發(fā)布時(shí)間：2018-01-10 12:15

  本文關(guān)鍵詞：基于角度信息的單站無(wú)源定位跟蹤算法研究　出處：《電子科技大學(xué)》2015年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 角度信息 無(wú)源定位 數(shù)據(jù)融合 優(yōu)化加權(quán)

【摘要】：利用角度信息對(duì)目標(biāo)進(jìn)行單站無(wú)源定位跟蹤是非常重要的定位跟蹤方法。該方法首先通過(guò)無(wú)源傳感器陣列接收目標(biāo)輻射的電磁波,從接收到的輻射波中提取出角度信息,再利用角度觀測(cè)量與目標(biāo)的狀態(tài)向量之間的關(guān)系式來(lái)對(duì)目標(biāo)進(jìn)行定位跟蹤,所以該方法對(duì)角度觀測(cè)量的精度具有很高的要求。由于要分析目標(biāo)和觀測(cè)站的不同運(yùn)對(duì)狀態(tài),因此對(duì)于系統(tǒng)的可觀測(cè)性分析也是必不可少的�，F(xiàn)介紹本文的主要內(nèi)容:1.介紹了利用角度信息來(lái)對(duì)目標(biāo)輻射源進(jìn)行單站無(wú)源定位跟蹤的原理,以及根據(jù)目標(biāo)的不同運(yùn)動(dòng)形式,對(duì)系統(tǒng)的可觀測(cè)性進(jìn)行了分析。2.研究了基于子空間數(shù)據(jù)融合的多目標(biāo)直接定位算法,傳統(tǒng)的多目標(biāo)定位過(guò)程一般需要多個(gè)步驟,首先對(duì)目標(biāo)進(jìn)行DOA(波達(dá)角)估計(jì),再利用定位算法對(duì)目標(biāo)的狀態(tài)進(jìn)行估計(jì)。而基于子空間數(shù)據(jù)融合的多目標(biāo)直接定位算法則不需要進(jìn)行DOA估計(jì)。觀測(cè)站在不同的觀測(cè)位置的對(duì)多個(gè)目標(biāo)進(jìn)行觀測(cè),得到一系列的觀測(cè)數(shù)據(jù),利用這些觀測(cè)數(shù)據(jù)構(gòu)造出以位置坐標(biāo)為參數(shù)的代價(jià)函數(shù),而且整個(gè)定位過(guò)程只通過(guò)對(duì)該代價(jià)函數(shù)進(jìn)行一次最優(yōu)估計(jì),就可以估計(jì)出所有目標(biāo)的位置信息,因此比傳統(tǒng)的多目標(biāo)定位算法更高效,精度更高。3.介紹了傳統(tǒng)的利用角度信息對(duì)目標(biāo)輻射源進(jìn)行定位跟蹤的濾波算法,簡(jiǎn)要介紹了跟蹤模型,主要介紹了擴(kuò)展卡爾曼濾波(EKF)算法,修正增益擴(kuò)展卡爾曼濾波(MGEKF)算法和修正協(xié)方差擴(kuò)展卡爾曼濾波(MVEKF)算法,以及不敏卡爾曼濾波算法(UKF),該算法只需要利用少量采樣點(diǎn)進(jìn)行非線性變換,不需要進(jìn)行線性化處理,因此具有更高的估計(jì)精度。最后對(duì)這些濾波算法進(jìn)行了仿真,并且分析了不同仿真場(chǎng)景下這些濾波算法的性能。4.研究了基于優(yōu)化加權(quán)數(shù)據(jù)融合的UKF算法,利用單站多傳感器來(lái)實(shí)現(xiàn)數(shù)據(jù)融合。將每個(gè)傳感器的觀測(cè)數(shù)據(jù)分別利用UKF算法進(jìn)行濾波估計(jì),得到局部的濾波估計(jì)值,再利用優(yōu)化加權(quán)數(shù)據(jù)融合算法對(duì)局部的濾波估計(jì)值進(jìn)行數(shù)據(jù)融合,得到融合后的濾波估計(jì)結(jié)果,通過(guò)這種處理濾波估計(jì)精度得到了提高。最后對(duì)算法進(jìn)行了仿真實(shí)驗(yàn)和性能分析。
[Abstract]:It is very important to use angle information to track the target with single station passive location and tracking. This method first receives the electromagnetic wave from the target by passive sensor array. Angle information is extracted from the received radiation wave, and then the relationship between the angle observation and the state vector of the target is used to locate and track the target. Therefore, this method has a high requirement for the accuracy of the angular observations, because of the analysis of the target and the different operational pairs of the observation station. Therefore, it is necessary to analyze the observability of the system. This paper introduces the main content of this paper: 1. The principle of using angle information to track the target emitter is introduced. The observability of the system is analyzed according to the different moving forms of the target. 2. The multi-target direct location algorithm based on subspace data fusion is studied. The traditional multi-target localization process usually requires many steps. Firstly, the DOA (Angle of arrival) estimation of the target is carried out. Then the state of the target is estimated by using the localization algorithm. The multi-target direct localization algorithm based on subspace data fusion does not need to estimate DOA. The observation station at different observation positions is used to observe multiple targets. Test. A series of observation data are obtained, and the cost function based on the position coordinates is constructed by using these data, and the whole positioning process is based on only one optimal estimation of the cost function. The location information of all targets can be estimated, so it is more efficient and accurate than the traditional multi-target localization algorithm. The traditional filtering algorithm using angle information to locate and track the target emitter is introduced. The tracking model is briefly introduced, and the extended Kalman filter (EKF) algorithm is mainly introduced. Modified gain extended Kalman filter (MGEKF) algorithm, modified covariance extended Kalman filter (MVEKF) algorithm, and unsensitive Kalman filter algorithm (UKF). The algorithm only needs a small number of sampling points to carry out nonlinear transformation and does not need to be linearized, so it has higher estimation accuracy. Finally, these filtering algorithms are simulated. And the performance of these filtering algorithms in different simulation scenarios is analyzed. 4. The UKF algorithm based on optimized weighted data fusion is studied. The observation data of each sensor is estimated by UKF algorithm, and the local filter estimation value is obtained. Then the local filter estimation value is fused with the optimized weighted data fusion algorithm, and the fused filtering estimation results are obtained. The accuracy of the filter estimation is improved by this method. Finally, the simulation experiment and performance analysis of the algorithm are carried out.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN953

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 喬梁;;單站無(wú)源定位系統(tǒng)定位算法分析與研究[J];齊齊哈爾大學(xué)學(xué)報(bào);2006年05期

2 沈立峰;凌小峰;宮新保;;一種基于非直射路徑的新型單站無(wú)源定位方法[J];信息技術(shù);2009年11期

3 萬(wàn)方;丁建江;;利用多站無(wú)源定位系統(tǒng)實(shí)現(xiàn)目標(biāo)的單站無(wú)源定位[J];空軍雷達(dá)學(xué)院學(xué)報(bào);2010年02期

4 楊曉君;陸芳;郭金庫(kù);王榕;鄒紅星;;模糊單站無(wú)源定位方法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

5 溫志芳;秦小文;屈平;;單站無(wú)源定位技術(shù)算法研究[J];科技信息;2011年14期

6 李廷軍;李希國(guó);朱四華;徐紅麗;宋里宏;;機(jī)載單站無(wú)源定位方法研究[J];物聯(lián)網(wǎng)技術(shù);2011年01期

7 張錫祥;;單站無(wú)源定位技術(shù)研究[J];電子對(duì)抗技術(shù);1990年06期

8 單月暉,孫仲康,皇甫堪;單站無(wú)源定位跟蹤現(xiàn)有方法評(píng)述[J];航天電子對(duì)抗;2001年06期

9 單月暉,李綱,孫仲康,皇甫堪;地/海面遠(yuǎn)距離慢速目標(biāo)單站無(wú)源定位技術(shù)研究[J];系統(tǒng)工程與電子技術(shù);2002年07期

10 王杰貴,羅景青,阮懷林;對(duì)機(jī)動(dòng)輻射源單站無(wú)源定位的有關(guān)問(wèn)題初探[J];航天電子對(duì)抗;2002年03期

相關(guān)會(huì)議論文 前1條

1 魏星;萬(wàn)建偉;皇甫堪;;一種新的單站無(wú)源定位跟蹤濾波算法[A];2005通信理論與技術(shù)新進(jìn)展——第十屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前6條

1 郭福成;基于運(yùn)動(dòng)學(xué)原理的單站無(wú)源定位與跟蹤關(guān)鍵技術(shù)研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2002年

2 周亞強(qiáng);基于視在加速度信息的單站無(wú)源定位與跟蹤關(guān)鍵技術(shù)研究及其試驗(yàn)[D];國(guó)防科學(xué)技術(shù)大學(xué);2005年

3 龔享銥;利用頻率變化率和波達(dá)角變化率單站無(wú)源定位與跟蹤的關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

4 張剛兵;單站無(wú)源定位與跟蹤關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2010年

5 單月暉;空中觀測(cè)平臺(tái)對(duì)海面慢速目標(biāo)單站無(wú)源定位跟蹤及其關(guān)鍵技術(shù)研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2002年

6 郁春來(lái);利用空頻域信息的單站無(wú)源定位與跟蹤關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 海寧;基于角度信息的單站無(wú)源定位跟蹤算法研究[D];電子科技大學(xué);2015年

2 張芹;固定單站無(wú)源定位系統(tǒng)的可行性研究[D];電子科技大學(xué);2007年

3 劉金華;基于粒子濾波單站無(wú)源定位跟蹤技術(shù)研究[D];電子科技大學(xué);2008年

4 靳展;單站無(wú)源定位算法研究[D];哈爾濱工程大學(xué);2009年

5 王雅瓊;運(yùn)動(dòng)輻射源的艦載單站無(wú)源定位跟蹤技術(shù)研究[D];哈爾濱工程大學(xué);2009年

6 徐銳;基于相位干涉儀體制的單站無(wú)源定位系統(tǒng)研究[D];電子科技大學(xué);2011年

7 陳曉波;單站無(wú)源定位系統(tǒng)研究[D];電子科技大學(xué);2011年

8 王清泉;快速單站無(wú)源定位技術(shù)研究[D];南京理工大學(xué);2004年

9 王強(qiáng);機(jī)載單站無(wú)源定位跟蹤技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2004年

10 張一飛;單站無(wú)源定位技術(shù)研究與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2007年

，

本文編號(hào)：1405238