一种改进的多站AOA/TDOA联合无源定位闭合形式算法

为解决多平台协同外辐射源无源定位问题，提出了基于到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)的闭合形式定位解算法。在保持两阶段定位闭合形式算法框架不变的前提下，所提算法不仅考虑了AOA与TDOA观测噪声对定位造成的不利影响，同时还缓解了传感器位置不确定引起的定位精度恶化问题。数值仿真结果验证了所提算法的高精度定位性能。     

一种改进的机载多普勒雷达目标跟踪算法

针对传统的基于多普勒雷达量测转换的目标跟踪算法只适用于静止雷达的问题,将该算法推广至机载多普勒雷达。在每个递推周期里,首先将机载导航数据转换到东北天坐标系中;然后,将距离量测转换成东北天系下的位置伪量测,由此完成对目标的位置滤波;最后,联合目标位置滤波值及多普勒量测对目标进行运动状态滤波,由此得到目标的位置最终估计值。仿真实验结果表明,改进后算法的跟踪精度优于传统的多普勒雷达目标跟踪算法。     

基于UKF滤波器的状态融合算法

对于具有相同观测方程、不相关观测噪声的非线性系统,应用非线性系统的无迹卡尔曼滤波器和加权最小二乘法,提出了信息融合UKF滤波算法。同但传感器情形相比,提高了滤波精度。     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中，系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪，通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题，提出了一种基于预测值的量测转换方法，并将其与卡尔曼滤波算法相结合，获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明，与现有的基于量测转换的卡尔曼滤波算法相比，该算法能在不提高运算量的情况下有效改善目标跟踪效果，跟踪精度提升约20%。     

IMU辅助的TDOA室内定位

室内环境下，当无线信号受到多径和非视距干扰时，传统的基于到达时间差（Time Difference of Arrival，TDOA）的测距模型定位精度不满足室内定位精度要求。为此，提出利用TDOA与低成本的惯性测量单元（Inertial Measurement Unit，IMU）相结合的定位方法。在视距情况下，只有TDOA系统工作，但在信号受到干扰时，利用IMU能够在短时间内提供一个准确的相对位置信息的特性，采用TDOA算法对其进行辅助定位，并利用卡尔曼滤波器对它们的数据进行预处理，最后使用扩展卡尔曼滤波器对数据进行处理融合。实验结果表明，提出的算法比传统的TDOA定位具有更高的精度。     

一种采用自适应测角噪声的交互多模型跟踪方法

针对转换瑞利滤波器(SRF)由于测角误差先验信息不准确而导致跟踪性能退化的问题,提出了一种基于交互式多模型转换瑞利滤波器（IMM-SRF）的目标跟踪方法。该方法采用多个不同测角噪声水平的SRF模型进行滤波,并且通过对滤波结果的自适应加权融合解决测角误差未知的问题。与SRF方法相比,该方法无需测角误差的先验信息,鲁棒性和实用性更好。仿真结果表明,IMM-SRF方法可实现对匀速运动和曲线运动目标的准确跟踪,并且收敛速度也较快,验证了所提方法的有效性。     

α－β滤波器的基本问题分析与仿真研究

针对α－β滤波器滤波增益随采样时刻的增加而减小的问题,提出了一种根据位置滤波平均误差、速率滤波平均误差以及速度滤波效果确定滤波增益下降截止时刻的方法,并分析了可能影响滤波增益下降截止时刻的因素。仿真结果表明：通过该方法确定的滤波增益下降截止时刻可以使α－β滤波器的滤波效果达到最佳;滤波增益下降截止时刻与目标采样间隔的相关性最强,与过程噪声的相关性次之,与量测噪声的相关性最弱。     

强跟踪Unscented滤波器及其在无源跟踪中的应用

本文研究用递推算法实现只测量到达角和多普勒频移的无源双基地雷达的目标运动分析。基于Unscented卡尔曼滤波器和强跟踪滤波器,提出了一种新的强跟踪Unscented滤波器算法。新算法在无源双基地雷达目标跟踪的仿真实验中显示了高精度鲁棒滤波的性能。     

无源双基地雷达目标运动分析的可观测性

本文研究利用外辐射源的单站无源定位和跟踪技术的可观测性问题。引入相容目标轨迹的概念，分析了三维N阶运动目标在不同观测信息条件下的相容轨迹的几何分布，并证明多普勒和到达时差观测是等价观测量。     

带多普勒量测的序贯SCKF雷达目标跟踪算法

为提高非线性观测条件下雷达目标的跟踪性能,将序贯处理方法引入均方根容积卡尔曼滤波（SCKF）,提出一种带多普勒量测的序贯均方根容积卡尔曼滤波（SSCKF-D）雷达目标跟踪算法,该算法通过建立伪量测去除径向距离和径向速度量测误差方差之间的相关性。基于SCKF算法,按照量测精确度的高低顺序对方位角、俯仰角、径向距离和伪量测序贯处理。Monte Carlo仿真表明,与SCKF和带多普勒量测的均方根容积卡尔曼滤波（SCKF-D）算法相比,SSCKF-D算法跟踪精度更高,较后者提高20%以上,收敛速度更快,更适用于空间目标跟踪。     

多校准站TDOA/FDOA无源定位方法

针对运动目标到达时差（Time Difference-of-Arrival,TDOA）/到达频差（Frequency Difference-of-Arrival,FDOA）定位中的接收站定位误差问题,提出了基于多校准站的TDOA/FDOA定位方法,有效降低接收站定位误差的影响,并推导了该方法的克拉美罗下限（Cramér-Rao Lower Bound,CRLB）。理论分析表明,采用多校准站法能有效降低CRLB,提高目标定位精度。同时,当校准站自身定位存在误差时,也将影响对接收站的校准和目标的定位精度。通过仿真实验定量分析了采用多校准站法对定位精度的改善程度。     

基于卡尔曼滤波的三星时差运动目标定位技术

针对三星时差无源定位体制的特点,研究空中运动目标辐射源定位技术。在匀 速直线运动目标模型下,通过改变地球方程参数,利用牛顿迭代算法给出目标的瞬时初始定 位点,并在此基础上利用不敏卡尔曼滤波对运动目标进行跟踪定位。仿真验证表明 ,利用三星时差测量体制和相关滤波算法,可以有效实现空中运动目标的跟踪定位,精度优 于5 km;同时在精确初始值的引导下,滤波算法收敛速度更快,定位精度更高,航迹更 为连续。     

低轨时差频差系统对运动目标的定位能力

战场高速运动目标往往具有高威胁性，现有天基电子侦察手段对此类目标的定位跟踪能力已经难以适应现代战场感知需要。通过研究时差频差定位原理，在现有双星体制基础上构建了三星时差频差定位体制；同时结合卡尔曼滤波算法，实现了对空中高速运动目标的定位和速度估计。经计算仿真，系统对空中高速运动目标的定位精度达到了几公里量级，速度估计误差达到了10 m/s量级，充分验证了方法的工程可行性。通过上述改进，大幅扩展了天基时差频差系统的应用范围，将有力提升天基系统的战场感知能力。     

基于人工鱼群粒子滤波的信号源定位

针对传统粒子滤波算法精度不高、难以满足移动监测车对无线电信号源定位需求的问题,提出了一种基于人工鱼群粒子滤波的信号源定位方法。将人工鱼群算法的优化思想引入到粒子滤波中,通过觅食行为和聚群行为驱动粒子向最优位置移动,改善粒子的分布。结合移动监测车对信号源定位的需要,建立了信号源波达角定位（AOA）的数学模型,在Matlab环境下对人工鱼群粒子滤波算法的信号源定位进行了仿真。实验结果表明,在保证实时性的前提下,该方法定位结果的最大误差为0.101%,定位精度远大于粒子滤波定位方法的估计精度,是一种有效、可行的定位方法。     

一种适用于机场场面监视MLAT系统的状态模型

根据直角坐标系的目标运动模型和无源多点时差定位系统(MLAT)的特点,推导出了一种到达时间差（TDOA)状态模型方程,并基于该模型方程,设计了一种TDOA跟踪滤波器。与传统TDOA状态模型方程相比,所推导出的状态模型方程和滤波器不但能提高TDOA的估计精度,还可更有效地消除非视距（NLOS）成分。仿真和实测数据证实了所推导状态模型方程和所设计跟踪滤波器的有效性。     

对抗NLOS误差的TOA/AOA混合无线定位算法

信道的时间和空间的变化所导致的非视距（NLOS）传输是移动定位技术面临的巨大困难。为此，利用蜂窝网络的结构、信号到达时间（TOA）以及信号到达角度（AOA）提出了一种TOA／AOA混合定位算法，有效地解决了这一问题。研究了算法在不同类型NLOS误差下的表现，结果表明该算法能够有效地降低NLOS误差的影响，定位精度比其它算法有显著提高，而且在不同分布的NLOS误差下表现稳定。     

双星定位系统定位精度的Cramer-Rao下界分析

介绍了双星时频差定位原理,在此基础上研究了在地球表面约束条件下的双星定位系统的定 位精度理论下界。利用推导的定位精度Cramer-Rao下界,仿真分析了定位参数估计精度、卫 星星历、目标辐射源位置以及辐射源载波频率等因素对定位精度的影响,并给出了物理解释 。定位仿真试验结果表明,定位精度变化趋势与Cramer-Rao下界一致,证明了理论推导的正 确性。