靶场激光测距系统设计研究

激光用于靶场测量具有测量精度高和单站独立定位等优点。由于在飞行目标上安装激光合作目标,激光跟踪测量始终是合作目标部位,这就避免了由于跟踪飞行体部位差异而引起的测量误差。因为是光学测量,光波长比无线电的厘米波还要短四个量级,因而对激光测距的大气折光修正和仰角折光修正要比无线电波的精确得多。我国首先在战略武器飞行体上加装角反射器激光合作目标,用激光测量其初始段或再入段飞行轨迹。我们从七十年代初就开始研究靶场激光测量,不仅在各种电影经纬仪上成功地加装了激光测距系统,在连续波微波雷达上也加装成功。对导弹目标的激光测距,在初始段     

多传感器数据融合在光电经纬仪目标分离段跟踪的应用研究

针对光电经纬仪在目标分离段容易跟踪假目标的问题,提出应用多传感器数据融合方法实现目标分离段的假目标识别。在目标分离前,根据实测的目标轨迹数据通过理论弹道修正算法计算出理论弹道的误差修正量;在目标分离时,利用得出的误差修正量修正目标的理论弹道,并采用模糊聚类关联算法判断各传感器目标测量数据与修正后的目标理论弹道的相关性,从而识别出测量数据是否来自假目标。实验结果表明该方法能够有效地区分出真假目标,判别结果作为跟踪系统及目标识别系统决策依据,有效提高了目标分离段跟踪成功概率。     

遥测跟踪系统增加电视使空间位置数据的精度达到雷达质量

通常不要求传统的遥测跟踪天线提供精确的空间位置数据。需要这类数据时,则使用昂贵的雷达或光学设备。目前这样一种飞行试验日益增多,即在没有雷达或光学设备的地区试验,在接收遥测数据的同时还需要精密的空间数据。为了满足这种要求,EMP公司利用现成技术改进了遥测跟踪天线角度输出数据的精度,使其达到精密雷达的水平。瞄准电视摄象机和电视跟踪误差探测器,配合EMP的ACU-6型微处理机天线控制装置,即可自动测量和存贮遥测跟踪系统固有的所有系统偏倚误差。所得到的误差模型用来实时修正各项误差参数。电视跟踪实时提供动态跟踪误差修正量。利用瞄准电视和恒星目标作校准,将动态角度数据误差减小到小于10角秒(均方根值~#)的设计指标看来是完全可能的。     

单天基平台测向的空间非合作目标跟踪

针对仅含角度测量信息的单个天基平台可观测性较弱的问题,提出了一种含脉冲机动检测的空间非合作目标跟踪算法,并设计了非合作目标实时跟踪数据处理流程.该算法利用抗差估计技术和UKF（Unscented Kalman Filter,无迹卡尔曼滤波）算法构造目标跟踪滤波器,并综合残差多项式拟合和新息分布特征等方法实现目标机动检测,在天基平台观测信息类型有限和观测几何较差的情况下,可以同时排除孤立野值和成片测量野值的影响,实现非合作机动目标的连续稳定跟踪.数值实验验证了算法的可行性和有效性,也表明了跟踪精度和可靠性与测量精度密切相关.     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题，提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化，从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程，鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式，基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子，用于放大Singer模型中的机动频率，进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真，并与交互式多模型等方法进行比较，结果表明所提方法的跟踪精度高、计算量小，能够较好地适应阶跃机动和连续幅值变化的机动。     

激光跟踪仪角度采集系统设计及误差修正研究

高精度的角度采集和测量是激光跟踪仪实现跟踪和精密测量的关键。针对激光跟踪仪中采用的圆光栅编码器,本文介绍了一种基于FPGA的数据采集系统的设计与实现方法。该采集系统分为滤波、计数、通信三大模块。数字滤波模块用于消除跟踪控制过程中跟踪头振动、抖动产生的信号干扰;计数模块实现方波脉冲的倍频、辨向及计数;通信模块实现跨时钟域的数据传输。系统通过Modelsim仿真及实验测试验证了方法的可行性与可靠性。采用谐波分析方法对角度误差进行了修正,测量误差由3.5″降低到1.5″。本文设计的角度采集系统及谐波分析误差修正方法具有一定的通用性,可广泛应用于相关领域。     

常增益变采样率自适应滤波

作者曾给出一种跟踪飞机机动的自适应滤波,采用直角坐标系中的9维状态量,利用最优检测统计量探测目标机动,并用估计到的机动加速度修正目标的预报值。 本文将在文献[1]的基础上,提出两种简化自适应滤波。其一,采用两套直角坐标系中的9维卡尔曼滤波,其中的一套滤波用于取代最优检测统计量,完成对目标机动的探测和估计的功能;其二,采用三通道解偶的常增益变采样率自适应滤波。     

一种改进的高超声速滑翔目标跟踪方法

针对临近空间高超声速滑翔目标跟踪问题，提出一种基于反向传播神经网络修正改进迭代扩展卡尔曼滤波(Back Propagation Neural Network-aided Improved Iterative Extended Kalman Filter, BP-IIEKF)的目标轨迹跟踪方法。在雷达站坐标系下建立目标运动模型和量测模型。引入阻尼因子修正IEKF算法中的协方差预测矩阵，并定义算法的代价函数，给出迭代终止条件，保证了算法收敛精度，减小状态的观测更新误差，提高了目标状态估计精度。利用BP神经网络修正滤波结果，补偿系统滤波误差，进一步提高了跟踪精度。仿真结果表明所提算法对高超声速滑翔目标具有更高的跟踪精度。     

基于自适应SRCKF的空间非合作目标实时轨道确定

针对天基测角对非合作目标跟踪定轨的动力学模型简化误差问题,提出一种基于非线性预测滤波和SRCKF(Square Root Cubature Kalman Filter,平方根容积Kalman滤波)的自适应滤波方法.采用考虑地球J2摄动影响的轨道动力学模型作为状态方程,在跟踪滤波过程中,用NPF(Nonlinear Predictive Filter,非线性预测滤波)对动力学模型进行实时修正,利用SRCKF对修正后的动力学模型进行状态估计.将该方法应用于高轨航天器对非合作低轨目标的实时测角定轨任务中,进行数字仿真,仿真结果证明,该方法相比传统的滤波方法具有更高的精度、更强的鲁棒性和稳定性.     

临近空间高超声速滑跃式轨迹目标跟踪技术

针对临近空间目标飞行速度快、机动特性强和加速度突变的特性,提出一种地心直角(ECEF)坐标系下基于目标特性分析的修正强跟踪滤波(MSTF)算法。首先,通过对ECEF坐标系下目标量测的无偏转化处理,以有效减小目标高超声速飞行所带来的旋转、平移和线性化误差影响;接着,在对目标特性充分分析的基础上,合理构建强跟踪滤波(STF)模型,通过对模型参数的自适应调节,以有效实现临近空间高超声速滑跃式轨迹目标的精确跟踪;最后,结合统计学原理对目标加速度的突变进行合理检测和补偿,以进一步修正强跟踪滤波模型的跟踪精度。仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度。     

双星编队对空间非合作目标的仅测角跟踪方法

针对单星仅测角对目标跟踪误差较大和不良测量条件下跟踪精度下降的问题,提出利用编队卫星对非合作目标进行联合跟踪的方法。采用考虑地球非球形J2引力摄动的轨道动力学模型,建立多视线测量模型,融合编队卫星对目标的观测数据。然后,基于新息设计增益调节矩阵提高滤波器在测量故障条件下的鲁棒性。最后,建立仿真模型进行验证。仿真结果表明,相比单星跟踪,该方法的位置误差和速度误差分别减少了27.06%和26.96%。在系统存在异常量测时,相比常规滤波,该方法也具有更高的精确性和更好的鲁棒性。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。     

高测量频率条件下采用IMM方法跟踪机动目标

利用雷达系统跟踪机动目标,当测量频率很高时,测量噪声将显著相关。本文提出一种简单的去相关方法来改良互作用多模型算法(IMM),用于测量噪声相关情况下的机动目标跟踪。我们发现这种去相关法可以明显提高系统性能,特别是对于速度和加速度的估计。     

纯方位二维目标跟踪的航迹起始算法

 针对传统航迹起始算法在纯方位目标定位和跟踪系统应用中存在的弊端,提出了一种完全基于角度量测的快速航迹起始算法。该方法通过深入分析目标在角度坐标下的运动特性,给出了全新的关联门构造方法。该波门技术有效提高了纯方位二维目标真实量测的确认效率,极大限制了虚假航迹随密集杂波的扩张。利用此波门,通过基于逻辑的方法对仅有角度量测的目标航迹进行扩展。该方法有效地解决了角度坐标系下机动目标的航迹起始分辨率下降的问题,为基于单个被动传感器纯方位跟踪系统进行快速、准确的航迹起始提供了新的思路。仿真结果及实际应用表明了此算法的有效性和实用性。     

改进的MMPHD机动目标跟踪方法

基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。     

面向目标的概率多假设跟踪算法

 概率多假设跟踪(PMHT)算法由于其计算量与目标和量测的个数成线性关系而成为一种重要的数据关联方法,但该算法采用的是一种面向量测的参数模型,容易受到杂波的干扰。针对这个问题,提出一种面向目标的PMHT（TO/PMHT）算法,将量测与目标的距离作为权重,使计算出的后验关联概率能够真实地反映量测和目标的关联可能性。通过多种典型环境的仿真计算表明：TO/PMHT算法和面向量测的PMHT算法相比,跟踪性能有了明显的提高;与多假设跟踪(MHT)算法相比,在保持跟踪性能的同时,极大地提高了计算效率。     

单轴稳定技术在盘旋跟踪地面目标中的应用

针对小型无人机,设计一种安装于机身左侧下方的单轴光电探测系统来修正视场纵向误差,同时配合无人机的航向控制,对目标进行盘旋跟踪。控制系统在设计过程中采用纵向通道和横向通道解耦、方位失谐量修正和俯仰失谐量修正解耦的控制方式。飞行试验表明,该控制方式能够持续稳定的跟踪地面目标,使地面目标的成像点趋向于光心,达到了盘旋跟踪的预期效果。     

飞船返回舱红外跟踪

提出一种联合大底检测的改进的Mean-Shift（均值移位）算法,将其应用于返回舱红外跟踪。新算法采用非均匀量化加权直方图构造目标特征矢量,以提高目标描述的准确性。为避免跟踪到大底上去,使用＂滑窗式＂大底检测算法实时修正Mean-Shift跟踪坐标。通过对飞船返回实况判读验证,提出的新算法处理速度达到20帧/s以上,并且能够可靠和准确地跟踪返回舱。     

基于不敏变换的动基座传感器偏差估计方法

提出了一种新的基于合作目标的动基座传感器误差绝对配准方法。该方法利用所获得的合作目标位置信息,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立偏差状态方程和测量方程。在此基础上,采用广义最小二乘方法以实现传感器测距误差的估计,不敏滤波的方法则用于实现平台载体的姿态偏差和角度测量偏差的实时估计。仿真结果表明,该方法实现简单,收敛速度快,可以实现单部动基座传感器的偏差估计。     

一种基于三维到达角的无偏伪线性卡尔曼滤波

为了解决大场景下基于三维到达角的目标跟踪问题，提出了一种具有无偏性的伪线性卡尔曼滤波。首先，基于三维到达角信息对目标运动模型与量测模型进行建模；之后，对量测模型进行了伪线性化处理，得到了线性形式的目标量测模型。为了解决伪线性卡尔曼滤波存在的有偏性问题，提出了一种结合EKF（extend Kalman filter）的三维伪线性无偏卡尔曼滤波。仿真实验表明，该模型能够对非机动目标与机动目标有效跟踪，对于百公里级别的目标，当角测量误差从0.1°变化到0.5°，算法在仿真时间结束时均能将绝对位置误差降低至10 km以内，且算法的运行速度与EKF为同一个量级，同时兼顾了抗干扰能力、定位跟踪精度、运行效率的要求，能够为大场景下的目标跟踪提供有效方法。