基于粒子滤波单站无源定位跟踪技术研究

论文摘要

目标定位跟踪技术被广泛的应用在导航、监控、障碍规避等需要确定目标的位置、运动和身份的系统中。无源定位跟踪技术自身不辐射电磁波,具有很好的隐蔽性,在电子侦察中扮演着越来越重要的角色。而单站无源定位跟踪技术(SOPLAT)由于避免了多站技术要求的站之间同步工作并进行大量数据传输的问题,更是成为了定位跟踪领域的研究重点。滤波技术是单站无源定位跟踪技术的关键技术之一,它直接影响单站无源定位跟踪的效果。为此选择一种与应用环境、定位模型相匹配的滤波算法尤为重要。近些年出现了研究非线性非高斯滤波算法的高潮,故粒子滤波算法自然就越来越受到重视。由单站无源定位跟踪自身的特点,研究把粒子滤波算法应用在单站无源定位跟踪技术具有相当重要的意义。本文以单站无源定位跟踪技术为主线,积极探索研究粒子滤波算法在其中的应用。首先,对无源定位跟踪技术做了较全面的简要概括,包括无源定位的常用方法和滤波算法。在第二章对无源定位跟踪系统建立数学模型。然后根据此模型,详细讨论了多种定位方法的原理,给出了可观测条件。从第三章开始研究定位跟踪技术的滤波算法。先是简要阐述了贝叶斯估计理论。接着分析了EKF算法和UKF算法,这两种滤波算法是传统的单站无源定位跟踪算法,在无源定位中有不少成功的应用。结合对采用EKF算法、UKF算法的无源定位跟踪系统进行计算机仿真实验,分析了它们的性能及在实际应用中存在的缺陷。针对传统滤波算法在无源定位应用中的不足,故从第四章开始研究非线性非高斯滤波算法—粒子滤波算法。在第四章中,分析研究了粒子滤波算法的基本思想,给出了SIS方法这个粒子滤波算法的框架,在此基础上还重点研究分析了重要性函数的选择,最后简要的给出了重采样方法和一般粒子滤波(GPF)算法的框架。然后,重点研究分析了SIRPF算法、EKPF算法和UPF算法以及它们在单站无源定位跟踪中的应用,并且给出了它们结合不同的定位方法的仿真实验。最后,用EKF、UKF算法和粒子滤波算法跟踪同一个运动目标并做了相关的比较,结果表明粒子滤波算法能够得到比其他两种算法更好的跟踪结果,并且还从线性及分布情况的角度进行了比较。最后,总结了单站无源定位跟踪技术及粒子滤波算法的优势、存在的挑战和前景。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 无源定位跟踪技术概述
• 1.2 单站无源定位的常用方法
• 1.3 单站无源跟踪的常用滤波算法及其发展现状
• 1.4 粒子滤波技术
• 1.5 本文主要工作及结构
• 第二章 无源定位跟踪技术原理
• 2.1 无源定位数学模型
• 2.1.1 无源定位坐标系
• 2.1.2 无源定位系统模型
• 2.1.3 无源定位观测模型
• 2.2 单站无源定位的可观测性
• 2.3 定位法
• 2.3.1 传统定位法
• 2.3.2 新型高精度快速定位法
• 2.4 小结
• 第三章 无源定位跟踪的传统滤波算法
• 3.1 递推贝叶斯估计理论
• 3.2 Extended Kalman Filter （EKF）算法
• 3.2.1 EKF 算法原理
• 3.2.2 EKF 算法实现步骤
• 3.3 基于 EKF 算法的仿真
• 3.4 Unscented Kalman Filter （UKF）算法
• 3.4.1 UKF 算法原理
• 3.4.2 UKF 算法实现步骤
• 3.5 基于 UKF 算法的仿真
• 3.6 小结
• 第四章 粒子滤波算法
• 4.1 粒子滤波基本思想
• 4.2 Sequential Importance Sampling （SIS）-序贯重要采样
• 4.3 重要密度函数
• 4.3.1 SIS 法的弊端
• 4.3.2 重要密度函数的选择
• 4.4 重采样
• 4.5 Generic Particle Filter（GPF）
• 第五章 利用粒子滤波算法的无源定位与跟踪
• 5.1 Sequential Importance Resampling Particle Filter（SIRPF）算法
• 5.2 Extended Kalman Particle Filter （EKPF）算法
• 5.3 Unscented Particle Filter （UPF）算法
• 5.4 定位跟踪仿真实验与分析
• 5.4.1 静止目标定位仿真
• 5.4.2 匀速直线运动目标跟踪仿真
• 5.4.3 机动目标跟踪仿真
• 5.5 粒子滤波算法与传统滤波算法的比较
• 5.5.1 定位跟踪的相对位置误差
• 5.5.2 基于联合测向和多普勒频率变化率法仿真比较
• 5.5.3 基于线性及分布情况的比较
• 5.6 小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 在学期间研究成果