基于到达角度和时间差测量的无源跟踪算法研究

分析了修正增益扩展卡尔曼滤波(MGEKF)原理及其在非线性方程中的应用,提出了一种测量目标辐射源脉冲到达时间差和到达方向实现固定单站对运动辐射源进行无源定位的算法.通过计算机仿真,验证了该方法的正确性与有效性.     

基于卡尔曼滤波算法的单站无源定位原理分析与研究

对空中机动辐射源的定位和跟踪,主要采用卡尔曼滤波方法.本文提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法.运用卡尔曼滤波器,这种算法可以获得很好的定位效果.通过计算机仿真,验证了该方法的正确性与有效性.     

基于卡尔曼滤波算法的单站无源定位原理分析与研究

对空中机动辐射源的定位和跟踪,主要采用卡尔曼滤波方法．提出了一种测量目标辐射源脉冲到达时间和到达方向实现固定单站对运动辐射源进行无源定位的算法．运用卡尔曼滤波器这种算法可以获得很好的定位效果．通过计算机仿真,验证了该方法的正确性与有效性．     

单站无源定位原理分析与研究

分析了卡尔曼滤波原理及其在非线性方程中的应用,同时提出了一种测量目标辐射源脉冲到达时间差和到达方向,实现固定单站对运动辐射源进行无源定位的算法.通过计算机仿真,验证了该方法的正确性与有效性.运用卡尔曼滤波器,该算法获得很好的定位效果.     

基于TDOA和DOA测量的单站无源定位方法

空中运动目标无源定位和跟踪技术在航空、制导等领域应用广泛.探讨了一种基于辐射源的信号到达时间差（TDOA）和信号到达方向（DOA）信息,利用固定单站对机动目标进行无源定位与跟踪的新方法.在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波（MGEKF）算法,实现对机动目标进行定位与跟踪,讨论了其定位原理与算法,计算机仿真验证了该方法的正确性与有效性.     

基于TDOA和DOA测量的单站无源定位方法研究

空中运动目标无源定位和跟踪技术近年来一直是人们研究的热点,这种技术在航空、制导等领域都有广泛的应用,有着广阔的应用前景。探讨了一种基于辐射源的信号到达时间差(TDOA)和信号到达方向(DOA)信息,利用固定单站对机动目标进行无源定位与跟踪的新方法。在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪。讨论了它的若干技术问题、定位原理与算法。通过计算机仿真,验证了该方法的正确性与有效性。     

基于外辐射源空域信息测量的无源定位算法

针对基于外辐射源进行定位具有抗干扰、反隐身等特点,提出了一种在方位角、俯仰角信息的基础上,增加角度变化率信息的单站无源定位方法。同时引入一种适应非线性系统的修正协方差扩展卡尔曼滤波(MVEKF)算法,与推广卡尔曼滤波器(EKF)相比,MVEKF能更好地解决量测模型非线性问题。计算机仿真结果表明,该定位方法具有较好的定位精度和定位速度,具有很大的实用价值。     

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。     

基于角度和多普勒频率信息的动福射源的无源定位研究

在电子对抗领域中,无源定位已经得到人们的高度重视.本文探讨了一种利用辐射源信号到达方向角度信息和多普勒频率信息,实现固定单站对机动目标进行无源定位与跟踪的新方法.该方法充分利用了辐射源信号测量值的空域和频域变化量信息.本文讨论了它的若干技术问题、定位原理与算法.通过计算机仿真,验证了该方法的正确性与有效性.     

非线性滤波算法在无源定位中的应用

针对无源定位中量测方程非线性对滤波精度及稳定性的影响,分析了基于模型线性化的滤波算法,包括扩展卡尔曼滤波(EKF)、伪线性滤波(PLF)、修订增益的扩展卡尔曼滤波(MGEKF)算法的特点,重点论述了非线性滤波(UKF)与粒子滤波器(PF)这2种新的非线性滤波方法思想及其特点,指出了无源定位问题中,这2种算法有更好的滤波精度及稳定性.     

基于改进自适应乌鸦搜索算法的无源定位

为解决利用时差(time difference of arrival,TDOA)信息无源定位计算困难的问题,引入乌鸦搜索算法(crow search algorith,CSA),针对该算法易陷入局部极值,提出一种改进自适应乌鸦搜索算法(adaptive crow search algo-rithm,ACSA).综合考虑...     

增量学习灰度与轮廓模板的行人跟踪方法

为了解决云台摄像机的行人跟踪问题,提出了一种基于粒子滤波的行人跟踪算法.该方法在目标灰度模板以外,学习并更新行人目标的轮廓模板.考虑到行人轮廓因为视角变化可能发生的突然改变,算法准备了多套从不同视角观测的轮廓模板,并且逐渐更新它们使之可以逐渐捕捉目标的轮廓特征.在多段云台摄像机拍摄的监控视频上测试了所提出的算法.实验结果显示,该算法比其他先进的跟踪算法有更长的准确跟踪时间.     

基于空域和时域信息的交互多模优化跟踪算法

机动目标跟踪所遇到的基本问题是所建目标模型的动力学方程与目标的实际运动模型存在着不匹配.为了解决这一问题,提出了基于辐射源信号的方位角及时间差信息的交互多模IMM滤波算法.这种算法是一种最佳的合成滤波器,它的主要特点是具有用几个模型估计系统状态的能力,而这些模型可以相互转换,这种方法能更好地解决对机动辐射源的无源定位跟...     

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．     

MR中融合语义特征传播模型的前景对象感知定位算法

移动主体获得准确的定位信息是构建稳定的混合现实(mixed reality,MR)系统的关键,然而MR中的前景对象对传统定位算法的精度影响较大.现阶段基于深度学习的定位算法可以通过识别前景对象来提升精度,但深度学习模型耗时过高,导致算法实时性下降.针对该问题,提出了一种MR中融合语义特征传播模型的前景对象感知定位算法.该算法依托语义分割网络与一种快速旋转的二进制独立稳定描述子特征(oriented fast and rotated binary robust independent elementary feature,ORB)提取算法构建了语义特征传播模型,实现高速语义特征提取;融合该模型和几何特征检测方法实现算法中的前景对象感知层,并依赖该感知层剔除MR中前景对象的特征点,构建了背景特征点集,实现高精度、高实时性的定位.实验结果表明:在慕尼黑工业大学(Technical University of Munich,TUM)公共数据集的高动态前景对象场景中,相比动态语义视觉同步定位与建图(dynamic semantic visual simultaneous localization...     

TVM制导方式中无源测向交会定位系统

无源测向交会定位是雷达组网抗干扰的重要途径。给出了无源测向交会定位技术的理论依据和算法 ,从而构造出系统的基本组成。该算法应用于TVM制导方式中的无源测向交会定位系统 ,要求副站所测信息少 ,而且系统跟踪精度高 ,抗干扰能力强     

一种改进的变结构交互多模型被动跟踪算法

针对干扰环境下跟踪机动目标时常常无法获得距离信息的问题,提出了一种新的被动跟踪算法对目标进行精确的跟踪定位。算法针对被动跟踪中状态与量测之间存在的非线性关系,首先采用最小二乘原理对角度量测进行预处理,然后以预处理结果作为输入,进行交互多模型滤波,从而减小非线性量测方程的线性化过程带来的误差。然而,交互多模型滤波中所采用的固定结构模型集并不能保证跟踪精度,为解决这一问题,算法引入序列似然比检测对模型集进行调整,使模型对不同的目标机动模式有更强的自适应能力,从而减小模型之间的竞争,确保跟踪效果。为了验证新算法的有效性,在相同实验条件下,用2种算法分别对同一设定轨迹进行仿真估计,结果表明,新算法可以进一步提高跟踪精度。