雷达组网目标定位精度分析和评估

分析了影响多雷达组网对目标跟踪精度的因素以及与单雷达的差异，提出了定义雷达网目标定位精度，以及评估多雷达组网后在目标定位精度方面带来增益的方法。推导了雷达网对目标定位精度和相应评估指标的估计公式。该文方法不要大量的计算机仿真就可以方便地评估2-D、3-D以及混合雷达网的目标定位精度和效能。通过应用实例说明了该文方法的优点和有效性。     

距离定位中的多传感器布局分析

利用目标定位的Fisher信息矩阵对采用径向距离、距离和、距离差定位的多传感器布局进行了研究.根据Fisher信息矩阵的几何特性,定义了传感器的单位球面布局,并指出决定Fisher信息矩阵特性的最直接因素是单位球面布局,而不是传感器的实际布局形式.在等测量方差假设下,分析了单位球面布局组合与拆分的关系,提出了奇异性布局的几种形式.以归一化GDOP因子最小为最优准则,讨论了某一参考坐标轴上的布局投影分布对该坐标方向定位精度的限制,并比较了三种距离定位的最优定位精度,其中,径向距离定位的最优定位精度优于其他两种距离定位方法.     

水下机动目标跟踪系统的实时数据处理

本文介绍α－β滤波器和多径跟踪技术的基本原理，在超短基线水声跟踪定位系统中，用于对水下机动目标的航行轨迹进行实时滤波和跟踪。经湖上试验验证，该技术可明显改善定位精度，并具有良好的裤时跟踪能力。     

水下目标定位中的声线折射修正方法

研究了提高水下目标定位精度的一种误差修正方法-声线折射修正方法.首先根据水下声线传播环境和声速变化规律建立了海水的折射率球面分层模型.然后基于Snell定理,利用射线描迹方法得到从声源到水下目标的声线传播轨迹,从而建立声线的真实传播距离和角度模型.经与声纳测量系统的测量参数比对,建立了水下目标定位中的声线折射误差修正模型.根据实测的海水声速剖面,利用折射率球面分层模型和声线折射修正模型进行了水下目标定位的数值计算.实验证实,采用声线折射修正方法可以有效地提高水下目标的定位精度.     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

分布式传感器网络中基于数据融合的目标定位算法研究

利用分布式传感器网络以及数据融合方法来提高探测系统的检测与定位精度正在成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。算法采用两级自适应调整得到最优加权因子。首先利用线性最小方差估计(LMSE)算法得到权系数的初始值,然后利用训练节点和递归最小二乘(RLS)算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真。仿真结果表明,相比单节点定位,融合算法的定位精度有约一到两个数量级的提高。     

非一致噪声下的多阵列直接定位算法

针对实际无源定位系统中多个阵列分散分布以及单个阵列各阵元之间差异造成的噪声功率分布不均匀导致直接定位(DPD)算法精度下降的问题,提出了一种非一致高斯白噪声场中的多阵列最大似然DPD(UN-ML-DPD)算法,并推导出该条件下的克拉美罗界。首先计算各阵列输出协方差矩阵;再将计算结果传到数据处理中心;然后由数据中心通过迭代的方式同时对目标位置与非一致噪声功率进行最大似然联合估计,以收敛后得到的结果作为目标位置精确估计值,从而减弱了非一致噪声对DPD算法的影响;最后在多目标条件下用交替投影法降低算法复杂度。较之传统算法,UN-ML-DPD算法能够提高多阵列在低信噪比下的定位精度。仿真结果表明:UN-ML-DPD算法在-15dB的低信噪比下估计误差小于15km,与DPD算法相比定位精度提高15%以上;能较为准确地估计各阵列噪声协方差矩阵,在标准噪声功率小于30 W时估计误差小于3.5 W;在高信噪比下定位精度能够逼近克拉美罗下界。     

改进PDA-AI方法的运动目标跟踪性能分析

为了解决概率数据关联法(PDA-AI)的信号模型与光电探测跟踪系统不符的实际问题,提出了采用目标信号幅度连续性和运动轨迹一致性进行运动分析的改进PDA-AI(MPDA-AI)。该方法利用目标信号幅度在短时间内变化缓慢,相关性强的特点,运用一阶马尔可夫模型描述目标的运动信息和幅度信号,分析量测点的运动信息和幅度信号关联过程,并详细计算和讨论典型密集杂波环境下PDA-AI和MPDA-AI的Cramer-Rao估计误差下界。理论分析和试验结果表明,MPDA-AI估计出的目标状态较PDA-AI更加准确,可信程度更高,能更进一步提高目标检测跟踪的可靠性。     

浮筒式水下目标轨迹测量标校系统精度研究

为了对水声定位测量系统进行海上校准,设计了以浮筒作为平台的水下目标轨迹测量标校系统,利用高精度DGPS和方位姿态仪解算出水下基准坐标并给出运动轨迹.具体研究了影响标校系统定位精度的相关因素,并给出系统的组合定位精度.对标校系统进行了陆上验证性试验,试验结果表明,标校系统的定位误差不超过50 cm,可对水声定位测量系统进行高精度的海上标校.     

近程目标状态的高精度测量及其性能分析

详细分析了多传感器系统TRn(T表示一个发射传感器 ,Rn 表示n个接收传感器 )对空中近程目标位置和速度矢量进行测量的最优估计方法 .讨论了最优相干中心化处理与分散化处理的关系 ,对分散化处理的性能进行了分析 ,并给出了其误差的克拉美—罗下界 (CRLB) .最后对一特例进行了数值计算 ,结果表明该系统具有较高的定位精度 .     

CDKF方法在外辐射源单站无源目标跟踪中的应用

针对外辐射源单站无源目标跟踪精度问题,将一种基于Sterling内插公式的新的非线性滤波算法-中心差分卡尔曼滤波算法(central difference Kalman filter,CDKF)应用到系统中.仿真结果表明,与传统的扩展卡尔曼滤波算法(extended Kalman filter,EKF)相比,CDKF具有更高的定位精度,且不需要计算Jacobian矩阵,更易实现;而与无迹卡尔曼滤渡算法(unscented Kalman filter,UKF)相比,CDKF只有一个待优化的比例参数,参数的选择更加方便,且定位精度更高,所需运算时间更少.     

单站无源定位系统定位算法分析与研究

本文详细分析了测量目标辐射源脉冲到达时间和到达方向对空中运动辐射源进行单站无源定位的扩展卡尔曼滤波算法,同时研究了修正增益扩展卡尔曼滤波算法,并且对两种方法进行了比较。最后给出了计算机仿真结果,这两种方法在无源定位系统中有很强的实用性。     

CDKF方法在外辐射源单站无源目标跟踪中的应用

针对外辐射源单站无源目标跟踪精度问题,将一种基于Sterling内插公式的新的非线性滤波算法—中心差分卡尔曼滤波算法(central difference Kalman filter,CDKF)应用到系统中。仿真结果表明,与传统的扩展卡尔曼滤波算法(extended Kalman filter,EKF)相比,CDKF具有更高的定位精度,且不需要计算Jacobian矩阵,更易实现;而与无迹卡尔曼滤波算法(unscented Kalman filter,UKF)相比,CDKF只有一个待优化的比例参数,参数的选择更加方便,且定位精度更高,所需运算时间更少。     

单站无源定位中的一种简单粒子滤波算法

提出了一种简单的正则粒子滤波,克服了标准粒子滤波在用于单站无源定位中时出现的粒子匮乏现象,将粒子滤波成功的应用到了无源定位中.通过计算机仿真表明,这种简单的正则粒子滤波能有效缩短定位时间,提高定位精度.     

基于MVEKF算法的单站无源定位与跟踪方法研究

在对空中运动目标的单站无源定位问题中,建立了基于多普勒频率变化率的定位与跟踪模型．依据运动学原理,提取目标与观测站的相对信息,概念清晰直观,其定位速度和定位精度都比传统定位方法高．针对EKF方法受滤波初值影响大、易发散的缺点,采用修正协方差的扩展卡尔曼滤波算法（MVEKF）对初始估计值进行滤波处理,既能快速精确地对目标定位跟踪,又可以避免误差较大的初始估计值对滤波结果的不利影响．通过计算机仿真,结果验证了该方法的稳定性和有效性．     

基于平方根UKF的机载单站无源定位算法

介绍了基于多普勒频率变化率和波达角变化率的机载单站无源定位原理,并引入一种新的基于平方根（uKF）算法．通过仿真与扩展卡尔曼滤波（EKF）和不敏卡尔曼滤波（UKF）算法进行了比较．结果表明,新算法比EKF算法精度高,与UKF算法相比,新算法的方根形式增加了数字稳定性和状态协方差的半正定性,同时具有更快的收敛速度．     

基于智能天线DOA估计方法

主要研究了基于智能天线的几种DOA估计方法，即旋转不变信号参数估计（ESPRIT）算法、多重信号分类（MUSIC）算法、加权子窨拟合9WSF）算法、最小范数（Min-norm）算法等。第三代移动通信已将智能天线技术作为其关键技术之一。通过理论和仿真实验相结合，将各算法与克拉美－罗限（Cramer-Rao Bound）比较，分析了基于智能天线DOA估计方法的性能。研究结果不仅有利于智能天线的研究与开发，而且有利于智能天线在移动通信中的应用。     

声被动三基阵定位算法应用

为了满足智能地雷系统在雷场状况下应用的技术要求,利用单阵列小基阵有一定的定向精度但定距精度不高的特点,用三基阵中的2个方位角信息及阵列间的几何关系得出3个目标定位子解。再对3个目标定位子解采用方差加权融合处理方法,得到最终其定位解和方差。实验结果表明,利用三基阵进行声被动定位,能明显弥补单基阵定距精度不高的缺点,并能消除双基阵定位的盲区。算法简单有效,可应用于智能雷弹系统中,以提高其定位精度。     

基于演化深度神经网络的无人机协同无源定位动态航迹规划

 针对多无人机在无源定位过程中协同动态规划航迹提高定位精度问题,提出基于演化深度神经网络的分布式动态航迹优化方法。首先将演化计算与深层前向反馈神经网络结合,设计基于演化神经网络的无人机协同无源定位动态航迹规划框架。以多无人机到达角（AOA）协同定位为例,利用定位过程中对目标估计的克拉美罗界（CRLB）生成最优训练集。通过无人机下一时刻与目标形成的相对构型作为系统学习的行为,从而得到下一时刻优化后的航迹点。实验结果表明,该方法相对于传统中心控制的无人机协同定位方法,具有更低的处理延时,能够以更短时间达到定位精度。