单站无源定位中的一种简单粒子滤波算法

提出了一种简单的正则粒子滤波,克服了标准粒子滤波在用于单站无源定位中时出现的粒子匮乏现象,将粒子滤波成功的应用到了无源定位中.通过计算机仿真表明,这种简单的正则粒子滤波能有效缩短定位时间,提高定位精度.     

非线性滤波算法在无源定位中的应用

针对无源定位中量测方程非线性对滤波精度及稳定性的影响,分析了基于模型线性化的滤波算法,包括扩展卡尔曼滤波(EKF)、伪线性滤波(PLF)、修订增益的扩展卡尔曼滤波(MGEKF)算法的特点,重点论述了非线性滤波(UKF)与粒子滤波器(PF)这2种新的非线性滤波方法思想及其特点,指出了无源定位问题中,这2种算法有更好的滤波精度及稳定性.     

基于推广Kalman滤波的机载无源定位改进算法

研究空中运动观测平台对地面辐射源目标的纯方位信息定位算法,提出改进的二阶EKF定位算法以提高定位估计精度.用推广Kalman滤波算法代替传统的最小二乘定位算法.充分利用观测平台的运动信息建立了可观测的观测方程,并采用二阶EKF算法解决了在观测误差较大的情况下导致的非线性误差较大的问题.采用Monte Carlo仿真比较LS,EKF和二阶EKF 3种方法的性能.证明用这种方法可以达到更好的估计精度,能够将目标位置定位在更小的概率椭圆内.概率误差椭圆缩小了30%.     

基于平方根迭代UPF滤波的无源定位算法研究

无源定位是基本的导航问题之一,是机动目标跟踪问题研究的基础。针对固定辐射源的无源定位问题,常见的标准粒子滤波器存在收敛速度慢的缺陷,设计了一种基于平方根迭代的UPF滤波器,采用平方根迭代UKF算法作为提议函数,改进了传统PF算法,给出了一种SRUPF算法的设计方案。以一个典型的二维平面无源定位问题对算法进行仿真,仿真结果表明平方根迭代UPF滤波器和标准粒子滤波器相比,具有更高的估计精度,同时较一般UPF滤波器具有更好的数值鲁棒性和更快的收敛速度。     

基于SUKF的机载无源定位算法

提出了相位差变化率与SUKF算法相结合的单站无源定位方法.通过Matlab仿真,对SUKF与原始的UKF和成熟的EKF进行了比较.结果表明:与UKF相比,SUKF降低了运算复杂度,在保证了UKF的定位精度的同时减少了计算量;并且SUKF和UKF算法均无需去计算EKF中的雅克比矩阵,实现简单,具有更高的收敛速度和定位精度.     

基于平方根UKF的机载单站无源定位算法

介绍了基于多普勒频率变化率和波达角变化率的机载单站无源定位原理,并引入一种新的基于平方根（uKF）算法．通过仿真与扩展卡尔曼滤波（EKF）和不敏卡尔曼滤波（UKF）算法进行了比较．结果表明,新算法比EKF算法精度高,与UKF算法相比,新算法的方根形式增加了数字稳定性和状态协方差的半正定性,同时具有更快的收敛速度．     

基于抗差EKF的机载单站无源定位算法

机载单站无源测向定位中,若观测值中存在异常误差,采用EKF算法会导致定位结果有偏。为增强算法抗差性,将抗差EKF算法引入到机载单站无源测向定位中。首先,建立了机载单站无源测向定位模型,依据标准化观测残差构建了抗差等价权矩阵,对异常观测进行降权处理。其次,针对抗差EKF算法效率低的特点,构建了卡方统计量,提出了基于卡方检验的抗差EKF定位算法,即先利用卡方检验判别出含异常误差的观测值,再调用抗差EKF算法进行定位解算。最后,通过在观测值中加入单个异常误差和连续异常误差,测试了算法对不同异常误差的抵抗能力。仿真表明,抗差EKF算法能较好地削弱异常误差对位置估值的影响,并且基于卡方检验的抗差EKF定位算法能提高定位的效率。     

单站无源定位技术算法研究

随着信号处理技术的发展,无源定位技术的研究和应用越来越广泛,其应用领域涉及航海、航空、航天和电子战。与有源定位系统相比,无源定位可增强系统在电子战环境下的反侦察、抗干扰、抗软硬杀伤等能力。单站无源定位技术已经成为定位领域中的一项新兴分支,单站无源定位技术的研究越来越重要。     

观测域求积分卡尔曼滤波的机载无源定位算法

针对机载无源定位系统中存在滤波稳定性差、收敛速度慢、定位精度差等问题,提出一种观测域平方根求积分卡尔曼滤波算法.新算法兼顾了观测域滤波和平方根求积分卡尔曼滤波的优点,将状态矢量中的各个分量自动解耦,分离了可观测项和不可观测项;通过采用Gaussian-Hermit积分规则提高了非线性变换后随机变量参数的估计精度,有效地...     

一种基于拟蒙特卡罗法的骨干粒子群改进算法

针对骨干粒子群算法因受粒子初始化位置分布不均影响易陷入局部最优的问题,提出一种基于拟蒙特卡罗法的初始化策略,用以确保粒子初始位置在搜索空间内保持随机分布,从而有效提升骨干粒子群算法的搜索能力.仿真实验表明:与经典骨干粒子群算法相比,采用拟蒙特卡罗法进行初始化的改进算法搜索能力有所增强,问题求解精度有明显提升.     

一种基于机载无源北斗系统的改进卡尔曼滤波算法

针对广泛研究的无源北斗定位系统,由于定位接收机本身不精确、环境噪声以及人为干扰等因素的影响,而导致相应的量测序列出现某些粗大的错误数据。这些数据在数量级上与正常量测值的差值较大,其差值超过了允许的误差范围,它们会明显影响卡尔曼滤波过程和降低系统的定位精度,造成系统的不稳定甚至滤波发散。提出了一种利用卡尔曼滤波剔除动态野值改进的算法,该方法提高了卡尔曼滤波器在机载环境下的跟踪能力,由于降低了状态方程的维数,滤波的实时性得到提高,经试飞数据验证,由该算法滤波后无源北斗系统的定位精度可以达到92 m,能够满足一般空中用户的需要。     

基于粒子滤波的仅有角测量的被动跟踪

基于粒子滤波,提出了仅有角测量无源被动跟踪的新解决方法．该方法采用“当前”统计模型,使用粒子滤波算法,融合了双站测量数据．在双站测量的被动跟踪试验中,仿真结果证实了该方法能有效跟踪高度机动的目标．     

基于递推总体最小二乘的机载单站无源定位算法

对于机载单站无源定位中观测向量和系数矩阵均存在噪声的情况,采用经典的最小二乘(LS)算法会导致估计结果有偏,而一般的批处理算法运算量大,不满足定位的实时性要求.为此提出一种递推总体最小二乘定位(RTLS)算法.在建立机载无源测向定位模型的基础上,引入由系数矩阵和观测向量构成的增广矩阵,利用矩阵分解的性质建立了增广自相关逆矩阵和最右奇异向量的递推方程,从而推导出RTLS定位算法.仿真结果表明,RTLS算法的收敛速度和定位精度优于RLS算法和TWDRLS算法,并且实现了TLS算法对目标位置的实时估计,能够定位需求.     

基于遗传算法的改进粒子滤波算法

针对粒子数量和质量对粒子滤波(Particle Filter,PF)的退化问题具有重要影响,从大量采样粒子中采用遗传算法(Genetic Algorithm,GA)获得采样重要性重采样粒子滤波（Sampling Importance Resampling Particle Filter,SIRPF）的初始粒子,改善初始粒子质量,并保证其随机性和统计性.在车辆定位仿真中,采用定位精度、滤波发散次数和计算时间为指标对改进的遗传 粒子滤波算法GA SIRPF和传统SIRPF进行比较.结果表明,GA改进了初始粒子质量,减少了粒子退化可能性,提高了系统定位精度.     

LMS预处理的相位差机载单站无源定位方法

针对机载单站无源定位精度受限于参数测量误差的实际问题,提出一种改善相位差误差下的网格搜索无源定位方法。首先采用LMS自适应滤波算法对相位差信息进行滤波处理,然后根据定位模型利用观测的相位差建立定位方程,最后通过网格搜索法解算辐射源目标位置。该方法可以在相位差测量误差较大情况下实现对辐射源目标的精确定位。仿真实验结果表明,滤波处理后的相位差误差可以减小到0.14rad以下,而且定位结果优于文献[17]的方法。通过分析定位误差,表明相位差误差在10°范围内,增大网格分辨率和延长观测时间可以提高定位精度,同时也进一步验证了获取高精度相位差信息的必要性。