乘判决函数,然后首次引入Levenberg-Marquarat算法来对其进行优化。最后通过仿真试验对新算法的性能进行了评估,结果说明新的算法对于不同数目的测量值具有良好的一致性。     

弹目相对状态测量误差对拦截效果的影响分析

针对拦截弹中末交班过程中弹目相对状态测量误差引起的脱靶量变化问题, 在视线旋转坐标系下推导了弹目相对运动方程并进行解耦分析, 基于协方差转换法、连续离散混合系统的协方差描述函数法推导得到了弹目相对状态测量误差在末段传播的解析解及脱靶量均值、方差的计算方法。仿真解析计算与蒙特卡罗法计算结果一致, 并通过解析计算得到拦截弹相对状态测量误差与脱靶量的对应关系以及为实现拦截可允许的相对状态测量误差集。同时，仿真结果可为拦截弹中末交班信息测控精度、加速度饱和限制设计等工作提供技术参考。     

引入测速信息的雷达导引头无偏转换跟踪方法

为了满足先进地空导弹对精确弹目交会信息的需求,基于自适应卡尔曼滤波算法,提出了一种引入测速信息的雷达导引头无偏转换跟踪方法。在当前统计模型的基础上,利用递推遗忘最小二乘法估计当前加速度,得到了状态方程。在雷达测量模型的基础上,分析了极坐标系下与笛卡尔坐标系下位置、速度信息的无偏转换关系,推导了无偏转换量测误差协方差矩阵真实值和利用量测信息估计真实值的表达式,得到了量测方程。通过滤波得到的状态和误差估计信息,改进了真实无偏转换量测协方差矩阵的估计算法。仿真结果验证了所提跟踪方法在滤波精度和跟踪速度上的良好性能。     

基于低轨星网的多目标协同跟踪滤波技术

低轨高密度星网因其覆盖范围广、能够对弹道目标进行全程跟踪而受到广泛的重视。针对低轨星网对多弹道目标协同跟踪问题, 提出一种基于卡方分布和无迹卡尔曼滤波(unscented Kalman filter, UKF)的多目标协同跟踪滤波算法。该方法首先在卡方分布的假设下, 设计了一种基于测量平面的数据关联指标函数, 实现量测值的分配; 在此基础上采用变结构滤波框架对多弹道目标进行状态更新; 最后给出了多目标状态估计性能的评估指标。数值仿真实验证明, 所提算法可以有效地实现多目标在测量平面上的数据关联, 并以较少的计算量对多目标进行准确估计。     

考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。