基于IMM算法的机场场面运动目标跟踪

为了实现对机场场面运动目标的精确跟踪,研究了将交互式多模型（interacting multiple model, IMM）滤波算法应用到机场场面监视雷达对运动目标的跟踪中。首先,根据飞机的真实运动情况建立了飞机的匀加速运动、匀速转弯运动及匀速运动模型,然后,利用无迹卡尔曼滤波(unscented Kalman filter, UKF)与IMM相结合的UKF-IMM算法对场面雷达监视的飞机的运动进行了跟踪建模,并将UKF IMM算法与基于扩展卡尔曼滤波（extended Kalmam filter, EKF）的EKF-IMM和基于当前统计模型的单模型跟踪算法进行仿真比较。结果表明,UKF-IMM跟踪算法在雷达场面跟踪方面具有更大的应用价值。     

基于修正卡尔曼滤波的目标跟踪

分析了卡尔曼滤波算法在目标状态发生突变和运动模型建立不准确时估计精度降低,甚至发散的原因,对比自适应渐消卡尔曼滤波算法,提出了一种通过直接修正预测值来提高卡尔曼滤波算法精度、改善算法性能的修正算法。修正的算法通过设置判定准则和修正准则,实时修正预测值,在滤波初始阶段可迅速降低估计误差、提高稳态时的滤波精度、缩短收敛时间;当目标发生状态突变时,可消除或降低由于目标状态突变造成的滤波跟踪精度下降、滤波发散的问题;当目标运动建模不准确时,可消除或降低由于建模不准确带来的模型误差。仿真实例说明了算法的有效性和较强的实际应用指导意义。     

基于EKF及弹道方程的弹道目标跟踪滤波器设计

针对地面跟踪雷达多目标、低数据率、高跟踪精度要求, 提出了基于弹道运动方程的扩展卡尔曼滤波(extended Kalman filter, EKF)算法。建立了导弹被动段精确的质心运动方程, 改进了EKF算法, 经过与传统的基于常加速模型的EKF算法和基于弹道运动方程的无迹卡尔曼滤波(unscented Kalman filter, UKF)算法比较, 验证了基于弹道运动方程的EKF具有低数据率下滤波精度高、计算量小等优点, 解决了地面跟踪雷达实际中遇到的问题。     

变结构交互式多模型滤波和平滑算法

针对机动目标跟踪问题，提出了一种变结构交互式多模型滤波和平滑算法。首先，对多模型滤波和平滑问题进行了简单描述，并给出了前向交互式多模型滤波和后向交互式多模型平滑的数学模型；然后，建立了变结构交互式多模型算法的精确模型，模型子集之间并行独立运行，通过选取概率最高的模型子集的状态估计作为最终的估计结果；最后，对变结构交互式多模型算法的滤波数据进行平滑处理，得到了变结构交互式多模型滤波和平滑算法。所提算法将前向滤波和后向平滑相结合，提高了目标跟踪精度。仿真结果表明，变结构交互式多模型滤波和平滑算法的跟踪效果优于其他方法。     

运动参数受限的目标跟踪算法研究

提出一种运动参数受限的目标跟踪算法,对于速度受限目标采用平滑修正滤波跟踪算法,首先使用Kalman滤波得到当前时刻的滤波值,找到平滑精度最高点,根据速度限制条件,对滤波结果进行修正。为了保证滤波的无偏有效性,修正计算得到的结果不参与后续滤波处理。通过理论分析和仿真表明,速度受限跟踪算法在观测误差相对较大以及滤波起始阶段可以使滤波跟踪效果获得较大的改善。     

多雷达组网虚拟观测卡尔曼滤波算法研究

多雷达组网对空域运动目标跟踪时,组网雷达极坐标测量值与目标状态值呈非线性关系,不满足卡尔曼滤波线性化使用要求。提出将组网融合中心惯性坐标系虚拟为滤波观测坐标系,使得滤波状态和虚拟测量简化为线性关系,通过虚拟观测噪声建模、滤波初始化建模,解决了多雷达组网使用卡尔曼滤波对空域运动目标的最优化滤波估计问题。软件仿真测试和检飞数据验证表明:虚拟观测卡尔曼滤波算法(Virtual-Observation Kalman Filter Algorithms,VOKFA),滤波精度高、算法稳定性好,非常适合于多雷达组网滤波跟踪工程应用。     

非全测状态下的机动目标跟踪

针对空空导弹制导过程中可能出现测量信息不全的情况,以机动目标的“当前”统计模型为基础,在螺旋机动目标模型下对机动目标进行了跟踪滤波。在深入研究了扩展卡尔曼滤波算法、衰减记忆扩展卡尔曼滤波算法的基础上,利用改进的强跟踪滤波算法进行了非全测状态下的机动目标运动信息估计。仿真实验表明:改进的强跟踪滤波算法不仅能很好地完成速度和距离跟踪;如果加上多普勒速度测量,改进的强跟踪滤波算法还可跟踪上加速度。仿真结果表明了改进的强跟踪滤波算法的有效性。     

机动目标跟踪的斯-厄米特粒子滤波算法

闪烁噪声环境下的机动目标跟踪实质上是一个非线性非高斯系统滤波问题,为了提高跟踪精度,应用高斯-厄米特滤波方法来产生粒子滤波器(PF)的重要密度函数,解决了PF算法的粒子退化问题,并给出了基于高斯-厄米特粒子滤波器(GHPF)的闪烁噪声机动目标跟踪算法。仿真结果表明,各种PF算法对闪烁噪声机动目标的跟踪精度远远好于卡尔曼滤波方法;同时GHPF不仅提高了估计精度,而且减少了粒子数目,降低了算法的复杂度,因此其综合性能要好于其他PF算法,具有较高的跟踪精度和较好的实时性。     

一种多模自反馈角被动跟踪算法

针对多模贝叶斯“滤波—辨识联合算法”(JEI)多次迭代后存在的滤波器发散问题,提出了一种基于数据融合的多模自反馈被动角跟踪算法(MSPT DF)。特点是利用数据融合理论中的自反馈方法,将基于最小方差准则的反馈机制引入到原有算法中,使得误差较小的“融合”滤波结果能够实时地反馈给子模型,帮助其修正滤波误差,并且根据各模型的方差大小调整模型权重;改进算法大大改善了原有算法稳定性差和跟踪精度不高的缺点,计算机仿真结果证明了文中结论。     

基于模型转换频率估计的低空目标分类

为解决传统机械扫描预警雷达的低空目标分类问题, 提出一种利用模型转换频率估计的飞鸟与无人机目标分类方法。首先, 建立可能的无人机和飞鸟目标运动模型, 进而对目标轨迹进行多模型滤波和平滑处理。然后, 通过估计目标的模型转换频率实现目标分类。仿真结果验证了所提方法的鲁棒性和有效性, 证明经过平滑处理的目标分类结果优于仅经过滤波处理。针对低空预警雷达在机场和海岸环境中采集的真实数据, 在无人机频繁改变飞行方向模拟飞鸟机动性特征的情况下, 所提方法仍然可以较好地跟踪和区分无人机与飞鸟目标, 大幅降低了雷达系统的虚警率。     

SR-CH∞KF用于弹丸飞行姿态测量研究

为提高弹丸姿态测量精度,提出一种基于H∞滤波的平方根容积卡尔曼滤波.该方法通过三轴地磁传感器和陀螺仪组合测量模型,采用欧拉角算法模型减少状态维数并使状态方程呈现线性化,可以减少计算量.该方法可以适用于量测噪声不确定的情况,引入新息序列不断修正误差限定参数来更新量测噪声估计值,可以提高滤波的精度和鲁棒性.奇异值分解能够保...     

基于高程异常补偿的飞机终端区组合导航高度优化算法

大型机场终端区飞机的进近着陆通常利用仪表着陆系统(instrument landing system, ILS), 但由于价格及环境条件等原因, 部分机场没有配备ILS。针对未配备ILS的机场终端区, 提出一种基于误差判断因子, 结合高程异常补偿算法, 利用大气数据系统(air data system, ADS), 捷联式惯性导航系统(strapdown inertial navigation system, SINS)和北斗导航系统(beidou navigation system, BDS)组合进行高度计算的优化算法, 提高飞机进近过程中高度定位的精度。通过结合机场终端区高程异常, 建立新的Kalman滤波高度量测方程, 对组合导航系统高度定位算法进行优化与仿真。仿真结果表明, 通过终端区高程异常补偿, 可以降低BDS高度误差, 抑制SINS误差发散, 在飞机受静压源误差影响的情况下, 组合后的高度定位误差相对于单系统高度定位的误差可降低41.52%, 高度定位精度改善较好。     

基于概率数据关联的雷达导引头抗速度拖引干扰算法

针对在速度拖引干扰下, 脉冲多普勒雷达导引头无法精确跟踪、制导目标的问题, 提出了基于概率数据关联的抗速度拖引干扰算法。对于雷达导引头角度测量信息和Doppler测量信息, 采用序贯扩展卡尔曼滤波算法进行目标状态估计。根据Doppler信息强非线性的特点构建了伪量测信息, 并提出了在Doppler量测更新滤波估计阶段，采用概率数据关联算法进行抗速度拖引干扰。给出了算法的推导过程, 并进行了数值仿真验证。仿真结果表明, 采用该算法能够稳定跟踪释放多重速度拖引干扰的目标, 有效抑制速度拖引干扰对制导信息估计的影响, 改善导弹的制导精度。     

高频地波雷达飞行目标高度估计

高频地波雷达探测空中目标时缺乏俯仰角度信息,不能直接获取飞行目标高度,目标状态初始值对跟踪精度影响很大。提出一种拟牛顿法与高度参数化迭代扩展卡尔曼滤波(heightparameterized iterated extended Kalman filter,HPIEKF)结合的方法跟踪目标三维信息。首先利用雷达系统过去时刻和当前时刻的观测信息通过拟牛顿法估计目标的飞行高度;其次,用该高度值初始化HPIEKF,对飞行目标进行三维信息跟踪。仿真实验表明,拟牛顿法能够以较小误差估计出目标飞行高度,利用该估计值作为HPIEKF跟踪的初始值,提高了跟踪精度。     

基于辐射能量缩减约束的双机雷达协同目标跟踪方法

辐射能量减缩是提高机载雷达射频隐身性能的有效途径。针对目标跟踪过程中辐射能量的减缩量约束, 首先通过分析双机雷达协同的目标回波信噪比, 分别从双机与目标距离比和目标雷达散射截面积推导了其对雷达总辐射能量减缩值的贡献; 然后针对雷达目标跟踪过程中的采样间隔算法, 分析了基于滤波残差的递推法与其他两种方法的目标跟踪精度与仿真计算效率; 最后利用交互式多模型卡尔曼滤波算法与基于滤波残差的递推采样间隔法仿真, 验证了目标跟踪过程中双机雷达辐射能量的减缩量, 并仿真了有源无源协同目标跟踪对双机雷达总辐射能量减缩值的贡献。实验结果表明，本文设计的跟踪策略具有更佳的隐身性能。     

基于强跟踪UKF的航天器自主导航间接量测滤波算法

针对广义卡尔曼滤波(extended Kalman filter, EKF)和无迹卡尔曼滤波(unscented Kalman filter, UKF)缺乏对系统异常的在线自适应调整能力、导致滤波器精度降低的问题,提出了一种将强跟踪滤波(strong tracking filter, STF)和UKF相结合的滤波算法,并进一步采用部分状态信息作为间接观测量,同时量测噪声方差阵实时调整,从而避免了对观测方程求取Jacobi矩阵的过程,使滤波器的设计得到简化。将该算法应用于航天器自主导航系统中,仿真结果表明,该算法在系统出现突变或缓变异常时,能够迅速检测出异常,在保证较高估计精度的同时,提高了系统的可靠性。     

基于迭代无迹卡尔曼滤波的SLAM算法仿真研究

对迭代无迹卡尔曼滤波算法在SLAM问题中的应用进行仿真研究。通过仿真分析发现,与一般的无迹卡尔曼滤波算法相比,迭代的算法有时无法提高SLAM的精度,继而探讨了SLAM问题中选择采用迭代算法的条件;同时针对迭代算法的观测更新阶段,用阻尼的高斯-牛顿迭代方法改进完全高斯-牛顿迭代方法,从而提出一种改进的基于迭代无迹卡尔曼滤波的SLAM算法。仿真实验对提出的迭代条件进行了验证,仿真结果表明提出的SLAM算法与无迹卡尔曼滤波算法相比,可以进一步提高SLAM问题的估计精度。     

飞行器动力学信息辅助MEMS惯导系统

使用微机械电子(micro electro mechanical systems, MEMS)惯导系统(inertial navigation system,INS)的飞行器由于其MEMS惯性器件测量精度低,致使导航误差快速发散。针对该问题,提出了一种利用飞行器动力学(aircraft dynamics, AD)信息辅助MEMS惯导解算的方法。〖JP2〗它基于AD建立的飞行器运动模型和运动误差模型,利用实时解算的飞行器运动状态构建卡尔曼滤波器对MEMS惯导误差进行估计和修正。在此基础上,进一步考虑了INS/全球定位系统(global positioning system,GPS)组合导航时该方法的改进算法,提出了一种利用GPS定位信息和预测滤波器对飞行器动力学模型误差估计的方法。最后的半实物仿真实验结果表明,飞行器动力学信息辅助滤波器可以有效地减小系统误差,提高 MEMS惯导系统输出精度。