基于PLKF的固定单站无源定位与跟踪算法研究

利用到达方向（DOA）和多普勒频率（DF）建立了固定单站对空中运动辐射源的无源定位与跟踪模型,推导了该模型下的伪线性测量方程,用伪线性卡尔曼滤波（PLKF）算法实现了定位与跟踪;在此基础上用k时刻的状态估计值代替一步预测值对该算法进行了改进;最后与扩展卡尔曼滤波（EKF）算法进行比较。仿真结果表明,改进的PLKF算法具有更快的收敛速度和更高的收敛精度,PLKF算法克服了EKF算法的一些缺点。     

三星时差无源跟踪算法研究

基于卫星平台的无源定位系统可以通过卫星的绕地运动和轨道覆盖,实现对全球地面辐射源的被动侦察,具有侦察隐蔽性强、侦测范嗣广和不受地理位置限制的优点。把一种新的修正协方差扩展卡尔曼滤波（MVEKF）方法引入三星对运动目标的时差无源定位跟踪中,克服了EKF受初始状态和测量误差影响大的缺点,也不用像MGEKF一样需要观测方程的修正函数,仿真表明该滤波方法相对来说收敛速度更快,跟踪性能更好。     

无源定位跟踪滤波算法研究及仿真分析

首先介绍了几种无源定位跟踪滤波算法原理,包括扩展卡尔曼滤波（EKF）,无迹卡尔曼滤波器（EKF）,交互多模型滤波器（IMM）;然后通过建立几种不同模型来对每一种滤波算法进行仿真,依据仿真图形和误差结果对滤波算法进行分析,从而实现不同滤波模型根据目标运动状态进行监视和切换,这对无源定位跟踪算法精度的提高和实际应用有很大的...     

基于自适应扩展卡尔曼滤波的载波跟踪算法

精确的载波相位测量是精密测距中一个很重要的研究点。针对传统扩展卡尔曼滤波(EKF)的固定设计在先验信息不充分和动态变化环境中存在的不足,提出了一种基于自适应扩展卡尔曼滤波(AEKF)的载波跟踪算法。该算法通过实时监测滤波器新息或残差的动态变化,以修正状态噪声方差和观测噪声方差,进而调整滤波器增益,控制状态预测值和观测值在滤波结果中的权重。理论分析和仿真结果表明,本算法充分利用了观测信号的统计特性,克服了传统扩展卡尔曼滤波算法的不足,能够获得更好的载波跟踪性能。     

模型预测滤波在机载SAR运动补偿POS系统中的应用

 机载合成孔径雷达（SAR）运动补偿用位置姿态系统（POS）的定位精度直接影响SAR成像的效果。为进一步提高POS的导航精度,提出将模型预测滤波（MPF）与扩展卡尔曼滤波（EKF）相结合的方法应用于POS中。该方法不需要假设模型误差为高斯过程,并能够在线实时估计并修正系统模型,有效解决了MPF算法与系统模型不完全兼容的问题。飞行试验结果表明,该方法的收敛速度和滤波精度均明显优于目前工程应用中的KF和EKF,特别是大大提高了POS的定位精度;同时该算法与线性滤波KF的计算量相当,更好地满足了工程应用对导航精度和实时性的要求。     

一种基于径向加速度的Singer-EKF机动目标跟踪算法

针对雷达均不能提供目标加速度信息,在目标机动时会出现跟踪精度差甚至跟踪发散的问题,提出一种基于径向加速度的Singer-EKF算法。该算法在信号处理阶段利用Radon-Ambiguity变换（RAT）估计出目标的径向加速度,并通过坐标转换将其引入量测向量中,然后采用基于Singer模型的扩展卡尔曼滤波（EKF）算法实现机动目标的跟踪。仿真验证了该方法的有效性,并与传统的不带径向加速度的扩展卡尔曼滤波（EKF）方法进行了比较,结果表明该方法在径向距离、位置、加速度和速度估计精度方面都有所提高。     

被动定位中的滤波算法研究

由于被动定位中状态空间模型的非线性程度较高,现有的递推滤波算法在收敛精度和稳定性等方面往往满足不了要求。文中对常用的 EKF、MGEKF 算法以及序贯 Monte Carlo 粒子滤波技术进行了分析,指出粒子滤波将成为解决被动定位问题的重要研究方法。     

一种非线性滤波器的误差分析及应用

针对一类具有未建模误差和扰动的非线性系统的状态估计问题,提出一种在线估计并补偿模型误差的非线性滤波算法,该算法利用非线性预测滤波(NPF)基于预测输出残差的方差最小的基本原则估计模型误差,冉利用扩展卡尔曼滤波(EKF)的思想对补偿后的模型进行状态估计;详细推导了状态估计误差及其方差阵的传播模型.以卫星姿态确定系统为例,...     

鲁棒EKF在脉冲星导航系统中的应用

针对脉冲星导航系统的滤波问题,传统的扩展卡尔曼滤波(EKF)算法存在不能克服系统模型存在不确定性参数以及乘性噪声等缺陷,提出一种鲁棒EKF算法。首先,分析了状态预测误差方程和估计误差方程,利用统计学原理,得到了状态预测方差矩阵和状态估计方差矩阵计算等式。由于系统模型存在不确定性参数,状态预测协方差矩阵和状态估计协方差矩阵无法计算;因此,利用4个重要矩阵不等式,分析并找到预测方差矩阵和状态估计方差矩阵的上界。最后,利用状态估计误差协方差矩阵上界设计状态增益矩阵,使得状态估计协方差矩阵的迹最小。将该算法对脉冲星导航系统进行仿真,仿真结果验证了所提算法的有效性。     

大失准角下MIMU空中快速对准技术

 为了提高微小型无人机空中的反应速度和作业精度，提出将基于模型误差预测的扩展卡尔曼滤波(MEP-EKF)方法应用在大失准角下微惯性测量单元(MIMU)的空中对准中，通过不同机动飞行策略的仿真结果，证实MEP-EKF算法不仅能够实时估计出系统的模型误差，而且将其与扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF)方法进行了仿真比较，结果表明MEP-EKF算法在方位误差角的估计上，取得了比EKF和UKF精度高的仿真结果，使得方位失准角由30°快速下降到1°左右，而且MEP-EKF所需时间仅是UKF的17%。     

基于UKF算法的单站无源定位

机载单站无源定位具有机动性好、作用范围广等特点,而基于相位差变化率的定位方法又具有定位速度快、精度高等优点.文章研究了Unscenteed Kalman Filter(UKF)在机载单站无源定位中的应用,给出了相位差变化率定位方法的原理,介绍了UKF算法的滤波原理及滤波过程.从仿真结果表明,UKF算法应用在机载单站无源...     

基于边界的无人机主动SLAM算法

同步定位与地图构建技术是无人机实现真正自主导航的关键。为克服被动同步定位与地图构建算法的缺陷,研究了基于边界的无人机主动同步定位与地图构建算法。在无人机的探测区域周围产生候选边界点,通过建立合理的目标函数,从候选边界点中选择目标点,控制无人机朝该目标点方向运动,再运用扩展卡尔曼滤波算法更新无人机的运动状态。通过建立的无人机简化模型,对提出的算法和随机同步定位与地图构建算法进行对比研究,仿真结果表明该算法是有效可行的。     

基于辅助粒子滤波的机动目标跟踪研究

针对机动目标跟踪巾扩展卡尔曼算法（EKF）收敛速度慢、跟踪精度低的问题,基于粒子滤波（PF）和辅助粒子滤波（APF）的基本思想,结合目标先验信息将速度约束条件加入到跟踪过程巾,对辅助粒子滤波算法进行了仿真分析,与扩展卡尔曼进行仿真对比,分析了跟踪性能和误差。仿真结果表明,对机动目标跟踪问题,辅助粒子滤波不仅解决了扩展卡尔曼线性化困难难题,与EKF相比还具有收敛速度快,跟踪精度高的优点。     

基于不敏变换的GDOP计算

现有文献一般采用线性化的方法得到非线性系统的定位精度几何稀释(Geometrical Dilution of Precision,GDOP)。然而,当定位系统的非线性较强时,线性化方法得到的GDOP同系统实际定位误差存在较大的偏差。针对这种情况,提出采用不敏变换(Unscented Transformation,UT)计算GDOP的方法,并通过一个数值例子进行了验证。     

一种基于概率的双星无源定位算法

针对双星无源定位系统采用时差、频差对地面固定辐射源进行无源定位的问题,提出了一种基于概率的双星无源定位算法。通过公式推导,将复杂的定位方程组化简为简单的二元一次方程组。在介绍定位原理的基础上对该算法进行仿真,通过仿真,分析了定位误差与时差测量精度、频差测量精度的关系。