Posterior Cramer-Rao lower bounds for multitarget bearings-only tracking

Usually, only the Cramer-Rao lower bound （CRLB） of single target is taken into consideration in the state estimate of passive tracking systems. As for the case of multitarget, there are few works done due to its complexity. The recursion formula of the posterior Cramer-Rao lower bound （PCRLB） in multitarget bearings-only tracking with the three kinds of data association is presented. Meanwhile, computer simulation is carried out for data association. The final result shows that the accuracy probability of data association has an important impact on the PCRLB.     

基于集中式MIMO雷达的功率带宽联合分配算法

针对集中式多输入多输出雷达对多目标进行跟踪的问题,提出一种基于后验克拉美罗下界的功率和带宽联合分配方法。该方法首先对各目标位置误差的后验克拉美罗下界进行预测,将克拉美罗下界构建为代价函数建立优化模型,从而将资源分配问题转化为求解非凸优化问题;而后运用凸松弛技术和循环最小化算法对该非凸优化问题进行求解;最后通过仿真验证所提算法的有效性。结果表明,与另外3种分配算法相比,所提算法在多种场景下均能有效提高目标跟踪精度。     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

闪烁噪声机动目标跟踪的模型集交互跟踪算法

给出了一种量测噪声为闪烁噪声情况下的模型集交互机动目标跟踪算法。在雷达目标跟踪系统中由于目标位置的随机摆动,使得对其位置的量测伴随着闪烁噪声的出现,这种闪烁噪声会对目标跟踪的性能产生很大的影响。本文通过对闪烁噪声的QQplots-分析,利用高斯分布和拉普拉斯分布的合成对其进行建模,在机动目标跟踪中采用两个模型集来处理闪烁噪声的情况,并详细推导了模型集交互时机动目标跟踪算法。最后,通过Monte Carlo的仿真结果表明了该算法的有效性。     

双基地MIMO雷达目标跟踪性能分析

研究双基地多输入多输出（multiple input multiple output, MIMO）雷达目标跟踪的性能。建立双基地MIMO雷达发射相干脉冲串时的目标跟踪数学模型,给出反映目标跟踪性能的贝叶斯克拉美罗界（Bayesian Cramer-Rao bound, BCRB）递推式。针对目标的线性状态方程和双基地MIMO雷达的量测方程,求解BCRB的递推式。最后仿真分析各参数对跟踪性能的影响,结果表明量测信噪比越大、量测脉冲数越多、阵元间距越大跟踪性能越好,且在总发射功率一定的条件下,发射阵元数越多跟踪性能越好。     

异类传感器系统目标快速定位方法

在异类传感器系统中,快速、准确地定位技术对于数据的关联、目标的跟踪至关重要。为解决异类传感器系统中目标定位问题,提出了快速目标定位法。该方法首先将不完整的测量补充为完整测量,然后用精度加权法实现多测量之间的融合得到目标的位置估计,为提高估计的精度,最后采用扩展加权最小二乘法进行目标位置的二次估计。仿真实验结果表明,提出的目标定位方法是一种快速、有效的目标定位方法,定位误差的方差接近Cramer-Rao下界。     

声速不确定条件下的运动水下航行器自定位

传统利用水下声学定位系统的航行器自定位存在两方面问题, 一方面没有考虑测量周期内航行器的运动, 另一方面没有考虑水声声速的不确定。为解决上述问题, 构建了航行器运动状态下的时间测量定位模型, 并对声速不确定性进行建模。分别推导了基于加权最小二乘的运动航行器定位方法和基于最大似然估计的声速更新方法。利用所提模型和时间测量, 不仅可以估计航行器位置, 还可以更新声速。仿真结果验证了本文所提方法在各种参数设置下均优于现有方法, 并且在时间测量噪声不大时可以达到克拉美罗下界(Cramer-Rao lower bound, CRLB), 在时间误差不大时, 声速更新结果显著提高。     

基于时差和频差的固定多站定位方法及分析

针对利用信号时差和频差信息的固定多站对运动辐射源定位问题,提出了一种基于加权最小二乘的单次定位解算新方法和基于扩展卡尔曼滤波的多次定位跟踪滤波方法。分析了存在时差和频差参数测量误差条件下的单次定位误差克拉美-罗下限几何分布图,并仿真了多次定位条件下的定位性能,将其与仅测时差定位的性能进行了比较。仿真表明,增加频差信息有助于提高对运动辐射源的定位跟踪精度。     

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。     

条件线性高斯模型的Gauss Hermite filter-Kalman filter算法

针对条件线性高斯状态空间模型,提出了高斯厄密特滤波-卡尔曼滤波(Gauss Hermite filter-Kalmanfilter,GHF-KF)滤波算法。算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,由GHF获得非线性状态的估计;再将非线性状态的估计均值代入线性状态方程与观测方程,由KF获得线性状态的估计;获得的非线性状态估计方差还用于修正由KF估计的线性状态,以提高精度。将GHF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Blackwellized粒子滤波器RBPF相比,新方法在保证估计精度的同时,明显提高了实时性,计算时间仅约为RBPF的5%。     

条件线性高斯状态空间模型的GSF-KF滤波算法

算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,再与非线性状态方程联立,由高斯和滤波器(Gaussian sum filter,GSF)获得非线性状态的估计;然后将估计值代入线性状态方程与观测方程,由卡尔曼滤波器(Kalman Filter,KF)获得线性状态的估计.此外,获得的非线性状态估计的方差还用于修正线性状态的估计.将GSF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Black-wellized粒子滤波器(Rao-Blackwellized ParticleFilter,RBPF)相比,新方法在保证精度的同时,明显提高了实时性,计算时间仅约为RBPF的7%.     

基于TDOA的无人机集群协同单目标定位

无源定位作为现代信息化战场中电子侦察的重要技术, 可以在自身不辐射电磁波的情况下实现对敌方目标的精确定位。以高灵活性、高安全性的无人机(unmanned aerial vehicle, UAV)集群为接收站, 研究基于到达时差测量的辐射源定位方法。作为高机动平台, UAV集群的位置误差更大, 基于该情况对Chan算法、Taylor算法进行改进, 并提出了一种粒子群泰勒协同的解算方法。与其他方法的定位结果进行对比, 仿真结果表明所提的方法定位精度接近克拉美罗下界(Cramer-Rao lower bound, CRLB), 解决了Taylor算法的初值问题。     

非机动水下三维情形的纯方位目标运动分析

以无源声纳关于目标方位(包括方位角、高低角)的有噪测量为依据，探讨了水下三维无源TMA(目标运动分析)的实现及精度问题。文中应用伪线性--Kalman滤波结合方法、最大似然估计方法、扩展卡尔曼滤波方法(EKF)，对三维情况^[4]下已知固定深度的的TMA问题进行了研究，并结合数据批处理手段，有效地改善了参数估计的性能，且给出了它们的CRB界。计算机仿真证明了上述算法的有效性。本文所提出的方法要求简单，精度较高，简易平台即可实现，具有一定的实际意义。     

双基阵纯方位水下被动目标跟踪性能仿真分析

研究了基于纯方位信息的双基阵声纳信息融合的跟踪性能，并进行了详细的仿真实验。仿真结果表明，在平台—目标相遇这种较为常见的态势下应用扩展卡尔曼滤波可以快速、稳定地完成目标运动要素的估计，同时还揭示了平台与目标运动的几何态势对跟踪性能的影响，为工程应用提供了参考。     

跟踪弹道目标的几种次最优滤波器

研究了通过雷达观测跟踪重返大气层阶段的弹道目标问题。考虑了一种状态方程和量测方程都具有高度非线性的数学模型并推导出估计误差的理论Cramer-Rao低界。我们设计了三种次最优滤波器并将其滤波性能和Cramer-Rao低界进行了比较。除了在非线性滤波中经常采用的EKF和UKF之外，提出了一种结合传统卡尔曼滤波和简化点Unscented变换的滤波器，仿真结果表明，新滤波器在精度和计算复杂性上均有良好表现。     

基于波形捷变的多传感器机动目标跟踪

针对现代战场中目标往往采用机动方式运动的情况,为了提高目标跟踪的准确性和精确性,结合多传感器数据融合的优点,提出了一种基于波形捷变的多传感器机动目标跟踪方法。该算法通过波形捷变来改变量测的精度。首先在现有文献的基础上,将波形捷变方式推广到二维空间,把雷达量测的克拉美罗下限（Cramer-Rao lower bound,CRLB）近似为量测误差协方差,由于该CRLB是关于发射波形参量的,从而把雷达跟踪的信号处理与数据处理结合在一起,通过波形参量的动态选择得到量测误差协方差的最小值。从而在整个雷达跟踪过程中提高信噪比（signal to noise ratio,SNR）,降低量测误差。其次,在数据处理上,采用多传感器数据融合及粒子滤波进一步提高机动目标跟踪的精度。最后,将该算法与传统的Kalman滤波、粒子滤波及只对一维空间的量测采用波形捷变的算法和交互多模型方法（interacting multiple model,IMM）进行仿真比较,仿真结果显示该算法对机动目标的跟踪精度显著提高。     

基于重构信号和1范数的动目标参数估计方法

提出了一种基于重构信号和1范数的动目标参数估计方法。该方法利用重构信号与杂波抑制后数据的1范数构造代价函数完成对动目标的参数估计,能够在雷达发射脉冲数有限的情况下获得准确的参数估计结果。给出了其对应Cramer-Rao界的详细推导过程;通过将仿真结果与Cramer-Rao界的比较,证明了该方法的有效性。     

基于进化粒子滤波的数据域直接跟踪方法

传统目标跟踪算法首先通过采样信号估计时延或多普勒等参数,然后利用这些参数构成的跟踪方程获得目标运动轨迹,这种两步跟踪模式存在位置信息损失、误差累积等问题,跟踪精度仍有待提高。针对此问题,提出一种利用数据域采样信号,基于时延和多普勒信息的直接跟踪算法。该算法利用多个观测站的接收信号,首先建立一个基于连续时间和多普勒信息的直接跟踪模型;然后基于进化粒子滤波算法,对所提跟踪模型进行迭代求解,提高算法计算效率,实现对运动目标的快速高精度跟踪;最后,针对所提模型,推导了目标直接跟踪的克拉美罗下界(Cramer-Rao lower bound,CRLB)递归求解方法,给出了算法的跟踪误差下限。仿真实验表明,与现有跟踪算法相比,所提算法跟踪精度更高,收敛速度更快,尤其在低信噪比条件下更能逼近CRLB。     

基于TDOA的双站自适应滤波算法及可观测性研究

设计了一种由双观测站构成的系统,讨论了其目标运动分析问题。通过测得的方位序列和到达的时差,建立了状态方程和观测方程。运用扩展卡尔曼滤波算法,对目标的运动做出了分析。利用非线性系统的可观测性定理分析了该系统,得出了基于TDOA的双站跟踪算法的可观测性结论。通过蒙特卡洛模拟仿真,验证了所得的可观测性结论;仿真结果表明,系统具有收敛速度快、精度高、稳定性好等优点,有良好的应用前景。     

极坐标系中带多普勒量测的雷达目标跟踪

将仅仅考虑位置量测的二维去偏一致转换量测卡尔曼滤波算法进行推广,以解决包含多普勒量测且斜距误差和多普勒误差相关的雷达目标跟踪问题。首先用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动状态之间的强非线性程度;然后用嵌套条件方法得到了转换量测误差前两阶矩的一致性估计;最后根据伪量测是目标运动状态二次函数的特性,用二阶EKF最优地实现了非线性跟踪滤波,其中为了进一步减小二阶EKF的近似误差,利用Cholesky分解实现了位置量测和伪量测的序贯处理。Monte-Carlo仿真结果表明采用新算法可以明显改善跟踪滤波器的性能。