一、等速运动观测站纯方位系统的可观测性（论文文献综述）
宋良生[1]（2020）在《相对高度未知的单站纯方位地面慢速目标定位与跟踪研究》文中提出弹载或机载无源雷达具有系统简单、作用距离远、隐蔽性强等优点被广泛应用于军事和民用领域,例如导弹在远距离导引时需要对地面慢速运动目标实现远距离纯方位定位或跟踪。受地球曲率及不规则地形的影响,观测站相对于地面目标的高度信息未知,此时利用传统单站纯方位定位与跟踪方法所得到的估计结果存在较大误差。本文针对相对高度未知的单站纯方位目标定位与跟踪问题展开研究,分别提出基于加权工具变量的扩维目标定位算法和基于状态相关的扩展卡尔曼目标跟踪算法。具体的研究内容如下:1.对传统典型的单站纯方位地面慢速目标定位与跟踪算法进行了梳理,并进行了算法性能分析和比较,为观测站相对地面慢速目标高度未知的纯方位定位与跟踪算法研究奠定基础。2.针对相对高度未知条件下的单站纯方位地面慢速目标定位问题,提出一种基于加权工具变量的扩维目标定位算法。首先,通过对高度变化过程进行建模,将传统的地面二维目标位置估计转化为四维参数估计问题;然后,结合方位角和俯仰角测量方程,构造新的扩维伪线性测量方程;最后,分别提出加权工具变量和两步加权工具变量算法获得目标位置、观测站与目标相对高度及其变化率的估计值。仿真结果表明:在不同测量噪声标准差下,两步加权工具变量算法所得目标位置、观测站相对目标高度及其高度变化率估计值的均方根误差均比伪线性算法、工具变量算法以及加权工具变量算法更接近Cramér-Rao下界。3.针对相对高度未知条件下的单站纯方位地面慢速目标跟踪问题,提出一种基于状态相关的扩展卡尔曼目标跟踪算法。该算法采用Gauss-Helmert状态转移模型,建立目标位置与相对高度之间的约束关系,以解决常规的离散动态模型难以对目标状态进行准确预测的问题。仿真结果表明:与传统的扩展卡尔曼滤波算法相比,基于状态相关的扩展卡尔曼目标跟踪算法的收敛速度更快,所得估计值的均方根误差更小,且能够接近后验Cramér-Rao下界。
谢磊,任海洋,文剑澜[2]（2017）在《单站无源定位系统中EKF with u的应用》文中提出单站无源定位技术有着重要的军事应用价值。而辐射源方位的获取技术（比如干涉仪、比幅）相对成熟、可靠、实现成本较低,所以基于纯方位的无源定位技术得到了广泛研究及应用。本文采用带输入控制的卡尔曼滤波方法（EKF with u）对该定位系统进行了建模,初步探讨了系统估计和控制之间的交联问题。
赵建昕,徐国军,过武宏[3]（2016）在《方位和多普勒频移联合的目标要素估计》文中提出提出一种利用目标方位信息和多普勒频移信息联合估计匀速直线运动目标要素的方法。该方法适用于观测站不机动情形下目标运动分析问题。将2种目标信息分别伪线性化,建立对应的伪线性模型,利用最小二乘方法构建2个伪线性滤波器,后融合的方法得到了目标要素估计的算法。与现有的基于方位和多普勒频移进行目标要素估计的方法相比,该方法有以下不同特点:1)2个线性估计器均是二维系统,可观测性增强;2)在多普勒频移估计器中,不需要估计线谱的原信号频率。数值仿真给出了不同观测误差下的算法性能,试验验证了方法的实际有效性。
杨婧,李银伢,戚国庆,盛安冬[4]（2015）在《纯方位目标运动分析可观测性研究》文中指出纯方位目标运动分析（BOTMA）仅利用方位信息实现对目标状态参数的估计,是一种有效的无源被动定位跟踪方法。纯方位系统中的可观测性条件、目标跟踪与估计策略、观测器最优机动轨迹构成了BOTMA的核心研究内容。可观测性问题是BOTMA首先必须解决的关键问题,可观测性条件是后续目标定位与跟踪的前提和基础。介绍了纯方位系统中可观测性的基本概念,从几何方法、线性与非线性方法、数值分析方法等角度,对BOTMA的可观测性研究成果进行了系统的总结和评述,最后对这一领域的研究提出了新的展望。
李龙[5]（2015）在《基于水下战系统的目标运动分析研究与应用》文中研究说明随着现代科学技术的飞速发展,定位技术已广泛应用于航空、航海、交通等民用和军事领域。在现代作战环境下,获得敌方目标的具体位置信息非常重要,不仅有助于了解目标的军事部署,而且可在威胁来临之前消灭目标。水下目标定位是目标定位中很重要的一部分,但由于水下环境复杂,电磁波在水中严重衰减,导致水下目标的定位困难。目前,被动声纳在接收目标辐射噪声时,不但可提取目标方位,而且能获得目标的多普勒频率信息。因此,对基于方位和多普勒频率的水下目标进行定位的研究,具有理论意义和实际工程应用价值。本文主要根据目标方位和多普勒频率信息,提出了两种目标运动分析算法,研究内容如下:首先提出了基于多普勒频率空间优化搜索的目标运动分析算法。针对观测数据中可能出现异常数据的问题,对方位序列信息作预处理,可减少结果误差。在多普勒频率空间里,传统的搜索匹配算法由于搜索精度的不确定性,导致算法结果收敛缓慢或者计算效率降低。本文将滤波方程从非线性领域映射为形式简洁的线性领域,在对多普勒频率匹配时,将对搜索元素的目标函数最佳估计问题转化成一个多峰值非线性的优化问题,给出了一种全局搜索与局部搜索相结合的优化匹配算法。该算法通过全局搜索确定重点区域,提高搜索元素的精度,局部搜索重点区域使目标函数最佳。实验表明,该算法提高了目标参数的精度。然后研究了基于多普勒频率的自适应卡尔曼滤波目标运动分析算法。此算法解决了第一个算法无法去除噪声的问题,同时第一个算法可为其提供滤波初值,避免了初值对滤波的影响。根据目标的状态方程和测量方程,设计了基于方位与多普勒频率的卡尔曼滤波方程。在被动工作状态下,使用卡尔曼滤波算法对目标进行跟踪时,会发生结果发散、收敛速度缓慢和收敛精度低等现象。该算法实时更新估计过程噪声和测量噪声的统计特性,对观测模型线性化引起的误差进行动态补偿。实验表明,该算法降低了由观测误差引起的不良影响,提高了结果精度。最后将本文提出的两种目标运动分析算法应用于水下作战系统。设计了潜艇的作战流程,主要包含了对目标的探测、跟踪、数据处理、威胁评估、目标运动参数分析以及对敌实施鱼雷攻击等功能。仿真结果表明采用本文所提的目标运动分析算法提高了鱼雷命中目标的概率。
霍光[6]（2013）在《基于容积卡尔曼滤波的单站无源定位跟踪算法研究》文中研究说明单站无源定位系统由于具有隐蔽性强、设备简单、相对独立、探测距离远等优势而逐步成为电子对抗领域的一个研究热点。由于观测量是目标状态的非线性函数，因此单站无源定位跟踪实质上是一个非线性滤波问题，研究适合于跟踪情况特点的定位精度高、收敛速度快、稳定性强的滤波算法是一个不断深入探索的过程。本文采用空频域定位模型，以一种新型的Sigma点滤波算法——容积卡尔曼滤波（Cubature Kalman Filter, CKF）为基础展开研究，主要工作内容如下：1、依据质点运动学，研究了基于空频域信息的单站无源定位原理。推导了测距误差，分析了影响该定位方法测距精度的各个因素及其对测距精度的影响程度。由于目标运动满足可观测性条件是研究定位跟踪算法的前提，采用对非线性方程进行伪线性化处理的方法，推导了基于空频域信息的固定单站无源定位系统对匀速目标和两种常见机动（匀加速和匀转弯）目标的可观测性条件。2、将容积卡尔曼滤波（CKF）应用于单站无源定位领域。CKF算法的核心思想是采用Spherical-Radial准则来计算非线性随机函数的均值和方差，实现简单，数值精度高。仿真实验表明，CKF是一种适用于单站无源定位跟踪的性能优越的非线性滤波算法。针对单站无源定位系统测量精度不高的问题，将后向平滑的思想与CKF算法相结合，提出了一种后向平滑容积卡尔曼滤波（BSCKF）算法，该算法通过前向CKF滤波和后向平滑相迭代来提高定位跟踪性能。实验结果表明，BSCKF算法可以获得比CKF算法更高的定位精度和更快的收敛速度。3、针对目标可能突发机动，根据“当前”统计模型，提出了一种强跟踪容积卡尔曼滤波（STCKF）算法。该算法通过在CKF中引入时变渐消因子来调节状态协方差、新息协方差以及互协方差，从而在线调整滤波器增益矩阵，以增强系统的自适应跟踪能力。仿真实验表明，在跟踪一般机动目标时，STCKF算法与CKF算法性能相当；当目标突发机动时，STCKF算法的跟踪性能要优于CKF算法。针对单站无源定位系统采用IMM算法对机动目标跟踪的情况，提出了一种测量更新CKF-IMM算法。该算法利用Markov过程控制子模型间的切换，并采用CKF算法对各模型进行滤波，然后将每个滤波器的输出状态进行概率加权求和，最后对融合状态进行一次非线性测量更新，以减小测量误差的影响。仿真实验表明，与EKF-IMM和UKF-IMM算法相比，CKF-IMM算法的估计误差更小；测量更新CKF-IMM算法较CKF-IMM算法具有更高的定位跟踪精度。4、单站无源定位系统的测量序列中如果出现野值，会影响滤波器的估计精度和稳定性，严重时还会导致滤波器发散。针对这一问题，基于Bayes定理并结合归一化受污染正态分布模型（SCNM），提出了一种抗野值鲁棒CKF算法。该算法在CKF的基础上对测量误差建立了一个SCNM模型，根据野值出现的后验概率来自适应调整测量预测残差的方差阵。仿真实验表明，抗野值鲁棒CKF算法估计精度高、稳定性强，可以较好地抑制离散或连续测量野值产生的不利影响。
苏萌,杨赪石,李建辰,王明洲,康文钰[7]（2013）在《一种适用于ATT武器系统的目标跟踪算法》文中研究指明提出一种基于单站纯方位的水下高速目标跟踪算法。该算法在快速估计出目标航向的基础上,利用目标先验速度信息解算出其他目标运动要素。该算法收敛速度快,对观测平台机动要求低且具有一定精度,能满足反鱼雷鱼雷武器系统的要求。
温林,刘忠,刘志坤,胡生亮[8]（2012）在《光电载荷安装误差标校的飞行航路》文中研究表明无人机搭载光电载荷进行安装误差标校时,飞行航路的选择与规划在很大程度上影响着标校算法的收敛性与误差识别结果。为增强标校飞行架次的有效性,提高安装误差可被识别的程度,改善标校算法的收敛性及标校精度,对标校的原理和标校算法进行了理论分析,并利用考察差异函数偏微分的方法找到了标校航路和安装误差标校之间的相互联系,然后结合标校实施过程中所遇到的实际问题提出标校航路规划应遵循的原则,给出了标校航路规划的参考范例。
温林,刘忠,胡生亮,汪茜[9]（2012）在《大误差条件下空中平台光电载荷系统误差标校》文中研究表明针对传统的空中平台光电载荷系统误差标校方法在实际大误差的测量条件下无法对系统误差进行准确标校的问题,根据实际应用的特点提出系统误差标校方法,将误差量进行分组,制定并利用了具有较强抗干扰能力的模糊评价法则与偏差统计法对分组后的误差量分别进行识别,对系统误差进行了标校.实际飞行试验证明提出的系统误差标校方法适合工程实践中大误差条件下的数据处理.
孙洪胜[10]（2010）在《基于方位角测量的无源定位算法研究》文中研究说明单站无源定位技术,仅利用接收到的目标参数信号进行定位,有隐蔽性高,作用距离远等优点,具有较高的研究价值。其中,单站纯方位无源定位以其独特的优势和典型的代表性,在无源定位技术研究中始终占有一席之地。本文以基于方位角测量的单站无源定位系统为研究对象,主要从无源定位算法方面,在以往研究的基础之上进行了相关的理论研究。对基于方位角测量的无源定位结合常见的目标运动模型建立了相应的数学模型。不完全可观测性是基于方位角测量的无源定位系统的一个典型特征,总结了以往的多种可观测判据,并利用非线性系统理论,对目标无源定位跟踪模型的可观测性进行了详细验证,最后给出了常见目标运动模型克服不可观测而应该采取的观测器机动策略。基于方位角测量的无源定位是一个最优估计问题,本文首先从估计理论入手,给出了最小二乘法,针对纯方位角测量下静止单站目标航向估计问题进行航向估计仿真实验,并引入了基于最小均方差的准则的卡尔曼滤波算法。基于方位角测量的无源定位系统是非线性系统,无源定位算法的重点也就是利用非线性滤波算法进行最优状态估计。文中给出了常用的非线性滤波算法：伪线性卡尔曼滤波、扩展卡尔曼滤波（EKF）和无迹卡尔曼滤波（UKF）。结合纯方位角无源定位系统模型,给出了无源定位算法,分别将其应用于具体定位模型进行仿真实验,结合试验结果,对各种算法进行了性能分析。针对基于EKF的无源定位算法滤波易发散的缺陷,分析了导致缺陷出现的原因,给出了若干的解决办法,并引入了若干的可以改善其性能的新算法；最后又针对UKF的计算复杂的特点,结合系统模型,提出了其简化UKF算法,并将其应用于本文的定位系统模型。
二、等速运动观测站纯方位系统的可观测性（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、等速运动观测站纯方位系统的可观测性（论文提纲范文）
（1）相对高度未知的单站纯方位地面慢速目标定位与跟踪研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 单站纯方位定位与跟踪技术研究现状 |
| 1.2.1 单站纯方位定位方法 |
| 1.2.2 单站纯方位跟踪算法 |
| 1.3 本文的主要内容和结构 |
| 第2章 相对高度已知条件下的单站纯方位目标定位 |
| 2.1 引言 |
| 2.2 单站纯方位目标定位 |
| 2.2.1 目标定位模型 |
| 2.2.2 可观测性分析 |
| 2.3 单站纯方位目标定位方法 |
| 2.3.1 基于伪线性最小二乘目标定位方法 |
| 2.3.2 基于工具变量的目标定位方法 |
| 2.3.3 基于加权工具变量的目标定位方法 |
| 2.3.4 目标定位误差的Cramér-Rao下界 |
| 2.4 单站纯方位目标跟踪算法 |
| 2.4.1 基于扩展卡尔曼滤波的目标跟踪方法 |
| 2.4.2 目标跟踪误差的Cramér-Rao下界 |
| 2.5 仿真比较与分析 |
| 2.5.1 目标定位仿真 |
| 2.5.2 目标跟踪仿真 |
| 2.6 本章小结 |
| 第3章 基于加权工具变量的扩维目标定位算法 |
| 3.1 引言 |
| 3.2 相对高度未知条件下的单站纯方位目标定位模型 |
| 3.3 基于加权工具变量的纯方位目标定位方法 |
| 3.3.1 工具变量伪线性最小二乘估计 |
| 3.3.2 加权工具变量算法伪线性最小二乘估计 |
| 3.4 基于两步加权工具变量的纯方位目标定位方法 |
| 3.4.1 第一步加权工具变量估计 |
| 3.4.2 第二步加权工具变量估计 |
| 3.5 性能分析 |
| 3.6 仿真与分析 |
| 3.6.1 测量噪声标准差0.5π/180时目标定位分析 |
| 3.6.2 测量噪声标准差2π/180时目标定位分析 |
| 3.6.3 测量噪声标准差5π/180时目标定位分析 |
| 3.7 本章小结 |
| 第4章 基于状态相关的扩展卡尔曼目标跟踪算法 |
| 4.1 引言 |
| 4.2 相对高度未知条件下的单站纯方位目标跟踪模型 |
| 4.3 相对高度未知下的扩展卡尔曼滤波算法 |
| 4.3.1 扩展卡尔曼滤波算法 |
| 4.3.2 状态相关扩展卡尔曼滤波算法 |
| 4.4 性能分析 |
| 4.5 仿真分析 |
| 4.5.1 测量噪声标准差0.5π/180时目标状态估计 |
| 4.5.2 测量噪声标准差2π/180时目标状态估计 |
| 4.5.3 测量噪声标准差5π/180时目标状态估计 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 主要研究工作和取得的成果 |
| 5.2 下一步工作及展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）单站无源定位系统中EKF with u的应用（论文提纲范文）
| 1 引言 |
| 2 EKF算法原理 |
| 3 Matlab仿真分析 |
| 4 机动状态的选取 |
| 5 结论 |
（4）纯方位目标运动分析可观测性研究（论文提纲范文）
| 0 引言 |
| 1 可观测性概念 |
| 2 可观测性研究 |
| 2.1 几何分析方法 |
| 2.2 线性系统分析方法 |
| 2.3 非线性系统分析方法 |
| 2.4 数值分析方法 |
| 2.5 基于分段匀速直线运动模型的分析方法 |
| 2.6 有噪条件下的可观测性分析方法 |
| 2.7 可观测性分析其他方法 |
| 3 结束语 |
（5）基于水下战系统的目标运动分析研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 注释表 |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 目标运动分析算法研究现状 |
| 1.2.1 经典纯方位目标运动分析算法 |
| 1.2.2 基于方位与多普勒频率的目标运动分析算法 |
| 1.3 论文研究内容及组织结构 |
| 第二章 基于多普勒频率空间优化搜索的目标运动分析 |
| 2.1 基于多普勒频率的目标运动分析算法框架 |
| 2.1.1 多普勒效应原理 |
| 2.1.2 方位序列信息的预处理 |
| 2.1.3 目标航向的最小二乘滤波算法 |
| 2.1.4 多普勒频率空间的参数搜索 |
| 2.1.5 基于多普勒频率的系统可观测性分析 |
| 2.2 全局搜索与局部搜索相结合的空间优化方法 |
| 2.2.1 基于Big Bang-Big Crunch空间优化算法研究 |
| 2.2.2 基于多普勒频率空间全局与局部相结合的优化搜索 |
| 2.2.3 多普勒频率空间优化搜索算法设计 |
| 2.2.4 实验结果与分析 |
| 2.3 本章小结 |
| 第三章 基于多普勒频率的自适应卡尔曼滤波目标运动分析 |
| 3.1 卡尔曼滤波算法在目标运动分析的应用 |
| 3.1.1 卡尔曼滤波简介 |
| 3.1.2 卡尔曼滤波算法的发展 |
| 3.1.3 基于多普勒频率的目标运动分析数学模型 |
| 3.2 卡尔曼滤波发散的抑制 |
| 3.2.1 卡尔曼滤波的发散现象 |
| 3.2.2 衰减记忆法抑制滤波发散 |
| 3.2.3 限定记忆法抑制滤波发散 |
| 3.3 增益矩阵以及过程和测量的协方差矩阵的自适应调节 |
| 3.3.1 自适应调节增益矩阵 |
| 3.3.2 自适应调节过程协方差矩阵 |
| 3.3.3 自适应调节测量协方差矩阵 |
| 3.4 仿真实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于多普勒频率的目标运动分析算法在水下战系统中的实现与应用 |
| 4.1 水下战系统的发展概述及趋势 |
| 4.1.1 发展概述 |
| 4.1.2 发展趋势 |
| 4.2 基于水下战系统的目标运动分析算法的实现与应用 |
| 4.2.1 水下战系统的功能需求 |
| 4.2.2 水下战系统的模块划分 |
| 4.2.3 水下战系统的主要工作流程 |
| 4.2.4 仿真运行过程 |
| 4.2.5 仿真结果分析 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的论文 |
（6）基于容积卡尔曼滤波的单站无源定位跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 图录 |
| 表录 |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究成果 |
| 1.2.2 国内研究成果 |
| 1.2.3 关键技术研究进展 |
| 1.3 论文的主要内容和结构安排 |
| 第二章 基于空频域信息的单站无源定位原理 |
| 2.1 引言 |
| 2.2 定位原理 |
| 2.2.1 空域信息 |
| 2.2.2 频域信息 |
| 2.3 测距误差分析 |
| 2.3.1 角度变化率的测量误差对测距误差的影响 |
| 2.3.2 多普勒频率变化率的测量误差对测距误差的影响 |
| 2.3.3 测频误差对测距误差的影响 |
| 2.3.4 目标辐射源信号频率对测距误差的影响 |
| 2.3.5 目标速度大小对测距误差的影响 |
| 2.3.6 目标航向对测距误差的影响 |
| 2.4 可观测性分析 |
| 2.4.1 可观测性条件推导 |
| 2.4.2 可观测性仿真 |
| 2.5 本章小结 |
| 第三章 匀速目标的跟踪滤波算法 |
| 3.1 引言 |
| 3.2 匀速目标的单站无源定位模型 |
| 3.2.1 状态方程 |
| 3.2.2 观测方程 |
| 3.3 常用的非线性滤波算法 |
| 3.3.1 EKF 算法 |
| 3.3.2 IEKF 算法 |
| 3.3.3 MVEKF 算法 |
| 3.3.4 UKF 算法 |
| 3.4 容积卡尔曼滤波 |
| 3.4.1 容积卡尔曼滤波算法基本原理 |
| 3.4.2 容积卡尔曼滤波算法流程 |
| 3.4.3 仿真实验与分析 |
| 3.5 后向平滑容积卡尔曼滤波 |
| 3.5.1 后向平滑基本原理 |
| 3.5.2 后向平滑容积卡尔曼滤波算法流程 |
| 3.5.3 仿真实验与分析 |
| 3.6 本章小结 |
| 第四章 机动目标的跟踪滤波算法 |
| 4.1 引言 |
| 4.2 机动目标的单站无源定位模型 |
| 4.2.1 测量模型 |
| 4.2.2 目标运动模型 |
| 4.2.3 模型仿真 |
| 4.3 强跟踪容积卡尔曼滤波 |
| 4.3.1 强跟踪滤波器 |
| 4.3.2 强跟踪容积卡尔曼滤波算法流程 |
| 4.3.3 性能仿真 |
| 4.4 测量更新 CKF-IMM 算法 |
| 4.4.1 交互式多模型算法 |
| 4.4.2 测量更新 CKF-IMM 算法流程 |
| 4.4.3 仿真实验与分析 |
| 4.5 本章小结 |
| 第五章 抗野值滤波算法 |
| 5.1 引言 |
| 5.2 野值对滤波器的影响分析 |
| 5.3 抗野值鲁棒容积卡尔曼滤波 |
| 5.3.1 归一化受污染正态分布模型 |
| 5.3.2 抗野值鲁棒 CKF 算法基本公式的推导 |
| 5.3.3 抗野值鲁棒 CKF 算法流程 |
| 5.4 仿真实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 作者简历 攻读硕士学位期间完成的主要工作 |
（7）一种适用于ATT武器系统的目标跟踪算法（论文提纲范文）
| 1 数学模型 |
| 2 算法描述 |
| 2.1 最小二乘法 |
| 2.2 扩展卡尔曼滤波法 |
| 3 仿真分析 |
| 3.1 目标航向仿真及分析 |
| 3.2 目标初距仿真及分析 |
| 4 结 语 |
（9）大误差条件下空中平台光电载荷系统误差标校（论文提纲范文）
| 1 传统系统误差标校 |
| 2 大误差条件下的系统误差标校 |
| 2.1 系统误差分组 |
| 2.2 模糊评价法则与偏差统计法 |
| 3 实际飞行试验的系统误差标校 |
| 4 结论 |
（10）基于方位角测量的无源定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 无源定位技术概述 |
| 1.2.1 无源定位方法综述 |
| 1.2.2 无源定位算法综述 |
| 1.3 基于方位角测量的无源定位技术的主要特点 |
| 1.3.1 不完全可观测性 |
| 1.3.2 高度非线性 |
| 1.4 本文主要内容 |
| 第2章 基于方位角测量的无源定位的系统建模 |
| 2.1 坐标系 |
| 2.2 定位的几何原理 |
| 2.3 系统模型 |
| 2.3.1 无源定位跟踪常见运动模型状态方程 |
| 2.3.2 纯方位测量无源定位系统观测方程 |
| 2.3.3 观测器折线运动无源跟踪匀速直线目标系统方程 |
| 2.4 可观测性分析 |
| 2.4.1 常用可观测性判据及其纯方位无源定位的可观测性分析 |
| 2.4.2 纯方位测量的无源定位的可观测性总结 |
| 2.5 本章小结 |
| 第3章 纯方位无源定位算法理论研究 |
| 3.1 状态估计理论 |
| 3.2 滤波方法 |
| 3.2.1 批处理及其最小二乘估计 |
| 3.2.2 基于最小二乘估计的静止单站纯方位目标航向估计 |
| 3.2.3 递推贝叶斯 |
| 3.2.4 线性卡尔曼滤波 |
| 3.3 无源定位算法 |
| 3.3.1 基于伪线性卡尔曼滤波的纯方位无源定位算法 |
| 3.3.1.1 伪线性卡尔曼滤波算法 |
| 3.3.1.2 基于伪线性卡尔曼滤波算法的无源定位算法 |
| 3.3.2 基于EKF的纯方位无源定位算法 |
| 3.3.2.1 扩展卡尔曼滤波算法 |
| 3.3.2.2 基于扩展卡尔曼滤波的无源定位算法 |
| 3.3.3 Sigma Points类卡尔曼滤波 |
| 3.3.3.1 UT变换 |
| 3.3.3.2 无迹卡尔曼滤波算法 |
| 3.4 本章小结 |
| 第4章 纯方位无源定位算法仿真计算及其改进 |
| 4.1 基于伪线性卡尔曼滤波的纯方位无源定位算法仿真计算 |
| 4.2 基于EKF的纯方位无源定位算法仿真计算 |
| 4.3 基于改良的EKF纯方位无源定位算法及其仿真计算 |
| 4.3.1 改良的EKF |
| 4.3.2 基于改良EKF的纯方位无源定位算法仿真计算 |
| 4.4 基于简化UKF的纯方位无源定位算法仿真计算 |
| 4.4.1 简化UKF |
| 4.4.2 基于简化UKF的纯方位无源定位算法仿真计算 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
四、等速运动观测站纯方位系统的可观测性（论文参考文献）
- [1]相对高度未知的单站纯方位地面慢速目标定位与跟踪研究[D]. 宋良生. 杭州电子科技大学, 2020(02)
- [2]单站无源定位系统中EKF with u的应用[J]. 谢磊,任海洋,文剑澜. 电子技术与软件工程, 2017(15)
- [3]方位和多普勒频移联合的目标要素估计[J]. 赵建昕,徐国军,过武宏. 舰船科学技术, 2016(05)
- [4]纯方位目标运动分析可观测性研究[J]. 杨婧,李银伢,戚国庆,盛安冬. 火力与指挥控制, 2015(12)
- [5]基于水下战系统的目标运动分析研究与应用[D]. 李龙. 南京航空航天大学, 2015(09)
- [6]基于容积卡尔曼滤波的单站无源定位跟踪算法研究[D]. 霍光. 解放军信息工程大学, 2013(02)
- [7]一种适用于ATT武器系统的目标跟踪算法[J]. 苏萌,杨赪石,李建辰,王明洲,康文钰. 舰船科学技术, 2013(03)
- [8]光电载荷安装误差标校的飞行航路[J]. 温林,刘忠,刘志坤,胡生亮. 海军工程大学学报, 2012(02)
- [9]大误差条件下空中平台光电载荷系统误差标校[J]. 温林,刘忠,胡生亮,汪茜. 华中科技大学学报(自然科学版), 2012(03)
- [10]基于方位角测量的无源定位算法研究[D]. 孙洪胜. 哈尔滨工程大学, 2010(06)