光电跟踪系统中高频测角信息的攫取研究

为了能够充分利用光电跟踪设备相邻两次激光测距间隔内的高频测角信息，以提高目标跟踪精度，给出了一种航迹“融合”式目标状态估计方法。该方法借助扩展Kalman滤波算法．将无测距信息时刻的目标测角信息代入独立的滤波器，而对有距离时刻的目标测量信息建立另外的滤波器，然后将两滤波器的输出结果进行加权融合，从而在不增加任何硬件成本的前提下，进一步提高了具有激光测距的光电跟踪系统的目标状态估计精度。对模拟数据和靶场实测数据的测试结果表明了该方法的可行性和有效性。     

有色观测噪声条件下的分布式Kalman最优融合

传统分布式Kalman融合算法通常假定观测噪声是白噪声,在有色观测噪声条件下将导致系统性能的降低,而白化有色观测噪声会加剧传感器估计误差的相关性,对这种相关性的处理是分布式Kalman融合的难点.提出了一种基于有色观测噪声多传感器系统的分布式Kalmn最优融合算法,将系统状态分解为不相关的两部分,进行非扩维Kalman滤波以及分布式状态融合,证明了分布式状态融合等价于集中式Kalman最优融合,并进一步分析了具有反馈和非反馈两种结构的多传感器系统,给出了反馈结构下修正的分布式Kalman最优融合算法.同时分析了有色观测噪声对Kalman滤波器的影响.理论分析与蒙特卡罗仿真表明:所提算法具有全局最优性并且便于工程实时计算.     

多传感器异步融合技术研究

多传感器信息融合理论大都是在无系统偏差和量测同步的理想条件下给出的，而实际的工程背景却并非如此。因此，在实际的工程实践中发现融合的效果并不理想，有的甚至不如融合前的效果好。为解决这一问题，研究了系统偏差条件下的多传感器异步融合问题。针对不同的工程背景，提出了两种异步融合算法：异步卡尔曼滤波（asynchronous Kalman filter, ASKF)算法和扩展异步卡尔曼滤波（generalized asynchronous Kalman filter， GASKF）算法。仿真表明，两种算法实现了异步量测条件下目标状态和系统偏差的有效跟踪。     

一种基于多角度的运动目标参数估计新方法

在目标匀速直线运动的假设下 ,通常的运动目标参数估计方法 ,需要得到航迹上的 2个有效测量点来建立航迹初值。该文提出了一种新的基于运动目标多角度信息的参数估计方法 ,在提高激光动态回波率受限制的前提下 ,从得到第 1个目标距离信息开始即可建立航迹初值 ,从而可以缩短火控系统的反应时间。由于利用光学仪器可以被动地测量目标的多角度值 ,并且理论上只需获得 1个主动激光回波 ,这将使测量仪器在一定程度上具有隐蔽性