两坐标雷达组网中目标高度与系统误差联合估计

针对目前两坐标雷达组网系统误差估计忽略了目标高度影响的问题,采用模块化方法,将3部两坐标雷达组网分成平面与空间两个模块进行目标高度与系统误差的联合估计,提高了系统误差估计的精度。首先分析目标高度对系统误差估计的影响,接着详细推导基于极大似然估计法的目标高度与系统误差联合估计模型,并给出估计流程图,最后建立仿真模型对算法进行验证,并和传统方法进行比较。仿真结果显示,所建立的模型能够精确估计出目标平面位置和高度信息,实现目标的三维准确定位,并且同样能精确估计出传感器系统误差,验证了算法的准确性和有效性。     

一种带加速度补偿的H∞次优滤波目标跟踪算法

提出一种带加速度补偿的H∞次优滤波跟踪算法。该跟踪算法通过不断调整H∞滤波器的参数γ来逼近H∞最优滤波器。同时,引入一个加速度估计器和一个机动检测器,加速度估计器通过目标最近三点的位置来估计目标当前加速度值,机动检测器用来检测目标是否机动,当检测到目标机动时,则启动加速度估计器计算加速度,并利用该值对目标状态估计值进行补偿。从而使得该跟踪算法不仅对目标机动具有鲁棒性,而且所得到得估计误差方法最小。仿真结果表明,所提出的目标跟踪算法对高机动目标有良好的跟踪效果。     

无角度双站地波雷达组合定位跟踪和滤波算法

高频地波雷达方位分辨率很低，尤其是对于远距离的低信噪比目标,难以给出较准确的方位角信息，从而易导致检测点迹高度分散，严重影响超视距目标的航迹形成。针对该问题，提出无角度双站地波雷达组合定位与跟踪系统的新构想。该系统由两部地波雷达站组成，仅利用各站得到的距离和径向速度观测信息进行交叉定位和跟踪。分析了该系统的两个关键问题，重点讨论跟踪滤波算法问题，建立系统定位与跟踪模型，并利用扩展卡尔漫滤波(extended Kalman filter, EKF)进行目标状态的非线性滤波估计     

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。     

利用多估计器输出间差异的目标跟踪算法及其仿真

机动目标跟踪的难点在于如何在目标的各种机动情况下都有良好的跟踪性能。本文对目标跟踪的核心问题进行了研究，指出了当前统计模型中的系统方差自适应算法、利用新息的方法和模型切换方法的局限性，并提出了利用多个估计器输出之间的差异来选取合适输出的方法。仿真结果表明，该方法能够从多个估计器输出中选择出合适的输出，对目标的各种机动情况有较好的适应能力，计算量适中。     

基于强跟踪滤波器估计的最优融合方法

在分布式雷达数据处理模式中 ,数据融合是获得较精确的目标轨迹的主要环节。为克服卡尔曼滤波器对初始值敏感、鲁棒性差和对机动目标跟踪性能差的缺陷 ,通过利用各传感器的观测数据 ,采用强跟踪滤波器对目标进行跟踪 ,以改善目标状态估计的精度。对判定源于同一目标的状态估计值 ,给出了一种估计状态线进行性组合的最优融合准则。得出了实际数据的实验结果。     

目标状态估计器研究

全面系统地研究了基于空载雷达测量体制下的机动目标状态估计器的设计问题，重点对坐标系及目标状态变量的选择进行了讨论，并将每一种设计方法得到的目标状态估计器联入综合火力／飞行控制系统中进行了Ｍｏｎｔｅ Ｃａｒｌｏ仿真，对仿真结果进行了比较，给出了相应的结论。     

考虑雷达导引头前馈补偿的一体化制导方法

针对大机动目标使空空导弹雷达导引头跟踪误差加大和制导精度下降的问题,提出了一种考虑雷达导引头前馈补偿的一体化制导方法。针对机动目标,构造视线角速度前馈补偿回路,对雷达导引头角跟踪系统进行补偿,提高导引头响应速度,降低跟踪误差角。基于视线坐标系设计一体化制导算法,采用卡尔曼滤波器对弹目视线角速度和目标加速度进行估计,将视线角速度信息前馈补偿到导引头跟踪回路中,将目标加速度信息补偿到最优制导律中,同时实现雷达导引头视线角快速跟踪和最优制导律制导信息提取。仿真结果表明,一体化制导算法可同时实现对导引头视线角速度和目标机动的估计,从而提高制导精度。     

基于雷达/红外神经网络融合目标跟踪算法

提出—种基于雷达/红外传感器神经网络融合的机动目标跟踪算法，利用神经网络的非线性逼近能力，将神经网络与卡尔曼滤波器相结合构成一个非线性估计器，该算法可以对来自红外成像传感器的补充信息加以充分利用，进行机动检测，把计算负荷转移到神经网络，在改善跟踪性能的同时又保持跟踪滤波的计算结构尽可能简单。仿真结果表明所提出的跟踪滤波算法在跟踪应用上优于—般的非线性估计算法，它最明显的优点就是减少了数字计算上的复杂性，提高了跟踪算法的快速性。     

基于神经-模糊推理网络的机动目标跟踪方法

对目标机动的检测和准确跟踪，是目标跟踪研究中非常重要但难度较大的问题。在雷达和红外融合的跟踪系统，将神经-模糊推理网络与扩展Kalman滤波结合起来，形成闭环。即提取和目标机动有关的特征量送入神经-模糊推理网络，再估计目标机动输入，实现对机动目标的精确跟踪。仿真试验说明了本文所采用方法的有效性。     

带反馈信息的纯方位水下分布式融合算法

针对水下被动目标跟踪的特点，为了改善跟踪性能，本文研究纯方位水下分布式模型中多传感器的状态估计技术。参照雷达系统中的反馈机制，在观测平台有效机动的情况下，利用多传感器量测的方位序列进行状态估计融合。仿真结果表明，融合中心能够完成对目标的状态估计，且引入反馈机制可以明显改善局部传感器的估计精度。这为水下被动目标跟踪的实现，提供了工程应用参考。     

高分辨距离像辅助的机动目标跟踪算法

宽带相控阵雷达可以获得高分辨距离像,利用此特征获取目标的姿态角成为了一种可能,基于此提出了一种新的机动目标跟踪算法,充分利用高分辨距离像特征,实时估计目标姿态角,并将姿态角信息融合到雷达的量测方程,本文结合先进的非线性滤波算法,提出了利用姿态角的交互多模型不敏卡尔曼滤波算法。通过计算机仿真表明,利用目标姿态角的机动目标跟踪算法相比传统算法目标跟踪精度(位置精度和速度精度)得到很大提高。同时姿态角误差越小,目标跟踪性能越好。     

带攻击角度约束的浸入与不变制导律

对含攻击角度约束的机动目标拦截问题,基于非线性系统控制的浸入与不变(immersion and invariance, I&I)理论设计了一种新的自适应制导律。将目标机动综合作用作为系统干扰建立拦截问题的数学模型。制导律设计分两步完成:第一步设计I&I干扰估计器估计系统干扰,第二步设计考虑估计器跟踪误差下的I&I制导律。然后基于输入-状态稳定理论证明闭环制导系统稳定性。由于不涉及切换函数的问题,制导指令光滑连续。在该制导律作用下,视线角速率收敛速度快,导弹抗目标机动的鲁棒性强,并能够保证攻击角度要求,仿真证实了制导律的有效性。     

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。     

IMM模型组的选择与参数的设定

交互多模型中模型的确定直接影响到滤波跟踪的精度,通过比较典型单模型和不同模型组的交互多模型的性能,确定适合于所有运动状态的模型组.针对两坐标雷达获得的方位、距离信息,比较不同参数模型的跟踪精度,为模型组中的模型制定较为合理的参数.实际数据验证表明,所选择的模型组与设定的参数更适用于两坐标雷达对目标所有运动状态的跟踪滤波.     

杂波环境下多传感器跟踪的数据融合

本文介绍了一种在杂波环境下,利用两个传感器跟踪一个高度机动目标的算法。该算法是由以下两个算法相结合组成：（１）适合杂波环境下机动目标跟踪的概率数据关联滤波算法;（２）适合高度机动目标跟踪的混合多模算法。文中给出了这种新算法的一个计算机模拟结果。     

自适应CS模型的强跟踪平方根容积卡尔曼滤波算法

对于目标跟踪过程中的强机动问题,基于当前统计(current statistical, CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square root cubature Kalman filter, SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF STF)算法和交互式多模型(interacting multiple model, IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM SCKF算法,实时性有明显改善。     

宽带一维像雷达单脉冲跟踪建模仿真

宽带成像雷达通常采用窄带跟踪和宽带成像分时交替进行,这样势必造成雷达资源浪费.为了有效利用雷达资源,一旦窄带跟踪到目标后,雷达可以转入宽带一维成像与单脉冲跟踪.研究宽带一维像单脉冲跟踪模型,给出了高速运动目标宽带线性调频信号回波模型,根据该信号是同调频率的多分量信号的特点,将Radon模糊图变换法应用于调频率估计和一维像运动补偿,并给出了宽带一维像的测速、测距和测角模型.一维像的目标连续定位跟踪可以增加目标跟踪数据率,提高宽带雷达对机动目标跟踪能力.仿真结果验证了宽带一维像目标单脉冲跟踪技术的可行性和跟踪精度.     

基于预测信息的量测转换序贯滤波目标跟踪

针对多普勒雷达目标跟踪问题,提出了基于预测值量测转换的序贯滤波目标跟踪算法。该算法采用基于预测信息的量测转换方式解决量测与目标运动状态的非线性,其中位置量测转换采用乘性去偏、伪量测转换采用加性去偏,量测转换误差的统计特性基于预测值进行推导,并采用序贯滤波方式处理伪量测以实现目标跟踪。同时将该算法扩展到机动目标跟踪情况,综合利用了位置量测与伪量测滤波部分输出的概率组合作为该模型的更新概率,利用模型更新概率对各滤波器的状态估计结果进行加权求和获得最终估计。仿真结果表明该算法与传统的序贯滤波跟踪算法相比,具有更高的跟踪精度,其扩展方法可实现有效的机动目标跟踪。     

基于高分辨距离像的目标姿态角估计算法

目标的姿态角是目标运动状态的一个重要参数,在目标监控、目标跟踪、目标识别、导弹制导律设计等多个领域都有着很广泛的应用。不同于传统的利用图像传感器得到光学图像估计目标姿态角的方法,针对有翼导弹等弹体目标跟踪应用中的姿态角估计问题,利用高分辨雷达得到的距离像,给出了姿态角估计的流程,提出了基于距离像匹配及运动状态滤波辅助的估计算法,并针对一个导弹末端机动场景实现了姿态角的连续跟踪,验证了本文提出的姿态角估计算法的可行性。