线性调频信号在雷达中的应用

线性调频(LFM)信号是脉冲压缩体制雷达中广泛应用的大时宽带宽积信号,其突出优点是匹配滤波器对回波信号的多普勒频移不敏感。根据线性调频脉冲压缩信号的时域和频域特点,运用模糊函数对该信号的性能进行分析。LFM信号具有更高的距离、速度分辨率,以及更好的低截获概率特性。给出此类信号经匹配滤波压缩处理的过程、结果及工程实现。     

数字相关法测时差的工程实现

时差测量精度是定位技术的关键指标。传统模拟法的时差测量精度随输入信号的沿宽加大而变坏(相同信噪比),当信号沿宽达到1500ns时,其时差测量精度已不能满足定位系统的要求。而数字相关法能适应不同沿宽的雷达信号时差的高精度测量。介绍了利用A/D、DSP和FPGA等器件搭建的硬件系统来实现数字相关法时差测量的方法。重点讨论了A/D采样模式、数字滤波、相关算法简化、插值技术及最终数据的统计处理。该方法具有一定的普遍适用性。     

一种新的弹道导弹雷达跟踪算法

提出了一种新的名为Singer-IEKF的弹道导弹雷达跟踪算法。传统的弹道导弹跟踪方法，利用扩展卡尔曼滤波器进行非线性滤波，取Taylor展开的前两项，可能引入较大的线性化误差，导致跟踪精度不高。在分析弹道目标动力学特性的基础上对目标的运动模型采用基于J2校正的Singer模型来描述，并利用迭代的扩展卡尔曼对非线性的目标量测模型进行线性化。对新算法和扩展卡尔曼滤波算法进行Monte-Carlo仿真比较。仿真结果表明新算法的模型更准确，跟踪性能更好。     

基于北斗双星定位辅助的SAR/INS组合导航系统研究

由于SAR/INS/北斗组合导航系统中图像匹配定位需要耗用不等的匹配计算时间，而现有的北斗定位系统输出也具有一定的延时，因此，SAR／INS／北斗组合导航系统中的量测信息输出具有不同步和滞后的特点。针对上述问题，采用常规的联邦滤波算法将难以获得高精度滤波结果。为此，本文在分析SAR／INS／北斗组合导航系统工作过程的基础上，结合卡尔曼滤波的具体原理，设计了针对不同步量测信息的基于联邦滤波理论的组合滤波方案，并进一步提出了解决量测信息滞后问题的算法，从而可以有效处理SAR／INS／北斗组合导航系统中的信息融合问题。协方差分析结果表明提出的组合滤波方案可行，该方案对SAR／INS／北斗组合导航系统的实际应用具有重要的理论参考价值。     

基于Adaptive Sigma-Point滤波的智能导弹对目标协同定位方法研究

在对智能导弹协同作战过程详细描述的基础上,提出了一种利用多枚智能导弹协同对目标定位的方法。考虑目标运动模型为静止模型和运动模型两种情况,将Sigma-Point滤波方法与过程噪声的自适应估计方法相结合,融合目标运动状态和目标到达角信息,克服了常规Sigma-Point滤波性能依赖于目标运动模型的先验统计信息的缺点。通过比较目标可能存在区域面积的大小,确定了参与协同定位的智能导弹数目和编队构型。仿真研究表明,多枚智能导弹协同对目标定位可以显著提高定位精度和速度。     

基于Hatch滤波法的GPS伪距差分定位分析

利用Hatch滤波法对导航数据进行伪距差分定位研究,对单频接收机采用Hatch滤波法时电离层的影响做进一步研究,分析电离层风暴对定位精度的影响。为了提高定位精度,采用Hatch滤波法辅助的差分定位技术,对解算过程进行详细分析,并通过MATLAB软件对数据进行处理仿真,验证利用差分Hatch滤波法提高定位精度的可行性。     

改进的迭代粒子滤波法在GPS数据处理中的应用

研究粒子滤波方法(PF)处理GPS测量数据.采用迭代Kalman滤波方法产生粒子滤波器中的粒子,得到更精确的目标状态估计.同时利用目标运动方程向后外推目标状态,综合利用外推的目标状态以及历史现测数据确定各粒子的权值,降低现测随机误差的影响,从而提高粒子滤波器的性能.采用改进的粒子滤波方法处理GPS测量数据,仿真结果表明...     

差分GPS伪距与惯导组合技术仿真研究

叙述和建立了差分GPS/INS组合系统的状态方程和量测方程,并用卡尔曼滤波对DGPS/INS组合系统进行了组合及仿真,给出了详细的仿真数据和程序框图.仿真结果表明该组合系统可以极大地提高导航定位的精度,对飞机的精密进场着陆和各种载体的精确制导具有一定的现实意义.     

GPS定位定向系统的研究

本文提出一种综合模糊度搜索算法和余度测量的周跳检测法。采用该方法进行模糊度搜索，保证了初始化时间最短的组合能在３００秒以内出现，使初始化时间大大缩短。     

基于置信度加权的组合导航数据融合算法

 针对联邦滤波融合算法中由于模型量测噪声统计特性未能被准确描述导致其子滤波器误差变大,进而导致联邦滤波估计出现偏差的问题,为了改进联邦滤波融合方法,将模糊自适应卡尔曼滤波方法和置信度加权方法与联邦滤波融合方法相结合,应用于组合导航系统。该方法首先将模糊自适应卡尔曼滤波方法应用于各子滤波器,使其能够跟踪真实量测噪声统计特性。然后通过模糊方法计算得到各子滤波器的置信度,进而得到联邦滤波器的置信度,再由得到的置信度对各子滤波器及联邦滤波器输出进行加权,得到最终的全局输出。对车载组合导航系统的仿真结果表明,这种算法对量测噪声具有较强的自适应性,能够抑制置信度低的子滤波器在融合系统中所占的权重,提高联邦滤波融合算法的精度,是一种可行的车载组合导航数据融合算法。