飞行器特性对雷达探测跟踪的影响

雷达目标特性、飞行特性是飞行器固有的重要特性,也是雷达对飞行器探测跟踪的主要特征量,通过原理理论与实际数据分析总结了飞行器目标特性和运动特性对雷达探测跟踪的影响,描述了飞行器特性与雷达探测跟踪性能间的特征与规律,可为飞行器设计与雷达工程技术人员提供参考。     

飞行器特性对雷达探测跟踪的影响

雷达目标特性、飞行特性是飞行器固有的重要特性,也是雷达对飞行器探测跟踪的主要特征量,通过原理理论与实际数据分析总结了飞行器目标特性和运动特性对雷达探测跟踪的影响,描述了飞行器特性与雷达探测跟踪性能间的特征与规律,可为飞行器设计与雷达工程技术人员提供参考。     

机载目标状态估计器

研究基于空载雷达测量下的机动目标状态估计器的设计问题。通过建立直角坐标状态方程和选取一种伪测量量，并采用测量模型线性化的方法，建立起了估计器的基本结构，在此基础上增加距离通道的冗余滤波，进一步提高距离通道的估计精度，最后将估计器联入整个综合火力／飞行控制系统中，进行了Ｍｏｎｔｅ Ｃａｒｌｏ仿真，仿真结果表明，设计的目标状态估计器具有很好的跟踪估计性能。     

基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化

提出了基于Rao-Blackwellized蒙特卡罗数据关联的雷达目标检测跟踪联合优化算法。Rao-Blackwellization方法将单目标跟踪与数据关联分开处理,将序贯蒙特卡罗方法（粒子滤波）用于数据关联,实现杂波与虚警量测中的多目标跟踪。同时,根据粒子的分布范围确定波门大小。在考虑粒子权重的前提下,利用检测单元与所有粒子的相对位置对检测门限进行修正,提高检测率。将本文算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真数据、S波段相参与非相参雷达实测数据。实验结果表明,本文算法能够在粒子数较少的情况下,实现对小弱目标的检测与跟踪。      

阵列雷达中快速目标截获的几个关键问题研究

研究了阵列雷达中快速目标截获的两个关键问题:角度测量和角度预测.首先,从测角原理、要求的波位排布、鉴别特性和测角性能等几个方面研究了阵列雷达中快速目标截获的两种测角算法:幅度比较类单脉冲和幅度加权平均,提出了这两种算法在工程应用中的引导和非线性校正方法;然后,分析了利用跟踪滤波器的角度预测算法,提出了SDF跟踪滤波器;最后,在某阵列雷达仿真系统中进行了仿真研究.     

相控阵雷达的系统反应时间研究

研究了相控阵雷达的系统反应时间,提出了当采用TWS和TAS两种跟踪方式时,计算相控阵雷达反应时间的公式,揭示了反应时间与搜索、跟踪和截获方式及其参数之间的关系.研究了截获参数的优化.比较了采用两种跟踪方式时的系统反应时间.实验结果说明,采用TWS跟踪方式时,反应时间主要决定于搜索帧周期和目标的速度,与目标个数无关;采用TAS跟踪方式时,反应时间主要取决于目标个数和速度,与搜索帧周期关系不大.      

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

低复杂度自适应容积卡尔曼滤波算法

确定采样型滤波算法中的容积卡尔曼滤波（CKF）算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量。为此,提出一种低复杂度自适应CKF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证。仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善。      

反导预警相控阵雷达网目标分配方法

针对相控阵雷达网跟踪弹道导弹目标时的资源管理问题，分析阐述反导预警作战场景，提出综合目标跟踪精度和雷达切换频率的目标分配效益函数，从雷达能量、时间及雷达与目标可见性三方面建立约束条件，以准确反映目标分配过程中的实际限制，在此基础上构建反导预警相控阵雷达网目标分配模型。根据反导预警任务特点，设置目标分配的自适应间隔，以提高模型设计合理性。就稀疏弹道导弹目标跟踪、密集弹道导弹目标跟踪2种场景进行仿真实验，结果表明:运用所提方法能够有效实现目标分配，提升相控阵雷达网资源利用效率，并能够减少雷达切换次数。      

基于相关滤波和轨迹预测的视频卫星动态目标跟踪算法

为解决卫星视频中有遮挡或相似目标情况下目标跟踪的问题,提出了一种改进的相关滤波算法,在跟踪框架中加入了干扰判别模块和基于神经网络的轨迹预测模型。通过比较平均峰值相关能量指标值与自适应阈值来判别跟踪器是否受到干扰。双向长短期记忆网络以目标历史轨迹编码为输入来完成轨迹预测,结合相关滤波输出结果和网络预测结果来确定目标的位置。实验表明,所提出算法的精度提升了2.10%,在有遮挡或相似目标等情况下仍具有较好的跟踪性能。     

基于URD的非线性滤波算法

非线性滤波算法一直是个活跃的研究方向,本文引入数论中的均匀随机设计（URD）,提出了一种URD的非线性滤波算法（URD-KF）,用于处理非线性高斯系统的滤波问题,并从理论上分析了该算法的性能。分析表明,该算法的性能要好于Unscented变换方法。仿真结果也证实了该算法的滤波性能优于UK滤波算法,且在相同滤波性能的前提下,该算法的计算代价要小于PF滤波算法。将该算法应用于Bearing—Only跟踪中,实验结果表明,该算法的性能优于PF。     

基于相关滤波器的嵌入式动态目标跟踪系统设计

针对空间非合作运动目标监控,提出了一种基于嵌入式技术的动态目标实时检测与跟踪方法,并完成了跟踪系统的研制设计和测试。该视觉目标跟踪系统以嵌入式处理器为控制器,通过相机模组获取实时视频图像,图像经过视觉检测与跟踪算法程序分析,得到目标的位置信息后,控制伺服运动系统调整相机姿态实现对动态目标跟踪。提出了基于相关滤波原理的跟踪算法,搭建了树莓派嵌入式测试系统,完成实时检测与跟踪的实验评估。实验结果表明,嵌入式处理器中检测与跟踪程序的平均运行帧率达到25FPS,伺服机构在水平360°和俯仰±60°范围内实现了对移动速度90°/s的目标的实时、稳定监控与跟踪。     

基于交互式多模型鲁棒滤波的目标机动估计算法

针对雷达导引头的测量信息带有闪烁噪声的问题,研究了交互式多模型和鲁棒滤波在雷达导引头目标机动估计中的应用.采用Huber Based滤波理论改进高阶容积卡尔曼滤波,提出高阶容积鲁棒滤波算法,选取Singer模型、“当前”统计模型、常加速度模型作为目标机动模型,建立雷达导引头测量模型,结合交互式多模型算法框架,设计目标机动估计滤波器.蒙特卡洛数字仿真结果表明,所提算法的鲁棒性较强,与传统高斯滤波相比,所提算法对闪烁噪声具有更高的滤波精度.     

一种用于目标跟踪的UT-BLUE滤波方法

雷达机动目标跟踪问题中,通常目标运动模型可精确地在直角坐标系下建模,但大多数情形下模型是非线性的,同时在传感器坐标系下所获得目标量测又是直接可用的.通过将无迹变换与最优线性无偏滤波器有机结合,提出一种新的BLUE(Best Linear Unbiased Estimator) 滤波算法,以便解决上述非线性跟踪问题.首先,该算法利用无迹变换对经由直角坐标系下非线性目标运动模型得到的目标状态及其协方差作出预测,然后在保持传感器坐标系(极坐标系)下所固有的量测误差的同时,直接对它们作出状态估计.在算法推导及Monte-Carlo仿真过程中,将新的BLUE滤波算法和EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)滤波算法进行比较,结果表明新算法的有效性和适用性.      

深空伪码测距中复合码性能的分析与研究

深空伪码测距系统中复合码的选择影响到系统的无模糊距离、测距精度、捕获时间和硬件实现方法. 针对深空伪码测距系统中常用的测距码进行仿真、分析、比较与研究, 包括复合码的频谱特性、周期、直流分量、码钟衰减、捕获时间和测距抖动误差等. 利用同相相关系数和非同相相关系数的信号空间图分析复合码的捕获时间性能; 采用同相中相积分环作为码跟踪环, 利用其线性环路模型分析测距系统的抖动误差性能; 进而分析半正弦成型和方波成型对系统的捕获时间和测距抖动误差的影响. 通过研究和分析认为, 在深空测控测距中, 一种比较适用的测距方式是选择T4B作为伪码测距系统的测距码, 基于DDS原理产生任意码片移位的伪码序列, 采用半正弦成型调制方式和半正弦匹 配滤波接收技术, 利用同相中相积分环进行伪码的跟踪.      

SINS辅助GPS跟踪环路超紧耦合系统设计

为了提高GPS(Global Positioning System)在高动态条件下的跟踪性能并为SINS(Strapdown Inertial Navigation System)提供精确、可靠的修正信息,提出了一种SINS辅助GPS超紧耦合导航方案.针对高动态条件下载波跟踪性能不佳的问题,利用SINS速度信息为载波环提供多普勒频率辅助,从而降低了载体动态对载波环的影响.此外,将载波环跟踪误差扩充为组合系统的状态变量,并建立了载波环跟踪误差、伪距率量测误差与惯导误差之间的关系模型,从而消除了引入SINS辅助信息导致的量测相关问题.仿真验证表明:超紧耦合系统不仅能够有效地提高跟踪环路的噪声抑制能力和动态跟踪性能,而且可以显著地改善组合滤波器的误差估计精度.     

基于递推更新卡尔曼滤波的磁偶极子目标跟踪

针对磁性目标跟踪问题,以磁偶极子等效场源模型为基础,建立磁性目标跟踪的离散状态空间模型,将磁偶极子目标实时跟踪问题转化为状态空间模型的滤波估值问题。针对磁性目标初始条件难以获得且现有卡尔曼类滤波算法在大初始误差条件下容易出现发散的问题,提出一种递推观测更新的卡尔曼滤波算法,将现有的一步观测更新描述为递推更新过程,等效降低大初始误差带来的大非线性误差。仿真与实测数据测试结果表明,本文算法具有良好的精度和收敛性,能够有效抑制磁偶极子跟踪中由于大初始误差导致的滤波发散,适于实际应用。     

利用一次雷达实现低空空域的安全监视

介绍了一种低成本的低空空域雷达监视实验系统,并提出了一种基于雷达平面位置指示(PPI,Plane Position Indicator)图像的目标检测与跟踪算法,其中杂波抑制和目标状态估计是两项关键技术.经过背景差分的雷达PPI图像,仍然含有大量的背景边缘杂波,该算法利用其空域特性进行杂波抑制,并采用交互式多模型(IMM,Interactive Multiple Models)方法对目标的匀速、加速、减速、转弯等机动运动进行跟踪.详细分析了仿真数据的跟踪效果,并将整套算法应用于两组实测PPI图像,实验结果说明其有效性.     

一种连续波雷达高精度波束中心速度求取方法

解决着陆导航连续波测速雷达中面目标非均匀散射特性和加速度分量对测速精度的影响,提出了一种高精度波束中心速度求取方法。采用Kalman滤波完成速度跟踪和加速度估计,进行加速度补偿后,利用ZFFT变换完成对目标多普勒频移范围的细化分析,最后采用包络截取法完成高精度波束中心速度估计。通过仿真分析证明,包络截取法相比其他方法具有精度高、适应性强的特点,速度测量误差小于0.15m/s（3δ）;通过硬件系统处理时间分析,该算法流程易于实时处理,已成功应用于某着陆导航雷达系统中。     

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波（SRCKF）性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波（AKF）算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明：与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。