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。     

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。     

机载单站对运动目标无源定位跟踪算法

针对无源定位系统中,机载单站相对于运动辐射源目标作为状态模型,在测方位角及其变化率基础上,引入多普勒频率变化率参数构建观测模型。常用的扩展卡尔曼滤波（EKF）存在不稳定和精度低的问题,采用修正增益的扩展卡尔曼滤波算法（MGEKF）,找出修正函数矩阵,实现定位状态滤波估计。仿真结果表明,MGEKF算法较之EKF算法有较高的定位精度和较快的收敛速度。     

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。     

一种基于二级变维Kalman滤波的跟踪算法

Kalman滤波器是一种高速的目标跟踪器.针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种自适应Kalman滤波算法.该算法使用两级滤波器,根据目标机动性的变化,适当的调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾.通过对仿真结果分析表明,算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值.     

单星只测角对低轨卫星的EKF跟踪分析

利用扩展卡尔曼（EKF）滤波原理研究基于天基光学平台对低轨卫星的跟踪问题，根据单星只测角观测值建立了相应的状态模型和观测模型，并进行低轨卫星的跟踪仿真，结果表明：该方法可以获得较高的跟踪精度，这使得基于单星只测角星上滤波跟踪成为可能。     

基于联邦UKF的多机协同无源定位

为提高多机协同无源定位的精度和速度,同时满足应用性强的要求,提出了基于UKF(Unscented Kalman Filter)联邦滤波算法的纯方位无源定位技术。核心思想是利用联邦滤波算法去解决各子滤波器滤波结果的全局最优融合问题;利用UKF算法去消除非线性状态方程或量测方程中的高斯噪声,从而实现多机协同对目标辐射源的高精度无源定位。仿真结果表明,该算法可行性强,定位精度高、速度快,具有很高的应用价值。     

考虑有色噪声影响的脉冲星导航2级强跟踪差分滤波器

为提高X射线脉冲星导航对有色噪声及太阳系内星历误差的鲁棒性，设计了2级强跟踪差分滤波器（TSTDKF）。首先在分析导航原理基础上，导出了中心天体星历误差对导航结果的误差传递关系，并利用扩展卡尔曼滤波器（EKF）进行了仿真验证；在同一运行轨道上，又结合引力摄动模型对第三天体引力摄动数据进行了分析，证明该部分噪声为有色噪声。根据以上结论，将普通2级卡尔曼滤波器（TKF）的无偏滤波器设计为一种改进的差分卡尔曼滤波器以降低有色噪声对导航系统的影响，同时又在其独立偏差滤波器中根据观测残差构建了多重自适应调节因子以增强其跟踪性能，两者共同构成TSTDKF的2个并行滤波器。通过仿真实验证明，TSTDKF的位置误差性能最大可比EKF和TKF改进56.49%和35.18%，速度误差性能改进27.66%和17.07%；对星历误差的跟踪效果也整体好于TKF。     

基于预警卫星系统的临近空间飞行器跟踪

系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

微小卫星太阳敏感器/磁强计实时标定算法研究

 提出了一种对磁强计/太阳敏感器的无姿态信息的在轨实时标定方法。在现有的标定算法中，仅采用地磁矢量的模作为观测量，本文引入地磁矢量与太阳矢量之间的数量积作为观测量，增强了其可观性，也使对太阳敏感器的实时标定成为可能。扩展卡尔曼滤波器(Extended Kalman Filter，EKF)虽然获得广泛应用，但其线性化过程会引入截断误差，而无香卡尔曼滤波器(Unscented Kalman Filter，UKF)是非线性滤波方法，不须对系统进行线性化。分别利用EKF与UKF的滤波标定算法进行标定研究，仿真结果表明了本文算法的有效性，如磁强计偏置的标定精度，UKF比EKF高26%。     

A fusion and learning algorithm for landing aircraft tracking:compensating for exhaust plume disturbance

An algorithm is presented for tracking a landing aircraft using fusion of two different passive sensors, a laser range finder (LRF) and a forward-looking infrared (FLIR) camera. The main feature of this algorithm is its ability to identify and compensate for an exhaust plume disturbance. The algorithm is based on the extended Kalman filter (EKF) and the filtering confidence function (FCF) which introduces a learning approach to the tracking problem. The results of a simulation using the learning tracking algorithm and the EKF alone are presented and compared     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。     

平台摇摆对卡尔曼滤波跟踪精度的影响

通过建立目标相对运动坐标系和目标相对运动观测模型,研究了在平台摇摆影响下,跟踪系统观测到的目标运动状态的变化。在分析捷联垂直基准补偿原理的基础上建立了捷联垂直基准平台摇摆角补偿模型,建立的模型结合捷联垂直基准系统的测量能力对其补偿算法进行了理论推导,使模型适用于实际捷联垂直基准系统。通过建立模型以及仿真研究了平台摇摆作用下卡尔曼滤波跟踪精度的变化,指出了摆造成卡尔曼滤波跟踪精度降低甚至离散的主要原因在于模型误差增大。设计仿真实验验证了结论的正确性,为进一步改进跟踪手段提供了理论参考。     

自由段弹道目标跟踪算法在工程中的应用

在对弹道目标跟踪预警的工程实践中,雷达系统对目标运动的信息处理速度尤为重要,因而,文章选取自适应跟踪模型与卡尔曼滤波相结合的方法解决自由段弹道目标的跟踪问题,并与扩展卡尔曼跟踪算法做了对比分析。仿真显示,2种滤波方式分别与自适应跟踪模型相结合后,卡尔曼滤波和扩展卡尔曼滤波跟踪性能相差不大,但其算法简单、运算时间短,可以较好满足自由段弹道目标跟踪的工程需求。     

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。     

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。     

基于IMMKF算法的ADS-B监视应用目标跟踪

目标跟踪是机载广播式自动相关监视（ADS-B）应用的基础功能,对提升航空器周边的弱机动民航飞机目标跟踪性能具有重要意义。提出一种基于交互式多模型卡尔曼滤波（IMMKF）算法的ADS-B 监视应用目标跟踪方法。首先,针对弱机动背景下的民航飞机的飞行特点,建立包含匀速模型和标准协同转弯模型的运动模型集,并对模型进行线性化近似;然后,将模型预测和ADS-B 状态矢量量测数据作为IMMKF 算法中多个并行卡尔曼滤波器的输入,进行并行滤波;最后,计算得到目标状态矢量的估计和模型近似概率,并作为下一次迭代的输入。结果表明：相比于基于匀速模型的卡尔曼滤波目标跟踪方法,IMMKF 方法的位置跟踪误差降低了59%,速度跟踪误差降低了77%,显著提升了状态估计性能,具备较高的跟踪精度、稳健性与计算效率,在ADS-B 监视应用中具有实际应用价值与借鉴意义。     

Adaptive robust cubature Kalman filtering for satellite attitude estimation

This paper is concerned with the adaptive robust cubature Kalman filtering problem for the case that the dynamics model error and the measurement model error exist simultaneously in the satellite attitude estimation system. By using Hubel-based robust filtering methodology to correct the measurement covariance formulation of cubature Kalman filter, the proposed filtering algorithm could effectively suppress the measurement model error. To further enhance this effect and reduce the impact of the dynamics model error, two different adaptively robust filtering algorithms, one with the optimal adaptive factor based on the estimated covariance matrix of the predicted residuals and the other with multiple fading factors based on strong tracking algorithm, are developed and applied for the satellite attitude estimation. The quaternion is employed to represent the global attitude parameter, and three-dimensional generalized Rodrigues parameters are introduced to define the local attitude error. A multiplicative quaternion error is derived from the local attitude error to maintain quaternion normalization constraint in the filter. Simulation results indicate that the proposed novel algorithm could exhibit higher accuracy and faster convergence compared with the multiplicative extended Kalman filter, the unscented quaternion estimator, and the adaptive robust unscented Kalman filter.     

基于混合粒子滤波的激光惯导系统误差的补偿

针对激光陀螺捷联惯导系统在动态尤其是高动态环境下的姿态误差显著增大的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。算法基于混合粒子的卡尔曼滤波和粒子滤波的特点,用有限的高斯模型来近似后验状态密度、系统噪声和观测噪声的分布通过EM的算法设计实现模型的降阶,一定程度上克服了EM算法迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间边界的缺点,从而改善了粒子携带信息的衰减问题。通过仿真与试验结合,在纯动态应用环境下的姿态与定位精度补偿效果,与传统Kalman滤波相比,算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。