一种改进的交互多模型算法

针对交互多模型(IMM)算法对目标加速度估计误差较大的不足,提出了一种改进的交互多模型算法,通过对交互多模型输出的加速度信息进行均值滤波提高对加速度估计的精度.计算机仿真表明,与交互多模型相比,该方法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.     

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%。     

一种量测转换的移动外辐射源多站协同跟踪算法

针对移动外辐射源跟踪问题,提出一种融合到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter,CMKF)算法。首先,采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法,并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时,该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound,CRLB)界;其次,在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型,将非线性的目标跟踪问题转化为线性滤波问题,并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合,还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。     

多站无源定位系统中的机动目标跟踪算法

针对多站测向无源定位系统提出了一种杂波环境下机动目标的被动跟踪算法———ＣＭＩＭＭＰＤＦ 算法。该算法首先用转换测量的卡尔曼滤波（ＣＭＫＦ）替代了传统的扩展卡尔曼滤波,克服 了后者精度不高易发散的缺点,并将其结合交互多模型（ＩＭＭ）算法及概率数据关联（ＰＤＦ）算法,有效 地完成了多站无源定位系统对杂波环境下机动目标的跟踪。仿真结果证明了该算法的有效性。     

一种新的基于交互多模型的序贯重要采样算法

通过将交互多模型（IMM）算法和粒子滤波（SIS）算法结合，提出了一种新的IMM～SIS算法。在每个模型中，都有一个标准的粒子滤波器，模型之间的交互与传统的IMM一样。由于在新的算法中，每个模型中粒子滤波都保证固定数量的粒子，因此不会出现粒子退化和贫乏现象。仿真证明了新的IMM—SIS算法在收敛速度和精度方面都要优于传统的IMM—EKF算法。     

一种基于TDOA的多天线联合测角算法

针对分布式多天线系统中传统测角方法存在测量精度偏低、宽带信号不适用等问题,提出了一种基于时延差（Time Difference of Arrival,TDOA）测量的多天线二维测角算法。该算法基于最小二乘原理,综合利用多基线测量结果进行迭代计算,有效提高了估计精度,且无需解模糊。推导了算法的克拉美罗界(Cramér-Rao Lower Bound,CRLB)与均方根误差表达式,讨论了算法的测角性能。当天线数为7、天线间距100 m、时延估计精度优于10 μs时,测角精度接近CRLB,方位角精度优于3°,俯仰角精度优于4°。算法复杂度适中,能够应用到多天线无源侦察、空间目标跟踪等应用中。     

多模型交互滤波在运动目标轨迹融合中的应用

分析了运动目标轨迹融合数据源的技术特点,在目标跟踪算法基础上,提出了多模型滤波的概念,同时建立了比较有效的数学模型,解决了目标高度机动情况下的目标跟踪问题。最后给出了多模型滤波效果的仿真演示结论。     

一种多脉冲联合处理的塔康辐射源定位方法

根据塔康（TACAN）脉冲序列的连续性,提出了一种基于多脉冲联合测向定位的新方法。该方法仅需两个相距较远的天线阵元,先利用塔康脉冲的特征,建立单个脉冲和多个脉冲间对应的侦测平台、目标飞机以及塔康信标台三者位置关系方程,得到目标方位初始解;利用该初始解,对两阵元干涉仪测向解模糊,得到方位角的高精度解,再代入时差-方位双曲线方程得到目标位置的高精度解。该方法相比传统方法有更高的测向定位精度和更简化的天线布局,有利于工程应用推广。     

一种认知跟踪雷达LFM波形库建立方法

认知雷达是下一代雷达发展的方向之一。在对认知跟踪反馈环进行分析的基础上,提出了一种线性调频(LFM)信号波形库的建立方法。在应用交互多模型跟踪机动目标的背景下,通过所建的波形库对发射波形进行实时调用,达到减小跟踪误差的目的。研究了具有不同调频率参数与FrFT旋转角度组合的不同数量LFM信号波形库的建立,以最小化模型选择不确定性为目的推导波形选择准则,得到了不同的波形选择策略。仿真验证分析其跟踪精度可以看出,构建具有一定数量LFM波形的波形库可以提高认知跟踪雷达的性能。     

一种同波束多目标测轨的角度修正方法

为解决船载测控设备对同波束内的非主跟踪扩频目标测轨时测角数据偏差大的问题,剖析了现有设备同波束多目标测轨方法的缺陷,提出了一种基于多目标角误差电压的角度修正方法,根据此方法分析了测控过程中获取的外测数据,对实测角度数据进行了修正和定轨反演验证,通过多目标测角信息传输方式的改进实现测角数据的实时修正,有效提高了同波束多目标飞行轨迹测量精度。     

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。