一种二维耦合模型机动目标跟踪算法

针对雷达跟踪固定翼飞机的单目标跟踪问题,提出了一种新的二维耦合运动模型。该方法把切向加速度和法向加速度作为状态变量,给出了切向加速度和法向加速度为常值时解析计算状态转移的方法。该模型可以较好地一步预测目标加速度的变化,而且法向和切向加速度的过程噪声可以分别设置。利用该耦合模型的滤波方法,显著地改善了滤波效果,尤其是对加速度的估计。     

三维空间中目标机动加速度的估值问题

建立了描述目标在三维空间中进行切向与法向机动的非线性状态模型。目标切向与法向机动加速度的幅值表示为修正的瑞利-马尔可夫随机过程;法向加速度的方向角则假定在2π区间内具有均匀的概率密度。在仅有含噪声位置观察数据的情况下,发展了一种推广的卡尔曼滤波和自适应算法,并由此获得一种机动目标切向与法向加速度估值的直接方法。提供了某些计算结果以证实方法的有效性。     

面向跟踪的吸气式高超声速飞行器动力学建模

根据吸气式高超声速目标的动力学特性,对传统动压加速度模型的局限性做了分析。在重力转弯模型框架中,基于超燃冲压发动机的推力产生机理以及高超声速流场的斜激波方程和普朗特梅叶方程,提出了描述目标切向加速度的推广模型和目标法向加速度的斜激波、非解析混合模型。随后,基于高超声速流场工程近似算法对吸气式高超声速目标的模式特征进行分析,并设计了均匀模型集。对攻角、滚转角以及发动机状态发生突变的高超声速机动目标跟踪问题进行了仿真研究。结果表明,新的模型集能够较好地适应目标突然加速和转弯机动,有效跟踪助推跳跃机动的吸气式高超声速目标。     

一种用于弹道导弹助推段的多机协同探测方法

针对远程弹道导弹助推段协同探测问题,在双机协同探测的基础上,提出了一种试探机动轨迹优化与三轴分离IMM-EKF (TASIMM-EKF)滤波算法相融合的多机协同探测方法。首先,考虑到探测无人机自身位置对于目标定位精度的影响,提出了采用试探机动轨迹优化策略对各探测无人机进行轨迹优化。同时,提出了一种三轴分离IMM-EKF滤波算法。仿真结果表明,该方法能有效提高状态估计精度,缩短估计时间,对机动目标状态估计表现出良好的性能。     

带异步相关噪声的战斗机蛇形机动跟踪算法

针对异步相关噪声背景下战斗机蛇形机动模式转弯角速度辨识问题,考虑到目标状态与转弯角速度之间相互耦合的特性,从联合优化的解决思路出发,基于期望最大化（EM）算法框架,提出了一种带异步相关噪声的联合估计与辨识算法。首先采用"去相关框架"解除过程噪声与量测噪声之间的相关性,从而将异步相关噪声背景下的转弯角速度辨识问题转换成具有一步状态延迟的转弯角速度辨识问题,其次通过解除目标状态与转弯角速度之间的非线性耦合关系,基于期望最大化算法实现了战斗机蛇形机动目标状态与转弯角速度的联合估计与辨识,从而获得转弯角速度闭环形式的解析解：在E-step,通过利用异步相关噪声背景下的高阶容积卡尔曼平滑器（HCKS）,获得目标状态的后验估计;在M-step,通过极大化条件似然函数,获得转弯角速度的解析解。最后通过仿真验证了所提算法的目标状态估计与角速度辨识的精度均优越于传统的扩维法。     

基于交互多模型和中值滤波的加速度估计方法

针对交互多模型算法对目标加速度估计误差较大的不足,提出了一种基于交互多模型和中值滤波的目标加速度估计方法.通过对交互多模输出的加速度信息进行中值滤波提高对加速度估计的精度.计算机仿真表明,该方法比交互多模型对匀速目标,特别是机动目标具有更好的加速度估计能力,且便于工程实现.     

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。     

基于DP-SA的机载外辐射源无源协同定位

针对强杂波背景下机载外辐射源无源协同定位（APCL）问题,提出一种基于动态规划和状态扩维（DP-SA）的单目标无源协同定位方法。首先,基于误差传播理论,构建了考虑外辐射源位置不确定性的状态转移范围,进而建立动态规划（DP）的值函数。其次,推导了基于极值理论的动态规划回溯阈值,提高了低可观测目标的检测概率。最后,对测量新息协方差进行在线修正,降低了外辐射源位置不确定性的影响,并利用状态扩维技术实现目标状态与外辐射源状态的联合估计。仿真验证了所提方法的有效性。     

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。     

双机协同无源定位的飞行试验方法研究

分析了基于测向交叉定位的双机协同无源定位原理,构建了误差模型,给出了影响定位误差的因素。并从双机定位基线、目标机进入距离和目标机进入方位三个因素进行了双机协同无源定位误差的仿真。通过基于定位精度要求的试飞剖面设计,给出了两种典型的双机协同无源定位试飞航线,并给出试飞结果评估的方法和流程。     

An adaptive attitude algorithm based on a current statistical model for maneuvering acceleration

A current statistical model for maneuvering acceleration using an adaptive extended Kalman filter(CS-MAEKF) algorithm is proposed to solve problems existing in conventional extended Kalman filters such as large estimation error and divergent tendencies in the presence of continuous maneuvering acceleration. A membership function is introduced in this algorithm to adaptively modify the upper and lower limits of loitering vehicles' maneuvering acceleration and for realtime adjustment of maneuvering acceleration variance. This allows the algorithm to have superior static and dynamic performance for loitering vehicles undergoing different maneuvers. Digital simulations and dynamic flight testing show that the yaw angle accuracy of the algorithm is 30% better than conventional algorithms, and pitch and roll angle calculation precision is improved by 60%.The mean square deviation of heading and attitude angle error during dynamic flight is less than3.05°. Experimental results show that CS-MAEKF meets the application requirements of miniature loitering vehicles.     

机动目标“当前”统计模型与自适应跟踪算法

本文提出机动目标“当前”统计模型的概念并建议用修正的瑞利-马尔科夫过程描述目标随机加速机动的统计特性。文中指出了在机动目标运动模型中状态（机动加速度）估值与状态噪声之间的内在联系。在此基础上提出了具有机动加速度均值及方差自适应的卡尔曼滤波算法。对一维和三维的情形进行了计算机模拟。计算结果表明,在仅对目标位置进行观测的情况下,这类自适应估值算法无论对高度机动或无机动的目标均可绘出较好的位置、速度及加速度估值。     

基于模糊自适应卡尔曼滤波的大气数据辅助姿态算法

 针对中低精度航姿参考系统(AHRS)在机体机动时不能利用加速度计修正水平姿态,以及噪声统计特性随实际工作情况变化的问题,提出了一种基于模糊自适应卡尔曼滤波的大气数据辅助姿态解算的方法。首先,考虑大气数据系统和航姿参考系统的优势,利用真空速、攻角和侧滑角等大气数据信息对非重力加速度进行补偿,以辅助水平姿态解算;其次,基于模糊自适应卡尔曼滤波原理,对观测模型的参数进行估计和修正,以实现水平姿态的最优估计;最后,选取某型飞机的试飞数据进行仿真验证。仿真结果表明,该方法可使飞机的水平姿态估计精度达到1.3°,且在偏差较大时有明显的纠偏作用。因此,相对于无机动加速度补偿和常规卡尔曼滤波来说,该方法能够更好地进行姿态估计,具有一定的实用价值。     

利用集群内测距和对目标测向的协同定位方法

当多个飞行器间相对位置测量精度显著高于飞行器绝对定位精度时，在飞行器间增加相对测量，对各飞行器的定位测量协同处理，能提高绝对定位精度。本文针对集群飞行器对非合作目标不能测距而仅能测向的情况，通过在集群飞行器间引入相互测距，来提高集群飞行器自身和对非合作目标的定位精度。对于这种不完整相对测量情况，给出了能提高定位精度的协同定位求解方法，包括非线性静态优化估计和线性化后最小二乘估计方法。这种协同定位方案，不需要进行完整的相对位置测量，对测距和测向在群体相对测量中进行合理分解，降低了飞行器测量设备配置的要求。通过仿真验证了该方法的有效性。     

一种改进的四旋翼飞行器建模方法

四旋翼飞行器的高精度动力学建模对于飞行控制性能的提升具有重要意义。传统的动力学模型是基于单个旋翼的力、力矩特性推导的，忽略了飞行器的整体动力学特征。考虑到四旋翼飞行器在机动情况下的整体动力学特点，对传统动力学模型进行了改进，在阻力模型中增加了角加速度相关项，在扭矩模型中增加了阻力相关项，在横滚与俯仰力矩模型中增加了切向力相关项，从而提高了模型的精度。通过四旋翼飞行器飞行试验对模型精度进行了验证，结果表明改进的动力学模型相较于传统模型具有更高的精度，对于飞行器的准确建模具有较好的参考意义。     

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。     

基于火箭橇的北斗动态定位精度鉴定方法

介绍了几种现有的以GPS/北斗为主要代表的卫星导航系统的动态定位精度 鉴定方法,分析了这几种方法在模拟实际使用环境、鉴定精度等方面的优缺点,提出了 一种基于火箭橇试验平台的北斗导航定位系统动态定位精度鉴定方法。该方法能够很好 地模拟北斗导航定位系统实际工作环境（速度、加速度、振动和天线角度等）,解决高 动态、高精度北斗导航定位系统动态定位精度鉴定问题,并对该方法的原理和实施方法 作了详细的论述,最后分析了该方法的不确定度及误差,并提出了改进措施。