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。     

一种双基阵纯方位机动目标被动跟踪方法

利用2部被动声呐基阵获取的目标方位信息对水中机动目标的跟踪实质是一个非线性状态估计问题,由于观测方程的非线性性,滤波环节不可避免地要用到非线性滤波算法.以往解决此问题的方法是在基于交互多模型(IMM)算法并在其滤波环节应用扩展卡尔曼滤波(EKF)算法.然而,EKF算法在计算滤波误差协方差阵时没有融入当前观测信息.为此提出在原方法的基础上用其改进算法即修正协方差扩展卡尔曼滤波(MCEKF)算法取代EKF算法,以改善跟踪性能,从而得到一种新的方法.经仿真验证了所提方法的正确性和有效性.     

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UKF的水下目标纯方位跟踪算法

将基于无迹变换的UKF方法运用到水下目标运动分析中,给出了具体步骤,讨论了其目标运动分析问题.利用测得的纯方位序列,建立了状态方程和观测方程.通过蒙特卡洛模拟仿真,结果表明,在处理非线性问题中,UKF方法在滤波精度上有较明显的提高;在实际应用中,该方法计算量小、实现简单,有较强的实用性.     

水下目标双基阵纯方位跟踪性能分析

研究双基阵纯方位目标运动分析的基本原理和方法,给出卡尔曼滤波算法的模型,进行仿真实验,比较和分析了仿真结果。仿真结果表明,应用卡尔曼滤波可以快速、稳定地完成目标运动要素的估计,同时还分析了数据关联、基阵间距以及方位测量误差对跟踪性能的影响,为工程应用提供了参考。     

基于计算机视觉的船舶纯方位目标跟踪方法研究

受外界环境因素的影响,传统方法在船舶纯方位目标跟踪中存在一定的偏差。为了克服这一问题,引入计算机视觉技术,在待跟踪的船舶上安装计算机视觉传感装置,并利用该装置实时采集船舶航行图像。通过对图像的处理与分析,得到船舶目标的初始位置信息。以定位结果为起点,在构建纯方位目标运动模型的基础上,计算目标船舶的航向角,判断船舶的航迹运动方向。实时更新目标船舶的定位信息与航向角信息,从而实现船舶纯方位目标跟踪。实验结果表明,与传统的目标跟踪方法相比,所设计的方法能够有效降低船舶跟踪误差,具有较强的实用性。     

一种单站纯方位目标跟踪中的最小二乘递推方法

与成批处理的方位平差法相比,最小二乘递推方法无需矩阵求逆运算,具有计算简单、存储量小的优点,适合于在线估计目标运动要素.提出了一种用于单站纯方位跟踪的最小二乘递推方法,并对算法进行了仿真.仿真结果表明,该方法受初始值影响很小,适用于含方位预处理的纯方位目标跟踪.     

一种单站纯方位跟踪中的非线性最小二乘方法

对纯方位跟踪问题进行了描述,通过建立模型,设计求解算法,提出了一种解纯方位跟踪问题的非线性最小二乘方法,并将它与解纯方位跟踪问题的线性最小二乘方法进行了比较与仿真分析。仿真结果表明,非线性最小二乘方法具有较高的估计精度,是一种有效的算法,对潜艇实施隐蔽探测与跟踪具有重要意义。     

改进UKF算法在双基阵纯方位目标跟踪中的应用

传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显改善卡尔曼滤波器容易发散的问题。文章在扩展卡尔曼滤波和UKF算法的基础上,提出一种衰减记忆UKF算法（MAUKF）,引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响。理论分析和仿真结果表明,MAUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于EKF、UKF算法。     

基于固定延迟平滑算法的机动目标跟踪方法

为进一步提高机动目标的跟踪精度和估值算法的数值稳定性,文章基于平方根UKF（square root UKF：SR-UKF）和固定延迟平滑算法（fixed-lag smoothing）提出一种新的固定延迟平方根UKS算法（fixed-lag square root unscentedkal man smoothing：FL-SR-UKS）。数值仿真说明该算法可以有效处理机动目标跟踪问题,且状态估值精度优于SR-UKF。     

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。     

基于距离参数化EKF滤波器的纯方位目标运动分析

针对纯方位机动目标运动分析问题,提出一种距离参数化EKF(RPEKF)滤波器设计方法,该方法能够有效降低探测平台与目标初始距离不确定性影响,提高目标运动状态估计滤波收敛性。针对水面目标典型机动形式,给出一种适用于RPEKF滤波器目标机动检测方法,基于评估目标方位角观测误差与目标运动状态协方差矩阵检测目标机动,通过重置滤波器保证目标运动状态估计滤波稳定。数字仿真分析结果表明,本文提出的算法能够实现对水面机动目标运动要素的快速无偏估计。     

基于一阶差分滤波器的水下目标纯方位角跟踪

在水下目标纯方位角跟踪研究中,针对传统扩展Kalman滤波(EKF)方法需要通过Taylor 展开实现非线性项的线性化而导致计算过程繁琐且存在奇点的问题,本文提出一种基于一阶差分滤波器(DDF1)的纯方位角跟踪算法,建立了目标的运动学模型及无源声纳的测量模型;利用 Stirling插值法实现非线性项的线性化,进而通过DDF1滤波方法实现对目标位置及速度的跟踪。仿真结果与一致性分析表明,与基于EKF的目标纯方位角跟踪方法相比,论文所提出的算法具有较高的跟踪精度和较好的跟踪性能。     

纯方位两站协同目标运动分析算法研究

水下通信的实现,为纯方位目标运动分析提供了新的思路。本文提出了3种基于一次通信即能快速解算的纯方位两站协同TMA算法,并对算法的性能进行了分析和仿真。结果表明,由两站构成的协同TMA系统,克服了单站系统固有的缺陷,不仅能够解决可观测性及可观测度方面的问题,同时还能得到更为理想的估计性能。     

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。