基于卡尔曼滤波的航空器飞行航迹预测

航空器的轨迹预测是空中管理技术的基础,由于空中交通环境存在不确定性因素,航空器飞行轨迹的准确预测一直是业内关注的焦点。卡尔曼滤波（Kalman Filtering）是一种能够过滤线性噪声并对当前状态进行预测的状态方程,具有占用内存小、速度快的优点,可应用于含有不确定信息的动态系统中。基于此,提出一种基于卡尔曼滤波的飞行航迹预测,不仅能够预测航空器的当前轨迹,解决不确定因素带来的影响,还能节省预测成本。     

基于卡尔曼滤波算法的ADS-B航迹预测

广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)系统作为民航独立的监视手段具有一定的脆弱性.现提出基于卡尔曼滤波算法进行ADS-B航迹预测的方案,为进一步鉴别ADS-B位置信息的真伪提供可靠的技术支撑.通过解析ADS-B报文中的位置信息,建立卡尔曼滤...     

一种野值修正方法在航海雷达航迹外推中的应用

提出一种对测量值中野值的修正方法,并通过卡尔曼滤波算法应用于航海雷达航迹外推中。通过对于卡尔曼滤波算法的Matlab仿真可以看出,未经过此种修正的外推航迹受到野值干扰相当严重,而经过此种方法修正以后,航迹外推的准确性大大加强,因此这种方法达到了减轻野值对航迹外推的影响,对保障船舶的航行安全起到了重要作用。     

单雷达航迹滤波与卡尔曼滤波算法

单雷达数据处理在民航空管自动化系统中起到基础性的作用,其航迹质量直接关系着自动化系统的准确性和可靠性。航迹状态滤波是单雷达数据处理中的难点,是实现平滑、稳定航迹的关键。本文以航迹状态滤波算法为切入点,介绍了广泛应用于自动化系统中的卡尔曼滤波算法。     

基于M估计的抗野值卡尔曼滤波方法

针对标准卡尔曼滤波方法中野值对其滤波精度的影响,提出了基于M估计的野值处理方法。这种方法不仅可以去除单个野值的影响,而且在野值成片出现时还能很好地保持滤波稳定性。通过仿真验证了该方法的有效性。     

基于纯方位信息的多传感器航迹融合仿真分析

对于现代战场环境来说,多传感器信息融合越来越重要。但是由于不同传感器性能存在差异,使用不同的关联方法会造成航迹关联正确率不同,航迹关联正确是航迹融合有效的基础,因此需要深入研究。首先理论分析了异类传感器航迹融合性能的主要影响因素及其影响程度,提出了异类传感器航迹关联方法。仿真结果表明,提高传感器测量精度、降低异类传感器测量精度差异、提高异类传感器航迹关联正确率将会改善航迹融合的效果。     

基于无源定位系统的航迹处理

基于无源定位系统,对多目标定位、跟踪及航迹关联方法进行了深入研究,采用卡尔曼滤波算法对目标航迹进行跟踪、预测和平滑,充分考虑了多条航迹产生交叉、分裂等情况,并通过模拟数据进行了验证。     

基于目标特征信息的航迹处理

航迹处理要求目标快速准确建航和维持低的虚警概率。提出在常规使用的初始相关的情况下,应用目标特征增值信息进行航迹相关来完成航迹处理,在工程应用中有明显的效果,有效降低了航迹虚警率,保证了航迹的质量,也缩短了航迹起始的时间。     

分布式多传感器信息融合中的航迹文件管理技术

为了使文献［１～５］提出的航迹关联算法能在工程和实际中得到更好的应用。系统地讨论与这些航迹关联算法配套使用的航迹号管理、关联映射、系统航迹的建立、保持和撤消技术．并详细研究在航迹关联过程小两局部节点数据率不匹配、选主站和其它参数利用等问题的解决方法。     

一种新的数据预处理方法

根据雷达理论可知,提高虚警概率可以提高检测概率,对于弱小目标及远距离目标的检测十分有效,然而受到数据处理能力的限制,通过提高虚警概率实现提前发现目标的方法没有得到充分利用。本文提出的数据预处理新方法可以有效的剔除杂波点,对提高雷达的作用距离及弱小目标的检测十分有利。     

用于机动目标跟踪的Kalman滤波器的设计

机动目标跟踪广泛应用于军事和民用领域。本文针对机动目标跟踪问题,在“当前”统计模型的基础上,实现了Kalman滤波算法在工程上的应用;同时利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,提出了改进的“当前”统计模型自适应滤波算法。工程实践表明,基于改进模型的Kalman滤波算法在跟踪机动目标时具有起好的跟踪性能,同时也极大改善了对一般非机动目标的跟踪能力。     

基于CI的雷达与通信侦察航迹融合算法研究

针对异类被动传感器中的定位跟踪问题,提出了一种基于协方差交集（CI）的雷达与通信侦察航迹融合算法。将雷达侦察设备和通信侦察设备侦收到的信息分别通过扩展卡尔曼滤波（EKF）算法得到目标的航迹,再通过CI算法将两条航迹进行融合。仿真实验结果表明,融合后的航迹具有更高的准确度。     

一种基于卡尔曼滤波的机车测速雷达算法

复杂多变的机车运行环境、前端天线发射的波束过宽等因素,使通过测速雷达得到的机车速度的初始精度不高。以往关于此类问题的分析大多只是针对理论数据,在提高精度的同时会造成速度时问上的滞后。本文提出了一种基于自适应卡尔曼滤波的方法来提高雷达的测速精度,并且结合理论数据和某机车测速雷达在实验中得到的实际数据对算法的合理性进行了验证。     

人体快转向运动自适应卡尔曼跟踪算法

穿墙雷达对人体目标进行跟踪探测面临一系列技术难点,包括墙体反射产生的虚警、射频干扰、定位误差和目标丢失等。针对上述问题,文中基于多目标数据关联和自适应的卡尔曼滤波算法,提出一种适用于穿墙雷达探测的快转向运 动人体轨迹跟踪综合处理算法,重点解决快转向运动人体目标的跟踪及多运动人体目标的轨迹交叉等问题。实验结果验证了该算法具有虚警较少、轨迹平滑、计算量小、易于工程实现、定位误差可减小50% 等优点。对于反向运动的人体目标, 算法也可进行有效跟踪。     

卡尔曼滤波在雷达偏差估计应用中的改进

为实时跟踪整个雷达网内各雷达的方位偏差和测距偏差的幅度变化,可利用卡尔曼滤波数据存储量小、便于实时处理的特点,用卡尔曼滤波算法对雷达方位偏差和测距偏差幅度进行实时跟踪,并在实际处理的过程中改进噪声计算方法,克服噪声线性化的问题,对实时估计雷达方位偏差和测距偏差非常有效。通过MATLAB仿真得到验证,改进后的雷达方位偏差和测距偏差的估计值比改进前更精确,并且收敛速度提高了2倍,结果表明,此方法既简单又快速、估计值更精确。     

基于改进扩展卡尔曼滤波算法的空中目标跟踪

采用扩展卡尔曼滤波方法建立了雷达跟踪模型,对空中目标航迹进行滤波,为了减少雷达量测噪声的不稳定变化对系统跟踪性能的影响,对扩展卡尔曼滤波算法进行了改进,利用新息方差的计算来调整卡尔曼滤波器的增益。仿真结果表明,采用改进扩展卡尔曼滤波算法后,在雷达量测噪声发生大幅变化的情况下,经过滤波后的位置和速度误差仍然趋于稳定。表明该方法具有很好的滤波性能及跟踪精度,并可以提高空中目标航迹预测的精确性。