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．     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.     

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.     

一种适于非线性非高斯目标跟踪的MRIMMPF算法

为解决粒子滤波应用到IMM算法时计算量过大的问题,融合交互式多模型和粒子滤波,提出了一种采用多速率方法的交互式多模型粒子滤波(multirate interacting multiple model particle filter,MRIMMPF)算法.该算法采用多模型结构来跟踪任意机动的目标;使用一种3模型、one-third速率/全速率跟踪算法,一个one-third速率模型处理非机动或微弱机动,2个全速率模型用于机动模式,以处理非线性、非高斯问题.仿真结果表明,MRIMMPF算法在性能上并不低于交互多模型粒子滤波(IMMPF)算法,但是计算量明显减小.     

基于改进CMOPSO挠性卫星姿态机动路径优化

针对挠性卫星姿态快速机动快速稳定控制中的路径优化问题,研究了一种基于云多目标粒子群算法(CMOPSO)的姿态机动路径优化方法.为了解决云多目标粒子群算法寻优初期可能出现粒子陷入局部最优的问题,提出了一种随迭代次数呈反正切函数变化调整惯性权重的改进云多目标粒子群算法.针对挠性卫星大角度姿态机动问题,考虑挠性卫星姿态机动过程中角加速度和角速度的限制,建立了姿态机动路径参数的多目标优化模型,并采用改进的CMOPSO进行优化.仿真结果验证了所提改进的云多目标粒子群算法在挠性卫星姿态快速机动快速稳定控制中的有效性.     

基于当前统计模型的机动目标被动跟踪

介绍了极坐标系下的被动跟踪算法及存在的问题，并分析了其原因，为解决机动目标的被动跟踪问题，选取当前统计模型对加速度进行建模，并建立双机目标测量模型，推导了被动式机动目标自适应跟踪算法。Monte-Carlo仿真表明，新算法能够跟踪任意机动的飞行目标。     

数据缺失下基于IOWA-TOPSIS的辐射源威胁评估

由于战场环境的高复杂性,侦察方难于获取目标辐射源的完备信息.为解决传统辐射源威胁评估算法不适用于数据缺失情况的问题,引入诱导有序加权平均算子空值估计算法,与逼近理想解排序法相结合,采用CV-G1法赋权,构建数据缺失下基于IOWA-TOPSIS的辐射源威胁评估模型.首先,利用IOWA算子估算空值,解决数据缺失问题;然后,...     

一种强机动目标自适应跟踪算法

针对强机动目标跟踪精度不高的问题,提出了一种强机动目标自适应跟踪算法(HMIMM-CV/CAT)。首先通过机动检测区别目标的机动性能,分别应用Kalman滤波和交互多模算法对目标进行跟踪。其次对机动段交互多模算法,给出一组转弯模型离散模型集,在目标机动时通过角速度估计在离散模型集中遴选出一个最匹配的模型参加交互计算,使模型更加逼近目标真实运动模式,且不增加参与交互运算模型数量。蒙特卡罗仿真结果表明,该算法与几种类似算法相比,更加适用于强机动目标。     

基于交互式多模型扩展维特比容积卡尔曼滤波机场场面运动目标跟踪

根据先进场面运动引导控制系统(advanced surface movement guidance and control system,A-SMGCS)的监视要求,提出一种基于交互式多模型扩展维特比算法(interactive multi-model extended viterbi algorithm,IMMEV)与容积卡尔曼滤波(CKF)相结合的目标跟踪算法,以实现机场场面目标的跟踪。根据机场场面运动目标的运动建立相应的运动模型集,采用交互式多模型算法(IMM)实现目标跟踪;模型集中过多的模型会导致运算复杂性增加,且不能真实反映目标的运动,采用扩展维特比(extended viterbi,EV)算法对IMM进行优化,简化模型集;容积卡尔曼滤波器(cubature Kalman filter,CKF)较传统的滤波算法具有更高的滤波精度和稳定性,将其与IMMEV相结合形成IMMEV-CKF跟踪算法。为了验证所提出的IMMEV-CKF对场面运动目标跟踪性能,仿真研究IMMEV-CKF算法、IMM-UKF和当前统计模型对同一目标的跟踪。仿真结果表明,IMMEVCKF在跟踪精度性能方面要优于IMM-UKF和改进后的当前统计模型。因此,IMMEV-CKF更能满足机场场面运动目标跟踪要求。     

IMM算法在车辆机动目标跟踪中的应用

针对高速公路车辆的机动目标跟踪问题,采用交互多模型算法(IMM)中的2个模型分别表示车辆的匀速运动状态和匀加速运动状态,并结合目标运动模型对目标当前加速度和其方差进行蒙特卡洛仿真.仿真结果表明该算法不仅可以在匀速运动时将关键测量噪声减低,而且在机动模型中保证状态估计量比未滤波的雷达测量值精确,同时可以对运动模型进行准确的识别,从而改善路面机动目标的跟踪性能,提高车辆的安全性和可靠性.因此,交互多模型算法可以满足高速车辆机动目标跟踪的要求.     

一种机动目标跟踪的IMM模型优化设计方法

为了提高机动目标的跟踪精度,提出了一种使用2个模型实现对机动目标跟踪的多模型算法,采用当前统计模型和扩展后的常速模型组成的模型集进行交互.该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强.该算法对目标的跟踪精度优于传统的使用3个以上模型交互的IMM-CV/CT算法,仿真结果证明了该算法的有效性.     

机动巨标跟踪的自适应混合多模算法

本文介绍了用于机动目标跟踪的自适应混合多模算法.这个算法不需要预先定义模型,它利用一个二级卡尔曼滤波器来估计目标的加速度,这个加速度被用于混合多模算法中具有不同确定性加速度的子滤波器中.文中给出了自适应混合多模算法的一个计算机模拟结果并和无自适应混合多模算法的结果进行了比较.     

自适应模型集交互式多模型算法

针对交互式多模型(IMM)算法的目标跟踪精度问题,提出了一种自适应模型集IMM算法.利用IMM算法中的模型概率含义,并以此对模型集的收缩比例因子进行设计,这样模型集通过向中心模型收敛可完成自适应调整,而自适应调整过程能有效、实时地利用观测信息.仿真实验结果表明,所提算法能有效跟踪机动目标,而且比IMM算法的跟踪精度更高,但其受到目标机动模型的先验性的限制.     

一种基于模型概率修正的IMM目标跟踪算法

在IMM算法的基础上,提出了一种新的机动目标跟踪FIMM算法.该算法使用中值滤波对IMM算法模型更新概率进行平滑,再对其利用模糊推理系统进行实时修正,将修正后的概率作为最后输出的权值,让有用模型概率增大,减少了模型之间的竞争,提高跟踪精度.仿真实验表明,提出的FIMM算法显著提高了IMM算法的跟踪性能.     

网络化弹药系统攻击决策算法

为实现网络化弹药系统对目标攻击的自主化、智能化,研究了一种目标跟踪与目标优化分配相结合的算法. 通过交互式多模型（interacting multiple model,IMM）算法实现对目标的轨迹跟踪,建立匀速拐弯运动以及匀速运动模型,通过仿真分析,IMM算法跟踪效果良好;利用跟踪到的目标的位置信息和运动状态,结合网络化弹药节点的自身工作状态,预先求得对应的组合效能函数,做出攻击决策预判. 解决了网络化弹药系统如何对机动目标实行有效打击的问题,仿真效果良好.     

IMM迭代无迹Kalman粒子滤波目标跟踪算法

针对传统交互式多模型(interactive multiple model,IMM)算法跟踪机动式再入目标精度差和实时性不高的问题,提出一种交互式多模型迭代无迹Kalman粒子滤波算法.该算法在多模型滤波过程中采用改进的粒子滤波算法,通过迭代无迹Kalman滤波融入最新观测信息,进而生成粒子滤波的重要性密度分布,从而提高采样质量,改善滤波算法性能.仿真结果表明,提出的算法相对于交互式多模型粒子滤波算法具有更好的跟踪效果.该算法对提高跟踪机动式再入目标的精度与实时能力具有一定的理论意义.     

Application of interacting multi-model algorithm in gyro signal processing

There is one problem existing in gyroscope signal processing,which is that single models can＇ t adapt to change of carrier maneuvering process.Since it is difficult to identify the angular motion state of gyroscope carriers,interacting multiple model （IMM） is employed here to solve the problem.The Kalman filter-based IMM （IMMKF） algorithm is explained in detail and its application in gyro signal processing is introduced.And with the help of the Singer model,the system model set of gyro outputs is constructed.In order to demonstrate the effectiveness of the proposed approach,static experiment and dynamic experiment are carried out respectively.Simulation analysis results indicate that the IMMKF algorithm is excellent in eliminating gyro drift errors,which could adapt to the change of carrier maneuvering process well.