双基阵纯方位被动定位跟踪方法

研究了双基阵纯方位目标运动分析的原理和方法,给出了卡尔曼滤波算法的模型。针对目标跟踪和滤波中容易出现的跟错目标和滤波发散问题,提出将进行方位数据时空关联、采取航迹状态转移和距离回归门限相结合的方法实现对单、双目标的跟踪定位。仿真实验表明,应用该方法可以快速、稳定地完成目标运动要素的估计,可以较好地应用于工程实现。     

基于双阵纯方位的水下运动目标运动分析研究

单基阵纯方位水下目标运动分析需要基阵所在平台至少作一次机动,复杂多变的海战环境中,往往并不允许平台执行机动,故通常需利用多维信息对水下目标进行运动分析。本文基于双阵方位进行水下目标运动分析,目前相关公开文献中多是从仿真层面对该问题进行研究,本文在数值仿真的基础上,通过对海试数据的处理,从试验层面研究这一问题。文中采用最大似然估计法和扩展卡尔曼滤波方法进行双阵纯方位水下目标运动分析,通过数值仿真及海试数据的处理,验证算法的有效性。     

基于双阵纯方位的水下运动目标运动分析研究

单基阵纯方位水下目标运动分析需要基阵所在平台至少作一次机动,复杂多变的海战环境中,往往并不允许平台执行机动,故通常需利用多维信息对水下目标进行运动分析.本文基于双阵方位进行水下目标运动分析,目前相关公开文献中多是从仿真层面对该问题进行研究,本文在数值仿真的基础上,通过对海试数据的处理,从试验层面研究这一问题.文中采用最大似然估计法和扩展卡尔曼滤波方法进行双阵纯方位水下目标运动分析,通过数值仿真及海试数据的处理,验证算法的有效性.     

纯方位水下被动目标跟踪与卡尔曼滤波

针对水下被动目标跟踪的特点，本文对基于扩展卡尔曼滤波，修正增益扩展卡尔曼滤波，协方差平方根滤波，变系数衰减记忆滤波等纯方位水下被动目标跟踪算法进行了系统的仿真实验，比较和分析了仿真结果，研究了一些滤波器的参数选择，指出了修正极坐标系的优越性，为水下被动目标跟踪的实现提出了参考。     

基于方位频率测量的水下被动目标运动分析算法

根据被动观测器所测得的目标方位和多普勒频率信息,通过对新息的伪线性处理,建立了系统线性的状态方程和观测方程,并推导出修正的扩展卡尔曼滤波递推公式,从而对目标的运动状态进行估计。通过蒙特卡罗仿真表明,此算法具有收敛速度快、精度高、稳定性好等优点,可应用于远距离的水下被动目标运动分析。     

双目标纯方位定位数据处理分析

本文从双基阵纯方位定位的基本原理出发,给出了卡尔曼滤波算法的模型,针对实际目标特点和滤波中容易出现的发散问题,对方位数据进行时空迭代后将解算数据进行航迹融合。仿真实验表明,该处理方法能够克服滤波发散,实现双目标有效跟踪,可以快速、稳定地完成目标运动要素的估计,有较好的工程应用价值。     

最优跟踪滤波方法处理有人驾驶机动目标的性能估计

大部分战术武器系统要求能精确地跟踪有人驾驶机动运动体，如飞机、舰艇及潜艇等。为此，本文利用一个既简单易行又能真实体现机动目标运动的目标模型导出了最优卡尔曼滤波。利用这种滤波算法，把参数跟踪精度数据构造成目标机动特性、探测器观测噪声及数据的函数，这样，当探测器跟踪机动目标，提供距离、方位和仰角测量的某种组合时，我们能据此作出跟踪性能的一个快速先验估计。     

初距自适应估计的降维纯方位目标运动分析

纯方位目标运动分析(BO-TMA)是一种从探测器所观测到的加噪方位信息和测量载体的机动信息中估算出目标运动要素的方法。针对传统纯方位目标运动分析收敛速度慢,参数估计精度低的问题,本文通过建立以初距为参量的纯方位最小二乘TMA模型,提出一种自适应确定初始距离并求解速度信息的方法,该方法将三维问题转化为二维问题,从而提高收敛速度与估计精度。仿真结果验证了该方法的有效性。     

基于水声传感器网络的目标纯方位运动分析

研究了基于水声传感器网络的目标纯方位运动分析原理及方法,建立了基于水声传感器网络的目标运动分析模型。在此基础上,讨论了模型中多维非线性估计问题,提出了一种基于传感器网络新的水下目标运动分析方法。该方法采用改进的粒子滤波EKF-PF(扩展卡尔曼-粒子滤波)算法实现,并与传统的扩展卡尔曼滤波(EKF)和粒子滤波(PF)算法进行了比较。通过Monte Carlo仿真分析,表明基于水声传感器网络的目标运动分析方法充分利用了网络的优势和当前测量信息。这种方法对水下目标运动状态估计时,不仅降低了计算量而且表现出较高的估计精度。所得结论为水下传感器网络进行目标被动定位提供了参考。     

水声对抗系统中的数据融合方法研究

本文对水声对抗系统中的数据融合方法进行了研究，给出了用于鱼雷目标分类的决策级融合方法，以及利用多声纳方位测量数据进行目标初始定位和运动要素估计的融合结构，克服了需要本舰机动的限制。进行了仿真试验，对仿真结果进行了比较和分析。     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能，提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法，Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布，因此相对于其它蒙特卡洛方法，UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络，将神经网络的输出作为加速度控制参数，用于修正目标的运动模型。仿真结果表明，与扩展卡尔曼滤波相比，神经网络辅助下的UPF具有更好的跟踪性能。     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

纯距离条件下的UKF目标参数估计方法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标.无迹变换卡尔曼滤波器（Unscented Kalman Filter,UKF）通过产生采样sigma点对系统状态进行逼近,可以较好地解决这一问题.将UKF应用到多站测角被动目标跟踪问题中,并通过仿真试验证实了算法的有效性.     

小口径舰炮拦截机动目标的火控算法研究

为了解决小口径反导舰炮不易于跟踪瞄准高速机动目标的问题,针对做比例导引运动的反舰导弹,将比例导引规律引入状态方程,建立线性时变模型,实现对系统状态的Kalman滤波;在简易射表拟和函数基础上,提出了基于比例导引运动的解相遇模型,为控制火炮射击提供了算法基础。