自适应EKF在被动跟踪中的应用研究
EKF、PF在目标跟踪中的研究
在 目标 跟 踪 中 ， 靠 而 精 确 的 目标 跟 踪 是 目标 跟 踪 系 统 可
设 计 的 主 要 目 的 。 而对 目标 跟 踪 技术 的 研 究 ． 军 事 以 及 民 在
问 题 时 随 机 量 必 须 满 足 高 斯 分 布 的制 约 条 件 ． 用 于 非 高 斯 适 非 线 性 条 件 嘲 。
ｉ ｔ ｉ ｇ ａ ｐ ｅ ｙ Ｍ ｎｅ Ｃａｌ ａ ｆｌｅｒｎ ｄｏ ｔ ｄ ｂ ｏ ｔ ｒｏｓ ｍｐｌｎ ｔ ｏ Ｔｈｅｃ ｍ ｐ ｅ ａ ｇ ｔｔ ｉｔ ｂ ｉ ｓｅ ｐ ｅ ｓ ｄ ａ ｅ ｆｗｅｇ ｔ ｎ ｈｉ ｉ ｇ ｍｅ ｈ ｄ． ｏ ｌ ｘｔ ｒｅｔｓａ ｅ ｄ ｓｒ ｕｔ ｉ ｏｎ ｉ ｘ ｒ ｓｅ ｓ ａｓ ｔｏ ｉ ｈ ｓｉ ｔ ｓ
Ｋｅ ｒ ｓ ｔ ｇ ｔ ｒ ｃ ｉ ｇ；ｅ ｔｎ ｅ ｌ ｎ ｆ ｔ ｒ ａｔ ｌ ｌ ｒ ｏ ｌ ｅ ｒｆ ｔ ｒ ｇ ｙ ｗｏ ｄ ： ａ ｅ ａ ｋ ｎ ｒ ｔ ｘｅ ｄ ｄ Ｋａ ｍａ ｌ ；ｐ ｒｉ ｅｆ ｔ ；ｎ ｎ ｉ ａ ｌ ｉ ｉ ｅ ｃ ｉ ｅ ｎ ｉ ｅｎ
第２ ０卷 第 ７期
Ｖ０ ． １ ２０
Ｎｏ． ７
电子 设 计工 程
Ｅｌ ｃｒ ｎ ｃ Ｄｅ ｉｎ Ｅｎ ｉ ｅ ｒｎ ｅ ｔｏ ｉ ｓｇ ｇ ｎ ｅ ｉ ｇ
２１ ０ ２年 ４月
Ａｐ ． ｒ ２０１ ２
Ｅ 、 Ｆ在 目标 跟踪 中的研 究 ＫＦ Ｐ
李 国新 ， 英 杰 ， 海 涛 何 许
往 难 以满 足要 求 。由 于 近 似 非 线 性 函 数 的概 率 密 度 分 布 比近 似 非 线 性 函数 更 容 易 ， 用 采 样 方 法 近 似 非 线 性 分 布 来 解 决 使
非 线 性 问题 的 途 径 在 最 近 得 到 了人 们 的 广 泛 方 法 ， 将 非 线 性 模 型 在 状 态 估 计 Ｋ 它 值 附 近 作 泰 勒 级 数 展 开 ， 在 ～ 阶截 断 ， 得 到 的 一 阶 近 似 并 用 项 作 为 原 状 态 方 程 和 测 量 方 程 近 似 表 达 形 式 ， 而 实 现 线 性 从 化 ， 时 假 定 线 性 化 后 的 状 态 依 然 服 从 高 斯 分 布 ， 后 对 线 同 然
基于EKF算法的高速高机动目标跟踪技术研究
基于 EKF算法的高速高机动目标跟踪技术研究摘要：高速高机动目标的跟踪问题是解决目标长时间回波的滤波问题，本文采用扩展卡尔曼滤波方法（Extendted Kalman Filter，EKF）对高速高机动目标模型进行跟踪滤波处理，进行高速高机动目标检测及跟踪技术研究及初步仿真。
关键词：扩展卡尔漫滤波；高速高机动；目标跟踪0引言随着美军临近空间高超声速飞行器项目的日益成熟，具有飞行跨域大、速度快、飞行高度高、气动参数变化复杂等特点的临近空间高超声速飞行器，对传统防空反导系统的拦截打击能力构成了严重挑战。
雷达作为空天防御系统中的核心探测器，在空天防御的预警、探测、跟踪、识别、制导以及杀伤效果评估等各个环节均发挥不可替代的关键作用。
雷达的精确跟踪是目标成功拦截的前提和基础，面对临近空间高超声速飞行器的各种突防手段，研究高速高机动目标跟踪技术具有重要意义。
目标跟踪的研究主要涉及目标的运动特性建模和滤波跟踪算法。
针对临近空间高超声速目标的跟踪问题，许多学者在目标运动模型和滤波跟踪算法等方面进行了深入研究，并取得了大量的研究成果。
文献[1-2]从自适应的调节卡尔曼滤波增益的角度，提出了一种基于改进jerk模型（jerk model，jerk模型）的强跟踪滤波器的高机动目标跟踪算法，但jerk模型由于在状态分量中引入加速度估计，增加了一维状态分量，计算量也随之增大。
文献[3]基于当前经典的卡尔曼自适应滤波算法在目标跟踪领域的应用进行了统计模型的卡尔曼自适应滤波算法仿真。
文献[4]给出了交互式多模型(Interacting Multiple Model，IMM)算法解决高速高机动目标跟踪问题，但该种算法比较复杂，还需要进一步优化。
文献[5]提出了基于交互式多平台的目标跟踪算法，推导了交互式卡尔曼滤波器（IMM-KF）算法的流程，并与 CA和CV模型相结合，实现了对机动目标的被动跟踪。
因此，目前最常应用的是卡尔曼滤波算法和IMM算法，卡尔曼滤波能够在线性高斯模型的条件下，对目标的状态作出最优的估计，得到较好的跟踪效果。
EKF在跟踪制导中的应用
EKF在跟踪制导中的应用2015552065 李鑫摘要：介绍了Kalman滤波理论的背景，概括Kalman滤波理论与Wiener滤波理论的特点和Kalman滤波理论的优势。
分析了Kalman滤波理论基本原理，并在线性Kalman滤波的基础上针对非线性系统，阐述扩展Kalman滤波（即EKF）的原理。
结合军事领域中寻的制导系统，以目标的位移、速度、加速度为状态量，目标的方位角为观测量，构建系统状态方程和观测方程，完成了EKF在目标跟踪制导算法，并在MATLAB环境下仿真，仿真结果表明，滤波估计较好的跟踪了目标，轨迹趋于一致。
关键词 Kalman滤波扩展Kalman滤波跟踪制导1、引言滤波理论就是在对系统可观测信号进行测量的基础上，根据一定的滤波准则，采取某种统计量最优方法，对系统状态进行估计的理论和方法。
所谓最优滤波或最优估计是指在最小方差意义下的最优滤波或估计，经典的滤波理论包括Wiener滤波理论和Kalman滤波理论。
Wiener滤波方法是由控制论创始人N.Wiener在20世纪40年代初由于研究炮火控制系统的需要提出的。
它是一种频域滤波方法，它的基本工具是平稳随机谱的分解。
其缺点和局限性是要求信号为平稳随机过程，要求存储全部历史数据。
滤波器是非递推的，计算量和存储量大，难以在工程上实现。
采用频域设计法是造成Wiener滤波器设计困难的根本原因。
因此人们逐渐转向寻求在时域内直接设计最优滤波器的方法。
Kalman在20世纪60年代提出了Kalman滤波方法。
Kalman滤波方法是一种时域方法，它把状态空间的概念引入随机估计理论中，把信号过程视为白噪声作用下的一个线性系统输出，用状态方程来描述这种输入-输出关系，估计过程中利用系统状态方程、观测方程、和白噪声激励，即系统过程噪声和观测噪声，它们的统计特性形成滤波算法。
2、Kalman滤波算法基本原理考虑用如下状态空间模型描述的动态系统X(k)=ΦX(k−1)+ΓW(k)Z(k)=H X(k)+V(k)式中，k为离散时间，系统在时刻k的状态为X(k)∈R n；Z(k)∈R m为对应状态的观测信号；W(k)∈R r为输入的白噪声；V(k)∈R m为观测噪声。
基于自适应EKF的相对导航算法研究
基于自适应EKF的相对导航算法研究雷创【摘要】针对测距测角相对导航中测量噪声不可精确获知往往导致相对定位精度下降的问题，本文研究了基于自适应扩展卡尔曼滤波（EKF）的相对导航算法。
利用泰勒级数展开对测量矩阵进行线性化处理，并利用自适应时变噪声估计方法对测量噪声方差阵进行动态估计，状态噪声方差阵通过惯导特性的先验值获得。
仿真结果表明，基于自适应EKF的相对导航算法可获得高精度且连续平滑的相对定位信息，尤其在测量噪声发生变化时更是表现出良好的导航参数估计性能。
%A relative navigation algorithm based on the adaptive extended Kalman filter is studied in this paper to solve problems of the decline of relative position precision, which is induced by the cause that the measurement noise cannot accurately know. Firstly, the Taylor series expansion is applied to transform the measurement matrix to the linearization model. Secondly, the covariance matrix of the measurement noise is estimated dynamically by using the estimation method of adaptive time-variant noise, and the covariance matrix of the state noise is got via the prior knowledge of inertial navigation. Finally, the simulation results indicate that the research method in this paper can provide continuous and smooth relative position information with highly precision, and the method still show the better navigation parameter estimation performance in the case of the varying measurement noise happens especially.【期刊名称】《现代导航》【年(卷),期】2014(000)002【总页数】4页(P113-116)【关键词】相对导航;扩展卡尔曼滤波;自适应滤波【作者】雷创【作者单位】中国电子科技集团公司第二十研究所，西安 710068【正文语种】中文【中图分类】TN9660 引言编队飞机的相对导航功能将在未来战争中发挥至关重要的作用，可有效弥补绝对导航定位性能较差的缺陷。
基于aekf的末制导雷达被动跟踪导引律设计
基于aekf的末制导雷达被动跟踪导引律设计末制导雷达被动跟踪导引律设计是一种重要的导弹制导技术，广泛应用于军事领域。
本文将介绍一种基于自适应扩展卡尔曼滤波（AEKF）的末制导雷达被动跟踪导引律设计方法，该方法可以提高导弹的打击精度和稳定性。
一、末制导雷达被动跟踪导引律设计的基本原理末制导雷达被动跟踪导引律设计是一种通过被动跟踪目标的雷达信息，计算目标的运动轨迹和状态，并根据目标的运动状态和预设的导引律，控制导弹的飞行轨迹，实现精确打击目标的制导技术。
其基本原理是利用末制导雷达探测到的目标位置和速度信息，通过数学模型计算出目标的运动轨迹和状态，然后根据预设的导引律，控制导弹的飞行轨迹，使其与目标相遇并实现精确打击。
二、自适应扩展卡尔曼滤波（AEKF）在末制导雷达被动跟踪导引律设计中的应用自适应扩展卡尔曼滤波（AEKF）是一种基于卡尔曼滤波算法的自适应滤波方法，可以有效地估计目标的运动状态和位置，并且具有较好的适应性和稳定性，因此在末制导雷达被动跟踪导引律设计中得到了广泛应用。
AEKF的基本思想是将卡尔曼滤波算法中的线性状态方程和观测方程扩展为非线性形式，并通过自适应方法来优化滤波参数，以提高滤波效果。
在末制导雷达被动跟踪导引律设计中，AEKF可以有效地估计目标的运动状态和位置，并根据目标的运动状态和位置信息，计算出导弹的控制指令，实现精确打击目标的目的。
三、末制导雷达被动跟踪导引律设计中的实验结果为了验证基于AEKF的末制导雷达被动跟踪导引律设计方法的有效性，进行了一系列实验。
实验结果表明，该方法可以提高导弹的打击精度和稳定性，有效地降低导弹的误差率和失误率，具有较好的应用价值。
结论基于自适应扩展卡尔曼滤波（AEKF）的末制导雷达被动跟踪导引律设计方法是一种有效的导弹制导技术，可以提高导弹的打击精度和稳定性，适用于各种复杂环境下的目标打击任务。
未来，我们将继续完善该技术，进一步提高其应用性和实用性。
基于自适应EKF的BDS／GPS精密单点定位方法
基于自适应EKF的BDS／GPS精密单点定位方法赵琳;张胜宗;李亮;王雪【摘要】In order to achieve the shorter convergence period and better positioning accuracy for precise point positioning (PPP),the combination of multiple navigation satellite,such as the Beidou navigation satellite system (BDS)and the global positioning system (GPS),and the better positioning method are two ways to choose.However,since the traditional least square (LS)estimator ignores the temporal correlation of observa-tions,and the extended Kalman filter (EKF)is limited by inaccurate prior information,a novel PPP method based on adaptive extended Kalman filter (AEKF)is used to adjust the process noise with the measurement con-sistency test.The experiment results show that,compared with traditional EKF solution,the convergence period of PPP based on AEKF can be shorten by 9 minutes,and the accuracy of positioning can be increased by 33.7%.%为使精密单点定位（precise point positioning，PPP）获得更短的收敛时间和更高的定位精度，多个导航系统的集成（例如北斗卫星导航系统（Beidou navigation satellite system，BDS）与全球定位系统（global positio-ning system，GPS）的组合）和更优的定位方法是两种可行选择。
基于UKF算法的被动目标跟踪
基于UKF算法的被动目标跟踪
李明月;陈红林
【期刊名称】《电光与控制》
【年(卷),期】2010(017)011
【摘要】对于单站的被动目标跟踪,在笛卡儿坐标系下建立跟踪模型,并用扩展的卡尔曼滤波(EKF)进行预测,得到的结果通常是不稳定且容易发散的.针对这种情况,提出了在修正的极坐标系下建立状态模型,摒弃传统的EKF算法,采用无迹卡尔曼滤波(UKF)算法,通过采样逼近非线性函数.数字仿真结果表明:在修正的极坐标中利用UKF算法得到的结果比EKF算法具有更快的收敛速度和更高的估计精度,且稳定性更好.
【总页数】5页(P34-38)
【作者】李明月;陈红林
【作者单位】西北工业大学,西安,710129;西北工业大学,西安,710129
【正文语种】中文
【中图分类】V218
【相关文献】
1.基于衰减记忆滤波的平方根UKF被动目标跟踪算法 [J], 章飞;周杏鹏;陈小惠
2.基于改进的IMM-UKF高超声速目标跟踪算法 [J], 肖楚晗;李炯;雷虎民;李世杰
3.基于UKF算法的机载雷达地面动目标跟踪算法分析 [J], 任小叶;倪世道;马娟
4.基于UKF光电被动目标跟踪及可观性分析 [J], 郭同健;高慧斌;张淑梅
5.基于UKF-GM-PHD滤波算法的非线性多目标跟踪方法研究∗ [J], 齐海明; 张安清
因版权原因，仅展示原文概要，查看原文内容请购买。
UKF与EKF在GPS_INS超紧组合导航中的应用比较
２ 超紧组合导航系统非线性模型
状态方程 惯 性 导 航 系 统 本质上 是非线 性 的， 常用的线性 误差模型都是建立在假设姿态误差角是小量的情况 下得到的 ， 由于忽略了高阶项 ， 所以当存在较大的导 航误 差时 ， 线性化 误 差 方 程 就 不 能 精 确 描 述 系 统 的 非线性特性 。 我们也知道 ， 对于一个非线性系统 ， 滤 波的 计算量会因 为 矩 阵 运 算 而 很 大 ， 当状态向量的 维数增加 ， 计算量会增加 ， 因此在不损失总体性能的 情况下 ， 忽略系统的一些非线性项是合理的 。 比起速 姿态误差对惯性系统的性能影响要严 度 和 位 置，
７ ］ 卡尔曼滤波以及联邦卡尔曼滤波 ［ 。 这些方法有模
燉 Ｇ Ｐ Ｓ Ｉ ＮＳ组合导航系统因为克服了各自缺点 ， 取长补短 ， 被一致 认 为 是 飞 行 载 体 较 理 想 的 导 航 系 。Ｇ 燉 Ｐ Ｓ Ｉ ＮＳ组合导航系统按照信息交换或组 合 程 度 的 不 同， 又 分 为 松 散 组 合、 紧组合和超紧组
段笑菊 ， 薛晓中
南京理工大学 ， 南京 （ 摘 ２ １ ０ ０ ９ ４ ）
要： 针对 Ｇ 基于四元素法建立了系统的非线性状态方程 ， 利用 Ｇ 燉 Ｐ Ｓ Ｉ ＮＳ超紧组合特点 ， Ｐ Ｓ接收机原始伪 距 测 量 信 息
对 系 统 状 态 进 行 观 测， 并将 Ｅ 仿 真 结 果 表 明 ＵＫＦ在 姿 态 、 位置估计上精度要优于 ＫＦ和 ＵＫＦ方 法 运 用 到 系 统 进 行 比 较 ， 。 Ｅ ＫＦ 关键词 ： 超紧组合 ， 非线性 ， ， Ｅ ＫＦ ＵＫＦ 中图分类号 ： ４ ９ ３ ２ Ｖ２ 文献标识码 ： Ａ
总第 ３ （ ５ －９ ５ ３ ）
·６ １ ·
改进EKF算法在固定单站被动目标跟踪中的应用
性 化 展 开点 及 雅 可 比 矩 阵取 值 点对 线 性 化 逼 近 误 差 的影 响 ， 然后 对传 统 Ｅ Ｋ Ｆ算 法 的线 性 化展 开方 式 进行 优 化 ， 提 出一 种 基 于 中值 定 理 的后 向平 滑 Ｂ Ｓ — Ｅ Ｋ Ｆ算 法 ．仿 真 结 果表 明 ， 与传 统 Ｅ Ｋ Ｆ 相比 ， 该 算 法在 时 间复 杂度 上 略 有 增加 ， 但稳定性、 滤 波精 度 和 收敛 速度 有 所提 高 ， 适 用 于对 定位 精度 要 求较 高的 情 况． 关键 词 ： 中值 定 理 ； 后 向平 滑 ； 扩 展 卡 尔曼滤 波 ； 固定单 站被 动 目标 跟 踪
Ｐ Ｆ算 法 的 运 算 量 较 大 ， 实时性 较差 ．Ｅ Ｋ Ｆ算 法
阵兀 ｏ （ ｏ ， ０ ）
阵兀ｌ （ ０ ）
图１ 二 维 平 面 固定 单 站 无 源 定 位 几 何 示 意 图
１ ． ２ 目标 跟踪模 型 设 为 观 测 间 隔 ， 处 在 巡 航 状 态 的 目标 辐
由 于 固定 单 站无 源 定 位 系 统 的 测 量 方 程 为 非 线
性 系统 ， 考 虑系统 噪声 、 观测 噪声 、 系 统 模 型 误
差 的存 在 ， 需 要 通 过适 当 的滤 波 跟 踪算 法 来 对 预
测 结 果 进 行 修 正 ． 在 固定 单 站 被 动 目标 跟 踪 技
强 ， 隐 蔽性 更 好 ．对 于 固定 观测 站 ， 当 目标 运 动且 满 足 可 观 测 性 时 ， 就可 以对 目标 进 行跟 踪 ．
ｖ 为 径 向速 度 ， ｓ为 目标 航 向 ， ｒ为 目标 辐 射 源 相 对 径 向距 离 ， 为信 号到 达角 ， ｄ为 基 线 长 度 ．二 维 平 面 固定 单 站 无 源 定 位 几何 关 系 如 图 １ 所示 ， 本文采用角度 、 相 位 差 变 化率 、 多普 勒 频 率 变 化 率 为 观测 量 的 固定 单 站无 源 定 位 方法 ．
ekf 自适应加速度算法
ekf 自适应加速度算法EKF自适应加速度算法引言：在现代导航系统中，定位和导航是非常重要的任务。
为了实现高精度的定位和导航，需要使用精确的传感器来测量位置、速度和姿态等参数。
然而，传感器本身存在着误差和噪声，这些误差会影响到定位和导航的精度。
因此，一种有效的滤波算法是必要的。
本文将介绍一种被广泛应用于导航系统中的滤波算法——EKF自适应加速度算法。
一、EKF自适应加速度算法概述EKF自适应加速度算法是一种基于扩展卡尔曼滤波（EKF）的姿态解算算法。
该算法利用加速度计和陀螺仪的测量值，通过对其进行滤波和融合，得到姿态信息。
与传统的滤波算法相比，EKF自适应加速度算法具有更好的鲁棒性和适应性，能够自动调整滤波参数，以适应不同的运动状态和环境。
二、EKF自适应加速度算法原理EKF自适应加速度算法的核心是扩展卡尔曼滤波。
扩展卡尔曼滤波是一种非线性滤波算法，通过对系统状态的高斯分布进行逼近，实现对系统状态的估计。
在EKF自适应加速度算法中，系统状态包括位置、速度和姿态等参数。
EKF自适应加速度算法的具体步骤如下：1. 利用加速度计和陀螺仪测量值更新系统状态；2. 利用系统动力学模型和观测模型对系统状态进行预测；3. 利用卡尔曼增益校正预测值，得到系统状态的估计值；4. 根据估计值和测量值之间的误差，调整卡尔曼增益和滤波参数，以提高滤波性能；5. 重复以上步骤，实现对姿态信息的实时更新和优化。
三、EKF自适应加速度算法的优势EKF自适应加速度算法相比传统的滤波算法具有以下优势：1. 自适应性强：EKF自适应加速度算法能够根据运动状态和环境的变化，自动调整滤波参数，以适应不同的情况；2. 鲁棒性好：EKF自适应加速度算法能够有效抑制传感器的误差和噪声，提高定位和导航的精度；3. 实时性强：EKF自适应加速度算法能够实时更新和优化姿态信息，满足高精度定位和导航的实时需求。
四、EKF自适应加速度算法的应用EKF自适应加速度算法在导航系统中被广泛应用。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ａｐ ｌｃ ｔｏ ｆ Ａｄ ｐ ｉ ｅ Ｅｘ ｅ ｄ ｄ Ｋａ ｍ ａ ｌｅ ｐ ｉａ ｉ ｎ ｏ ａ ｔｖ ｔ ｎ ｅ ｌ ｎ Ｆｉ ｒ ｔ ｉ ａ ｓｖ ｒ ｅ ｓ Ｔｒ ｃ ｉ ｇ ｎ Ｐ ｓｉ ｅ Ｔａ ｇ ｔ ａ ｋ ｎ
观 测 站 Ｘ
题 。 自适 应滤 波有 ２个 功 能 ： ①在 利 用观 测数 据 进 行滤波递 推 的同时 ， 断地 由滤 波本 身 去 判 断 目标 不 在动态 上是否 有变 化 。 当判 断有 变 化 时 ， 进 一 步 要 决定是把 这种变 化看 作随机 干扰而 归到模 型噪声 中 去， 还是 对原动 态模 型进 行修 正 ， 之适应 目标变 化 使 后 的动 态 ； 当系统 噪 声方 差 阵 Ｑ（ ） ② ｋ 和观 测 噪声 方差 阵 足（ ） 知 或 近似 已知 时 ， 用 观 测 数 据带 ｋ未 利 来 的信息 ， 由滤波 本 身不 断 地估 计 和 修正 噪 声 统计 特性 或滤 波器增益 阵 ， 以减小状 态估计 误差 ， 提高滤
在被 动方 式 下进 行 目标 跟 踪 ， 常用 的是 推 广卡 尔曼 滤波算 法 。但 是 在 应用 卡 尔 曼滤 波 技术 时 ， 需 要 知道被研 究对象 的数学 模型 和噪声统 计 的先 验知 识 。如果基 于不精 确 的数 学模 型和不 准确 的噪声 统 计特 性来设 计卡尔 曼滤波 器可 能导致较 大 的状 态估 计误 差 ， 至造成 滤波发散 。同时 ， 于机载 的被动 甚 对 跟踪 系统 而言 ， 由于外界干 扰 、 速度 的物理特性 和 加 系统 噪声 等 因素影 响 ， 难用 一 个 准确 的统计 特 性 很
ｃ ｎｖ ｒｅ ｃ ｎ ｏ ｐ ｅ ｉｉｎ ０ ｌ ｒ ｎｐ ｓｉｅｔｒ ｅｓｔａ ｋｉｇ． ｈ ｌｏ ｔｍ ａ ｓｉ ｔ ｈ ｔ ｉｔ ｓｆａｕｒｓ０ ｅ ｖｒｕ １ｓａｅｎ０ｓ ｎ ｏ ｅ ｇ ｎ ｅ ａ ｄ ｌｗ ｒｃｓｏ ｆｆ ｔ ｓｉ ａ ｓｖ ａ ｇ ｔ ｒ ｃ ｎ Ｔ ｅ ａｇ ｒｈ ｉ ｅ ｉ ｃ ｎ ｅｔｍａｅ ｔｅ ｓ ｓｉ ｅ ｔ ｅ ｆｔ ｉ ａ ｔｔ ｉｅ０ ＿ ａｔ ｃ ｈ ｔ ｌｎ ｎ ｏ ｅ ｓ ｔ ｅ ｅｒｒｃ ｕ ｅ ｙ ｍｏ ｅ ’ ｏ —ｉ ａ ｉａｉｎ ａ ｄ ｒ ｄ ｃ ｈ ｒｏ ｎ ｏ ｓ ｒａｉｎ ｆｒｓ ｓｅ ｉｅａ ｄ ｃ ｍｐ ｎ ａｅ ｔ ｒｏ ａ ｓ ｄ ｂ ｄ ｌ Ｓｎ ｎ ｌ ｈ ｎｅ ｒｚ ｔ ｏ ｎ ｅ ｕ ｅ ｔｅ ｅｒｒｉ ｂ ｅｖ ｔ ｏ ｖ ｔｍｓ Ｓｉ １ｔ ｎ ｒｓ ｌｓｓ ０ ｝ ｔ ０ ｍｕａｉ ｅ ｕｔ ｈ ｗ ｔｌ ０ ａ
Ｓ Ｎ ｅ —ｉｎ Ｆ ＨＥ Ｗ ｎ ｌ ｇ， ＡＮＧ ｉ ｇｗｅ ａ Ｌｎ ． ｉ
（ ｈ ４ ｈＲ ｓ ｒ ｓｔ ｅ ｆＣ Ｔ ， ｈ ａ ｕ ｎ ｅｅ ０ ０ ８ ， ｈｎ ） Ｔ ｅ ｔ ｅ ａ ｈＩ ｔｕ Ｅ Ｃ Ｓ ｉ ｚ ａ ｇ Ｈ ｂｉ ５ ０ １ Ｃ ｉ ５ ｅ ｃ ｎ ｉｔ ｏ ｆ ｈ ａ Ａ ｓ ａ ｔ Ｉ ｉ ｐｐ ｒｗ ｒ ｅ ｔ ｎａ ａｔ ｅｅ ｔ ｄ ｄＫ ｌ ａ ｌ ｒＡ Ｋ ）ａ ｏ ｔ ｉｉ ｔ ｈ ｓｅ ｓ ｃ ｓ ｉ ｒ ｎｅ ｓ ｗ ｂｔ ｃ ｎｔ ｓ ａｅ ， ｅｐｅ ｎ ａ ｄｐｉ ｘ ｎ ｅ ａ ｎｆ （ Ｅ Ｆ ｌ ｒｈ ａ ｎ ａ ｔ ｉ ｕ ｓ ｕ ｈａ ｖ ｇ ｃ ．１ ｒ ｈ ｓ ｖ ｅ ｍ ｉｅ ｇｉ ｍ ｍ ｇ ｅ ｓ ｄｅｅ ０
．
ｈ ｌｏ ｈ ｔｅ ａｇ ｒｔｍ ｍｐ ｏ ｅ ｅ ｆｌ ｒｎ ｏ ｖ ｒｅ ｃ ａｅ ａ ｄ ｔ ｅ ａ ｃ ａ ｙ ｉ ｉ ｒ ｖ ｓｔ ｔｉ ｇ ｃ ｎ ｅ ｇ ｎ ｅｒ ｔ ｎ ｈ ｃ ｕｒｃ ｈ ｉ ｅ
，
ａｄ ｉ ｂ ｔ ｒ ａ ｅｏ ｇ ａ ｅｔ ｄ ｄＫ ｌ ａ ｌ ｒ Ｅ Ｆ ． ｎ ｅ ｅ ｎ ｔ ｒ ｉ ｌ ｘ ｎ ｅ ａ ｎｆｔ （ Ｋ ） ｓ ｔ ｔ ｈ ｉｎ ｅ ｈ ｍ ｉｅ
曼 滤波 算 法 。该 算 法 能 够 在 线估 计 噪 声 的 统计 特性 ， 态 补 偿模 型线 性 化 误 差 ， 减 系统 的 观 测 误 差 。 对 其 滤 波 理 论 及 算 法 动 消 进 行 了研 究 与 仿 真 ， 果 证 实 该 算 法 提 高 了滤 波 的稳 定 性 、 速 性 和 精 确 性 ， 于 一 般 的 扩展 卡尔 曼 滤 波 算 法 。 结 快 优 关 键 词 观 测 噪 声 ； 动 跟 踪 ；自适 应 推 广 卡尔 曼 滤 波 ； 被 噪声 估计 器
维普资讯
信 号 与 信 息 处 理
自适应 Ｅ Ｆ在 被 动跟 踪 中的应 用研 究 Ｋ
沈 文 亮 ， 玲 炜 方
（ 中国 电子 科技集 团公 司第 ５ ４研 究所 ， 河北 石 家庄 ００ ８ ） ５ ０ １
摘 要 针 对 被 动 跟 踪 中 常 见 的滤 波 发 散 、 敛 速 度 慢 和 跟 踪精 度低 等 问题 ， 究 了一 种 非线 性 系 统 的 自适 应 推 广 卡 尔 收 研
来表示 系统 噪声和 观测噪 声 。 采 用 自适 应 推 广 卡 尔 曼 滤 波 可 以解 决 上 述 问
波器的精度
．
。
１ 被 动跟 踪 模 型
首先 ， 直 角坐 标 系 中建 立被 动跟 踪 模 型 。在 在 仿 真 中， 测站 和 目标 都 用质 点 表示 。观 测 站 与 目 观 标 的相对位 置关 系如 图 １ 示 。 所
Ｋｅ ｒ ｏ ｓｒ ａｉｎ ｎ ｉｅ；ｐ ｓｉｅ ｔａ ｋ ｎ ｙ ｗｏ ｄｓ ｂ ｅｖ ｔ ｏｓ ｏ ａ ｓｖ ｒ ｃ ｉ ｇ；ａ ａ ｔｖ ｘｅ ｄ ｄ Ｋａｍａ ｌｅ ： ｎ ｉｅｅ ｔ ｔｒ ｄ ｐｉｅ ｅ ｔｎ ｅ ｌ ｎ ｆ ｔｒ ｉ ０ｓ ｓｉ ０ ｍａ
０ 引 言