单站纯方位目标多模型卡尔曼滤波跟踪算法的研究

EKF滤波算法是进行目标被动定位与跟踪的重要方法之一，为了克服EKF初始化困难和减小线性化误差，对传感器的最大探测距离与最小距离所构成的距离区间实施分区划分，划分成若干个目标可能存在的小区段。钟对每一个小区段，使用扩展卡尔曼滤波，完成滤波协方羔的旋转变换，实现单站纯方位目标状态的估计和跟踪。经过大量仿真计算表明，该算法对滤波初值的设置有较大的选择范围，具有很好的稳定性，精度较高，实施水下目标被动跟踪具有重要意义。     

仅有角度测量跟踪问题中的中央差分算法改进

为解决仅有角度测量的目标跟踪系统初始误差大、可观性弱、精确实时跟踪困难等问题,研究了一种改进中央差分卡尔曼滤波算法。仿真结果表明,同传统估计方法相比,该算法精度高,收敛速度快,且计算量适中,易于在实战中实时跟踪。     

纯方位跟踪中最优轨线的影响因素分析

针对常加速目标跟踪的最优观测者轨迹问题,基于最优控制理论建立最优观测者轨迹的优化模型,然后运用解析法得到全局精度指标下常速率观测者最优航向的必要条件,通过仿真讨论目标加速度、观测者速率、目标与观测者的初始距离、目标航向对最优观测者轨迹的影响。仿真结果表明,当目标从近处以较小加速度作接近观测者的运动时,观测者的最优轨迹较光滑;为对常加速目标进行精确跟踪,观测者应沿最优轨迹作高速率的机动。     

基于不完全量测下三维纯方位系统的Cramer-Rao下界

在量测数据随机丢失情况下,对非线性的纯方位跟踪(Bearings-only tracking,BOT)滤波Cramer-Rao下界(Cramer-Rao lower bound,CRLB)问题进行了讨论。针对量测信息来自探测概率小于1的不同信号通道且每个通道的探测概率不同情况,利用Fisher信息阵迭代法建立了多输入多输出三维BOT系统滤波的CRLB模型,它的计算量随探测序列呈指数增长;一种基于统计意义下的缩减因子法被给出,理论证明它小于理想CRLB;另外,一个适合工程应用的近似理论CRLB被提出,分析表明能降低计算复杂度。     

Consecutive tracking for ballistic missile based on bearings-only during boost phase

This paper proposes a modified centralized shifted Rayleigh filter(MCSRF) algorithm for tracking boost phase of ballistic missile(BM) trajectory with a highly nonlinear dynamical model based on bearings-only.This paper contributes three folds.Firstly,the mathematical model of an MCSRF for multiple passive sensors is derived.Then,minimum entropy based onedimensional optimization search to adaptively adjust the probability of the different filters for real time state estimation is deployed.Finally,the unscented transform(UT) is introduced to resolve the asymmetric state estimation problem.Simulation results show that the proposed algorithm can consecutively track the BM precisely during the boost phase.In comparison with the unscented Kalman filter(UKF) algorithm,the proposed algorithm effectively reduces the tracking position and velocity root mean square(RMS) errors,which will make more sense for early precision interception.     

双基阵纯方位目标跟踪的抗野值算法研究

本文对方位测量野值存在的不同原因进行了分析 ,以提高目标参数估计性能的鲁棒性为目的 ,提出了 2种基于批处理技术的双基阵抗野值算法 ,分别是修正的最大似然估计法和特征值法 .并说明了特征值法和最大似然估计法一样 ,它也是一种无偏估计器 .蒙特卡洛仿真结果表明 ,运用这 2种算法得到的位置和速度均方根误差跟踪曲线显示了很好的野值抑制能力 ,并且修正的最大似然估计方法的抗野值能力要优于特征值方法 ,为工程应用提供了参考 .     

改进的SRCDKF-PF算法及在BOT系统中的应用

针对纯方位目标跟踪(Bearing-Only Tracking, BOT)系统强非线性特点,提出一种新的解决方案:采用平方根中心差分卡尔曼滤波器(Square-Root CDKF, SRCDKF)产生粒子滤波提议分布,融入最新的观测数据影响;增加改进措施以提高滤波性能,如采用系统重抽样算法减少方差、应用马尔可夫链模特卡罗(Markov chain Monte Carlo ,MCMC)方法消除粒子贫乏等.仿真表明该算法是有效的,针对当前BOT系统,比传统EKF、PF算法可靠性更好,跟踪精度更高.     

潜艇隐蔽攻击能力分析方法研究

纯方位定位系统是复杂的非线性系统,所有的估计算法都是次优的。理想估计器是工程估计器的性能上限,在理想估计器下的潜艇隐蔽攻击效率是最高的,针对其在工程上无法实现,讨论了这种最大值的数量特性。提出了“隐蔽攻击能力上限”的概念,分别给出了求解估计器精度和收敛时间意义下隐蔽攻击能力上限的仿真流程。最后,进行了计算机仿真试验和结果分析,得到了一些有价值的结论。     

基于辅助变量法的双基阵纯方位目标跟踪算法

伪线性估计算法是主要的纯方位目标跟踪算法之一,其计算简单,但估计结果严重有偏。针对伪线性估计算法估计的有偏性,提出了一种新的辅助变量方法对双基阵纯方位跟踪性能进行改进。该算法将上一时刻的目标估计值进行一次Levenberg-Marquardt迭代而得到的估计值作为辅助变量,进而对目标参数进行加权的最小二乘估计。通过仿真说明了利用该方法在不同的测量环境噪声下所得到的位置、速度跟踪误差曲线能快速地逼近CRLB,比双基阵EKF滤波器及伪线性估计算法有着更好的收敛速度和跟踪精度,证明了该方法的有效性。     

一种改进的无迹粒子滤波器在目标跟踪中的应用

提出了利用神经元网络改进的无迹粒子滤波器（unscented particle filter,UPF）方法.该方法利用神经元网络改进粒子滤波的建议分布,修正UPF跟踪中产生的误差,提高滤波性能.仅用角测量的目标跟踪仿真试验证实了神经元网络对UPF的改进效果,能够在合理的时间消耗代价下,提高无线传感网络中目标跟踪精度.