随机调制单极化有源假目标的极化鉴别研究

以分时极化测量雷达为例，分析了随机转发的单极化有源假目标的极化特性；提取了目标和单极化有源假目标的一个稳健的特征量——散射矩阵的归一化行列式值；利用单极化有源假目标和雷达目标极化特性的差异，提出了一种基于散射矩阵互易性和归一化行列式值的真假目标极化鉴别方法.对典型雷达目标和单极化有源假目标的目标鉴别仿真实验表明，该方法可以有效鉴别单极化随机调制的有源假目标和单极化噪声干扰形成的假目标.     

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。     

自适应新生目标强度PHD滤波改进SMC实现

提出了一种改进的自适应新生目标强度的概率假设密度(PHD)滤波算法.首先,对归一化因子进行了分析,在此基础上,提出了一种改进滤波策略,有效解决了归一化失衡问题;其次,在量测点附近通过无迹变换(UT)产生样本点,然后再采用粒子群(PSO)算法寻找最优点,从而得到新生目标概率密度函数的近似估计;最后,在序列蒙特卡罗(SMC)框架下对算法进行了实现.采用一种回溯策略,通过记录新生目标的状态和数目,修正存活目标的估计数目和相关航迹,进而得到每个目标的完整航迹.仿真结果表明:改进算法可以有效跟踪多个机动目标的状态和数目,滤波精度较高,具有较好的工程应用前景.     

基于GNL模型自适应无迹卡尔曼滤波的电动汽车荷电状态估计

随着电动汽车的高效发展,逐年递增的退役动力电池回收利用已刻不容缓,对电池进行精确、可靠的荷电状态(SOC)估计是实现电池梯次利用的关键技术。传统估计方法均未考虑对老化电池影响较高的自放电因素,因此采用在二阶RC模型基础上考虑了自放电因素的GNL电路等效模型,通过脉冲放电对模型参数进行辨识。对相应的状态空间方程利用矩阵二次型方法进行离散化,并利用自适应无迹卡尔曼滤波算法对荷电状态进行实时估计及更新。在间歇恒流和变电流工况下以老化电池为实验对象对算法进行了对比验证,结果表明双卡尔曼滤波法在初值估计不准确时不能及时收敛到荷电状态真值附近并跟随,基于二阶RC模型的自适应滤波算法估计的误差在工况后期较大,基于GNL模型的自适应滤波算法对老化电池的估计精度较高,误差在0. 5%之内。结果表明该方法可使状态估计值具有较小的误差和快速跟随性,满足了荷电状态估计的实际需求。     

利用相关估计的遥外弹道时间差修正新方法

遥外弹道时间对不齐误差在遥外联合数据处理中对制导工具系统误差分离具有重要影响,提出一种利用相关估计对遥外弹道时间差修正的新方法。直接利用遥外弹道跟踪数据进行相关估计受到系统偏差和随机误差的影响,难以得到精确的估计结果。在分析遥外弹道跟踪数据特性的基础上,利用最小二乘法提取出遥测和外测弹道跟踪数据趋势项,并将趋势项归一化处理后作相关估计求取时间偏差,然后对原始弹道跟踪数据进行时间修正。计算机仿真和试验数据处理证明这一方法在遥外弹道跟踪数据时间差修正上具有较高精度。     

基于区间估计的最小二乘法在卡尔曼滤波中的应用研究

卡尔曼滤波是以最小均方误差为估计的最佳准则来寻求一套递推估计的算法。最小二乘估计是最常用的估计理论,它能保证每个偏差都较小,而区间估计反映误差范围使用起来把握大,但它无法估计单点的误差。针对滤波精确度问题,为使估计值误差达到最小,滤波精确度提高,提出了采用区间估计与最小二乘法估计2种策略结合的新方法,充分利用二者优势,求得观测点与估计点的距离的平方和最小值,对目标函数多次拟合。仿真实验结果表明,区间估计最小二乘卡尔曼算法大大提高滤波精确度,与区间卡尔曼滤波相比,它有较小的误差,滤波性能也得到很好的提升,极大的降低了噪声在滤波过程中干扰,在以后实际工作中将得到很大应用。     

基于GNL模型自适应无迹卡尔曼滤波的电动汽车的荷电状态估计

随着电动汽车的高效发展,逐年递增的退役动力电池回收利用已刻不容缓,对电池进行精确、可靠的荷电状态(state of charge,SOC)估计是实现电池梯次利用的关键技术。传统估计方法均未考虑对老化电池影响较高的自放电因素,本文采用在二阶RC模型基础上考虑了自放电因素的GNL电路等效模型,通过脉冲放电对模型参数进行辨识。对相应的状态空间方程利用矩阵二次型方法进行离散化,并利用自适应无迹卡尔曼滤波算法对SOC进行实时估计及更新。在间歇恒流工况和变电流工况下以老化电池为实验对象对算法进行了对比验证,结果表明双卡尔曼滤波法在初值估计不准确的时候不能及时收敛到SOC真值附近并跟随,基于二阶RC模型的自适应滤波算法估计的误差在工况后期较大,基于GNL模型的自适应滤波算法对老化电池的估计精度较高,误差在0.5%之间。结果表明该方法可使状态估计值具有较小的误差和快速跟随性,满足了SOC 估计的实际需求。     

基于容积原则的概率假设密度滤波算法

为改善多目标跟踪问题中概率假设密度滤波精度与算法运行时间之间的关系,提高目标状态和数目的实时估计性能,提出了基于容积原则的概率假设密度滤波算法. 该算法在高斯混合粒子概率假设密度的框架下,利用容积数值积分原则直接计算非线性随机函数的均值和方差, 产生粒子滤波算法的重要性函数,实现高精度粒子的重构,来近似目标状态和数目的概率分布,并且在高斯混合概率假设密度滤波算法中进行采样和更新. 仿真验证了所提出算法的有效性,其Wasserstein误差距离优化了17.32%,目标数估计均值也提高了23.72%.      

卡尔曼滤波在GPS制导火箭弹中的应用

针对直接采用全球定位系统(GPS)测量弹道误差较大的问题,该文提出应用扩展卡尔曼滤波方法进行弹道测量。采用火箭弹弹道模型和GPS误差模型,建立卡尔曼滤波系统状态模型和以伪距为观测量的系统测量模型,推导并分析了相应的滤波公式,并对GPS动态定位的数据进行滤波。理论分析和仿真结果表明,GPS测量的位置误差和速度误差具有随机性,且误差幅度较大,采用卡尔曼滤波算法后,弹道的位置估计误差和速度估计误差分别降低到观测误差的1/3和1/4左右,而且滤波收敛速度快。     

基于非线性预测滤波和UKF的状态估计方法

非线性系统存在建模误差时,UKF的状态估计误差较大,为了提高UKF对非线性系统的状态估计能力,本文将非线性预测滤波(NPF)方法和UKF相结合,提出了一种改进的UKF。首先应用NPF求得模型误差值,得到非线性系统的修正模型,将模型离散化再应用UKF进行状态估计。在仿真实验中分别应用单纯的UKF和改进后的UKF对一个存在模型误差的非线性系统进行状态估计,对它们的估计结果进行了比较和分析,结果表明结合NPF的UKF能够提高非线性系统状态估计的精度。     

混合退火粒子滤波在MIMOOFDM信道估计中的应用

MIMO-OFDM系统信道估计是接收机进行信号相干解调的关键。针对MIMO-OFDM系统面临的非高斯噪声信道环境,结合改进的混合退火建议分布,将混合退火粒子滤波改进算法用于对MIMO-OFDM系统进行信道估计。在建立系统状态空间模型和分析混合退火建议分布基础上,将模糊推理系统用于动态产生退火参数,得到混合退火粒子滤波改进算法;将其用于对MIMO-OFDM系统进行信道估计,并对信道估计误码率、归一化均方误差和算法复杂度进行了仿真分析。仿真结果表明,与扩展卡尔曼滤波、粒子滤波、混合退火粒子滤波算法相比,混合退火粒子滤波改进算法在非高斯噪声信道环境下能够有效降低系统误码率;同时,可用较少的采样粒子获得较好的系统性能。     

箱粒子广义标签多伯努利滤波的目标跟踪算法

针对序列蒙特卡罗广义标签多伯努利滤波(SMC-GLMB)算法计算效率低、实时性差的问题,提出了箱粒子广义标签多伯努利滤波的目标跟踪(Box-GLMB)算法。该算法使用带标签的随机有限集描述多目标的状态,包括目标的位置和速度,并且对每个目标用互不相同的标签进行区分;然后利用箱粒子滤波算法近似单目标状态的概率密度,即用一组带权值的均匀分布拟合单目标状态概率密度;最后通过广义标签多伯努利滤波对多目标状态的概率密度进行预测与更新,从多目标状态后验概率密度中估计单目标的位置与速度,根据目标的标签可以实现航迹跟踪。BoxGLMB算法结合了箱粒子滤波与GLMB算法的优势,能够跟踪目标航迹,同时提高计算效率。仿真结果表明,Box-GLMB算法可以有效估计目标状态以及跟踪目标航迹,相比于SMC-GLMB算法,计算效率提升了62%。     

目标跟踪滤波性能的评价准则

针对单目标跟踪滤波性能评价标准,分析研究均方根误差、误差适配百分比、和方根误差、带有理论边界的状态误差、带有理论边界的新息序列、归一化估计误差平方和具有理论边界的归一化信息平方.针对多目标跟踪滤波性能评价标准,分析研究圆丢失概率、Hausdorff距离、Was-serstein距离和最优子模型分配距离.并讨论跟踪滤波算法时间复杂度的度量方法.     

考虑观测噪声扰动的修正H_∞滤波方法

为有效改善观测噪声方差对滤波估计精度的影响,提出了一种考虑噪声扰动的修正H_∞滤波方法.首先,在扩展H_∞滤波架构内利用无迹变换代替运算复杂的雅克比矩阵计算,并采用高斯密度近似滤波的方法来减小了观测方程线性近似误差;然后,对状态协方差矩阵的均方根进行柯西分解,采用对角元素求解的方法,降低了观测噪声的扰动误差对滤波估计精度的影响.仿真结果表明,该方法对观测噪声的扰动效应具有较强的鲁棒性.     

高斯和估计Kalman滤波在多平台空战对抗评估数据预处理中的应用

针对多平台空战对抗评估数据预处理中的过程积累误差问题进行研究。通过构建多平台空战对抗系统,分析不同平台间实时数据交互关系和相应的数据类型,采用最小二乘法和坐标变换实现不同平台间的时空配准,并对多平台空战对抗评估过程进行误差分析,将其状态误差和观测误差表示为高斯和形式,并选用Kalman滤波方法对过程积累误差进行滤波。实例仿真实验结果表明:经过滤波后的估计轨迹与真实轨迹之间的拟合效果较好,进一步完善了原有多平台空战对抗数据预处理过程。     

异步无线传感网络同时定位与跟踪算法

针对异步无线传感网络环境下同时节点定位和目标跟踪问题,提出了一种可以同时进行传感器节点定位和目标跟踪的算法.该算法利用增广状态向量法对目标状态和节点位置进行同时估计,并利用固定点平滑算法对目标状态进行最优估计,实现了异步无线传感网络环境下的目标状态的最优估计以及节点位置的估计.结合节点位置和目标状态的增广状态向量取代了传统目标跟踪算法中的状态向量,在滤波算法中被用于节点位置和目标状态的同时估计.仿真实验证明:在相同的测量次数和通信次数情况下,本算法不但能够取得更高的节点位置估计精度和目标状态估计精度,而且能够取得更多目标状态的估计结果.     

有源滤波与惯性滤波方法的综合应用

针对无源滤波、有源滤波方法对噪声信号去除能力的不足,提出一种新的有源滤波和惯性滤波相结合的滤波方法.分析了由电器元件组成的无源RC滤波器和有源RC滤波器;阐述了惯性滤波的方法及其函数,进行了对污染信号的仿真实验,将无源RC滤波、有源RC滤波及有源RC滤波与惯性滤波结合的方法进行了比较.结果表明,有源RC滤波与惯性滤波结合的滤波方法明显优于前两种滤波方法,而且结构简单,操作方便,效果较好,并降低了算法复杂度,达到比较理想的滤波效果.     

基于粒子滤波的微小型移动机器人红外定位研究

对微小型移动机器人之间的协作定位问题进行了研究.根据微小型机器人的结构特点,建立了它们之间的红外定位模型.在红外定位的基础上,将粒子滤波算法应用于微小型移动机器人的状态估计中.结合红外传感器信息更新各时刻机器人位姿信息的粒子集,并利用粒子集逼近机器人当前时刻的位姿状态.通过实验和误差分析,对所建立的基于粒子滤波的红外定位方法的可行性进行了验证.     

基于极化不变量的谐波雷达导引头目标识别算法

为解决基于目标谐波散射系数的FFT识别算法无法有效识别目标全弹道谐波散射特性的问题,采用了基于极化不变量的目标识别算法.根据目标的半导体模型拟合出目标的谐波散射系数,用卡尔曼滤波器对谐波散射系数进行估计.将估计结果作为酉矩阵的对角元素,建立了目标谐波极化散射矩阵及与其对应的功率矩阵,通过就不同的目标进行谐波散射极化计算得到了仿真结果.结果表明,与基于目标谐波散射系数的FFT识别算法相比,目标谐波极化散射矩阵行列式的值及功率矩阵的迹能反映出目标的全弹道谐波散射特性,二者可以作为有效的目标识别特征量.      

基于修正质点模型误差补偿的轨迹预估

针对修正质点弹道模型在旋转稳定弹大发射角发射时落点预测误差过大的问题.通过分析结果表明,主要误差来自动力平衡角与攻角间的偏差.为此,提出了带误差补偿的修正质点弹道模型,通过引入误差补偿系数提高落点预测精度.同时,设计了扩展卡尔曼滤波模型,实现了误差补偿系数的最优估计.利用卫星定位模拟器和接收机进行了半实物仿真实验.结果表明,过弹道顶点后落点预测误差小于20 m,能够满足旋转稳定弹二维弹道修正等应用需求.