分享到:

机载火控雷达TWS滤波算法仿真研究

1 引言对多个目标同时实施攻击是现代机载火控系统的发展方向 ,而机载火控雷达作为火控系统的重要组成部分 ,为其实时提供高精度的多目标跟踪数据。TWS工作方式是机载火控雷达的一个主要工作方式 ,专门设计用于对雷达威力覆盖范围内的多个目标进行边扫描边跟踪 ,同时处理多个目标的跟踪数据。数字跟踪滤波技术是 TWS工作方式的关键技术之一 ,它决定了 TWS工作方式的跟踪性能。在实际工程应用中 ,常用数字跟踪滤波器有α—β(或α—β—γ)滤波器、卡尔曼滤波器和线性回归滤波器。这些滤波器对于目标处于机动状态时性能变差 ,为此 ,出现了一些自适应跟踪滤波算法 ,如自适应状态估计器、二级卡尔曼滤波、机动当前统计模型的均值与方差自适应算法。这些算法对目标机动相当敏感 ,但对非机动目标跟踪精度不高。以往在考虑跟踪滤波算法时 ,基于飞机重心为坐标原点的地理坐标系 ,对目标探测数据进行滤波 ,研究跟踪算法时主要关注的是目标的运动模型 ,考虑目标是否机动...  (本文共6页) 阅读全文>>

《现代电子技术》2012年21期
现代电子技术

一种改进的α-β滤波算法

0引言α-β滤波方法实质是卡尔曼滤波的稳态解形式。它是一种简单的易于工程实现的常增益滤波方法,已被广泛地应用于跟踪滤波器的设计过程。比如在边搜索边跟踪数据处理系统中、相控阵雷达对机动目标跟踪中等均有应用[1-2]。其最大优点在于增益矩阵可离线计算[3],而且计算量相对卡尔曼滤波来说非常小,便于实时跟踪。它主要是对匀速运动航迹的稳态滤波,对机动目标的跟踪效果不理想。在文献[2]中就阐述了其在机动跟踪方面的缺点,即一旦目标出现机动,滤波器对目标状态的估值会偏离真实值,甚至会出现丢失目标的情况。然而在现实中一般目标总是有机动的,为了能够很好的跟踪机动目标,提出了本文的计算方法。1α-β滤波算法α-β滤波是一种卡尔曼跟踪滤波器的简化方案,应用时一般作如下假设:匀速运动和平稳观测噪声。设状态向量为X=[x,x]T,x和x分别是位置和速度向量,则目标状态方程为:^Xk+1=Φ^Xk+Gwk(1)式中:^Xk+1代表第k+1时刻α-β滤波...  (本文共3页) 阅读全文>>

《电子技术应用》2017年01期
电子技术应用

基于形态学小波变换的数字滤波算法

高等学校优秀青年教师项目(Yq2013180);广东省高等职业教育品牌专业建设项目(2016gzpp044)0引言由微电子器件组成的电器产品都可以称为电子产品。在人们日常生产生活中,小到电脑、数码相机、MP3、微波炉、音箱等,大到汽车、飞机等,电子产品随处可见,因此电子产品的正常运作起着举足轻重的作用。但是,电子产品所在电路出现的各种干扰不可避免地造成电路中电压或电流波形的畸变,这种畸变对电子产品的正常运行和使用寿命极为不利。因此,需要采用高效的数字滤波算法[1]来排除这些干扰成分对电子产品的正常运行和使用寿命所造成的不良影响。目前,科研工作者们在电子滤波领域已经做了大量研究,提出了大量数字滤波算法,例如基于傅里叶变换的算法[2]、基于小波变换的算法[3]和基于数学形态学的算法[4]等。基于傅里叶变换(FTF)的算法对除高频衰减直流分量外的干扰成分具有比较理想的滤除效果,但在对高频衰减直流分量进行处理时,FTF需要对衰减因子做线...  (本文共4页) 阅读全文>>

《湖南工业职业技术学院学报》2017年02期
湖南工业职业技术学院学报

基于递推滤波算法的卡尔曼滤波器在动态数据处理中的应用研究

1引言数字卡尔曼滤波器是一种最优递归估计滤波器,它可以用于滤除一个附加在随机信号上的观测噪声,也可以预测一个动态模型的正确参数。如果给定初始条件,就能够预测这种模型的参数,并且能够随着每次新的观测对参数进行修正,给出估计误差的范围,卡尔曼滤波器是一个不断地预测、修正的递推过程,它对于测量噪声和模型噪声都具有非常好的效果,并且由于它具有便于计算机模拟的结构,使得卡尔曼滤波器在计算机跟踪设备中有广泛的应用,也就是说在某些情况下,卡尔曼滤波器的性能要优于其他的线性滤波器。卡尔曼滤波器求解时不需要贮存大量的观测数据,并且当得到新的观测数据时,可随时算得新的参数滤波值,便于实时地处理观测结果,因此,卡尔曼滤波被越来越多地应用于动态数据处理中,尤其是GPS动态数据处理、惯性导航等。2卡尔曼滤波器的原理及算法20世纪60年代初,随着空间技术发展对于处理统计特性具有非平稳性(即时变性)的多维随机信号和干扰的迫切需要,卡尔曼(R.E.Kalman...  (本文共4页) 阅读全文>>

《无线互联科技》2017年08期
无线互联科技

滤波算法的比较及仿真

1雷达数据处理概述雷达数据处理包括雷达测量数据的滤波、平滑、预测等,这些处理可以有效地抑制测量过程中引入的随机误差,精确估计目标位置和有关的运动参数,预测目标下一时刻的位置,实现对目标的高精度实时跟踪。最早的雷达数据处理方法是在19世纪初叶,高斯提出的最小二乘法。1975年,高斯首次运用最小二乘法预测神谷星轨道,开创了用数学方法处理观测和实验数据的科学领域。20世纪60年代以后,随着数字技术和估计理论的发展,卡尔曼等人将状态变量分析方法引入滤波理论中,得到了最小均方误差估计问题的时域解。卡尔曼滤波理论可用于非平稳和多变量的场合,而且卡尔曼滤波具有递推结构,因此特别适合于计算机解算。由于这些原因,卡尔曼滤波已经成为数据处理的主要技术。本文重点介绍卡尔曼滤波和最小二乘滤波对线性系统下的基本滤波方法,同时完成数据的仿真、预测。2卡尔曼滤波及仿真本文所采用的数据,其先验统计特性一无所知,数据机动性较强,无规律。卡尔曼滤波是一种递推式的滤...  (本文共2页) 阅读全文>>

《计算机学报》2014年08期
计算机学报

粒子滤波算法

1引言1960年,Kalman先生提出了经典的卡尔曼滤波器(Kalman Filter),为线性高斯问题提供了一种最优的解决方法.迄今为止,卡尔曼滤波器仍然被广泛的采用,成为解决现实应用问题的标准框架[1].然而,在现实世界中,科学领域中的实际问题大都具有非线性特性,使得非线性滤波问题广泛存在于许多器的说法,许多文献也称之为粒子滤波算法.现实应用问题中.所谓非线性滤波,就是基于带有噪近年来,在现代信号处理、通信、人工智能、生物声的观测值,估计非线性系统动态变化的状态,这一信息学、计算机视觉、自主移动机器人、目标跟踪及类问题都可以使用动态状态空间模型(Dynamic统计学等领域的学者几乎同时关注粒子滤波算法的State Space model)来描述.解决非线性滤波问题的发展,新的应用领域不断被扩展.《IEEE Transac-最为经典的方法是扩展卡尔曼滤波算法(Extendedtions on Signal Processing...  (本文共16页) 阅读全文>>