论文部分内容阅读
利用角度信息对目标进行单站无源定位跟踪是非常重要的定位跟踪方法。该方法首先通过无源传感器阵列接收目标辐射的电磁波,从接收到的辐射波中提取出角度信息,再利用角度观测量与目标的状态向量之间的关系式来对目标进行定位跟踪,所以该方法对角度观测量的精度具有很高的要求。由于要分析目标和观测站的不同运对状态,因此对于系统的可观测性分析也是必不可少的。现介绍本文的主要内容:1.介绍了利用角度信息来对目标辐射源进行单站无源定位跟踪的原理,以及根据目标的不同运动形式,对系统的可观测性进行了分析。2.研究了基于子空间数据融合的多目标直接定位算法,传统的多目标定位过程一般需要多个步骤,首先对目标进行DOA(波达角)估计,再利用定位算法对目标的状态进行估计。而基于子空间数据融合的多目标直接定位算法则不需要进行DOA估计。观测站在不同的观测位置的对多个目标进行观测,得到一系列的观测数据,利用这些观测数据构造出以位置坐标为参数的代价函数,而且整个定位过程只通过对该代价函数进行一次最优估计,就可以估计出所有目标的位置信息,因此比传统的多目标定位算法更高效,精度更高。3.介绍了传统的利用角度信息对目标辐射源进行定位跟踪的滤波算法,简要介绍了跟踪模型,主要介绍了扩展卡尔曼滤波(EKF)算法,修正增益扩展卡尔曼滤波(MGEKF)算法和修正协方差扩展卡尔曼滤波(MVEKF)算法,以及不敏卡尔曼滤波算法(UKF),该算法只需要利用少量采样点进行非线性变换,不需要进行线性化处理,因此具有更高的估计精度。最后对这些滤波算法进行了仿真,并且分析了不同仿真场景下这些滤波算法的性能。4.研究了基于优化加权数据融合的UKF算法,利用单站多传感器来实现数据融合。将每个传感器的观测数据分别利用UKF算法进行滤波估计,得到局部的滤波估计值,再利用优化加权数据融合算法对局部的滤波估计值进行数据融合,得到融合后的滤波估计结果,通过这种处理滤波估计精度得到了提高。最后对算法进行了仿真实验和性能分析。