收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

机载无源定位技术与跟踪算法研究

刘学  
【摘要】:在现代高科技战争中,随着电子对抗和防御技术的不断发展,传统的机载有源雷达电磁隐蔽性、抗侦察、抗干扰能力差等弱点日益呈现,正面临着日益严重的威胁,以往单一有源定位体制的机载雷达已不能满足现代作战需要,作为对有源定位系统的补充和完善,机载单站无源定位系统正成为多模探测的一个重要组成部分,备受国内外各军事强国的关注。同时它还具有设备简单、作用距离远、隐蔽性能好、适用范围广和生存能力强等优点,对于提高机载武器系统在电子战环境下的生存能力和作战能力具有重要作用,对现代信息战有着极其重要的军事意义。本课题围绕着机载无源定位技术及其被动跟踪算法展开研究。从定位原理、系统模型、可观测条件、单次定位误差分析、跟踪滤波算法等方面进行详细研究和讨论,提出了相应的解决方法,并进行了仿真测试,使算法的有效性得到了验证。 定位体制、可观测条件和单次定位误差分析是实现无源定位的前提条件,本文首先介绍了基于质点运动学原理的定位理论,在此基础上,结合机载无源定位系统的自身特点,分别使用多普勒频率变化率定位法,相位差变化率和多普勒频率变化率相结合的复合定位方法对系统进行建模,详细分析了两种定位方法的定位原理,然后对它们进行了可观测分析,分别讨论了其各自的适用条件。最后对两种定位方法方法做了单次定位误差分析,得出可一些有意义的结论。为后面研究适合机载无源定位系统的被动跟踪算法打下了基础。 机载无源定位本质上是一个复杂的非线性滤波问题,即利用夹杂噪声的观测数据来获得目标状态的估计。在分析了利用空频域信息无源定位方法的特点以及直接应用传统确定性采样被动跟踪算法性能不佳的原因的基础上,针对系统的可观测性弱、初始状态估计误差大而导致滤波算法稳定性差、收敛速度慢和收敛精度不高等问题,首先提出了基于观测域滤波的确定性采样卡尔曼被动跟踪算法,有效的提高了算法的稳定性和定位精度;然后提出了迭代确定性采样卡尔曼被动跟踪算法,明显的提高了算法的收敛速度和定位精度;最后提出了强跟踪确定性采样卡尔曼被动跟踪算法。提高了算法对观测误差的适应能力。 近年来逐渐兴起的基于蒙特卡罗(Monte Carlo,MC)积分方法的粒子滤波算法为机载无源定位这一非线性滤波问题提供了一种新的解决途径,它摆脱了将状态量视为高斯分布的约束,采用蒙特卡罗随机采样样本来近似状态的后验分布。这部分内容主要研究基于蒙特卡罗随机采样的被动跟踪算法,针对传统的PF算法直接根据状态转移概率抽取的样本与真实后验分布偏差较大的问题,从优选重要性密度函数的角度提出了一种基于3阶球形和径向数值积分粒子滤波的被动跟踪算法,对比求积分卡尔曼粒子滤波算法,新算法在保证稳定性和定位精度的条件下有效的提高了算法的实时性。从重采样角度提出了聚合重采样的粒子滤波算法,有效的减轻了粒子退化和贫化现象,在观测噪声为高斯噪声时其性能与高斯粒子滤波算法和正则化粒子滤波算法相近,当噪声分布为非高斯分布时其性能优于高斯采样和正则化重采样,适用条件更加宽泛。 由于拟蒙特卡罗(Quasi Monte Carlo,QMC)积分技术可以避免采样粒子在状态空间积聚而形成“团簇”和“间隙”的现象,因此它可以获得比MC积分更高的近似精度。最后主要对基于拟蒙特卡罗粒子滤波的被动跟踪算法展开了研究。针对拟蒙特卡罗高斯粒子滤波算法计算量大的问题,结合机载无源定位自身特点,分别提出拟蒙特卡罗自适应高斯粒子滤波算法和拟蒙特卡罗聚合重采样粒子滤波算法,仿真结果表明:两种新算法均在保证滤波精度的同时,有效的减少了QMC采样粒子数,提高了算法的运行效率。另外拟蒙特卡罗聚合重采样粒子滤波算法以聚合粒子为中心,以预测均值为边界的空间内进行拟蒙特卡罗重采样,在有效减少QMC采样规模的同时引导粒子向高似然区移动,优化粒子在状态空间中的分布特性,进而提高了滤波精度,在高斯噪声条件下其滤波性能与拟蒙特卡罗高斯粒子滤波算法相近,当噪声分布为非高斯分布时,其性能优于拟蒙特卡罗高斯粒子滤波算法。适用性更为广泛。


知网文化
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978