一、一种LFM信号波形下的序贯EKF算法（论文文献综述）
余万玉[1]（2020）在《分布式MIMO雷达目标检测与跟踪及实验研究》文中研究表明MIMO（Multiple Input Multiple Output）雷达作为一种新体制雷达在2003年被提出,具有测角精度高、多目标跟踪能力强、抗干扰能力强、被截获概率降低等优点,使得MIMO雷达成为雷达领域研究热点。其中分布式MIMO雷达结合了雷达站独特布阵方式和MIMO雷达独有的优势,使得雷达系统在抗干扰、抗辐射、抗低空入侵、抗侦察和抗隐身等方面具有很大的潜力。本文在实验应用的背景下,研究分布式MIMO雷达系统在目标探测和跟踪滤波方面的性能,主要研究工作包括以下几个方面:1、介绍了分布式MIMO雷达实验系统原理及组成,利用遗传算法设计正交二相码波形,并控制发射波形占空比来调整雷达探测盲区,设计了发射和接收通道校正实验,给出阵列幅相误差校正原理,完成雷达实验系统的阵列误差校正。2、研究了分布式MIMO雷达目标检测。通过数字多波束形成搜索目标;然后进行匹配滤波、动目标检测（Moving Target Detection,MTD）运算、通过估计目标时延差和相位差的方法完成节点间多波束合成,其合成效率提高到90%以上,利用恒虚警检测（Constant False Alarm Detection,CFAR）技术判断目标的真实性,并给出一种多波束中的目标聚焦方法;最后利用单脉冲和差波束比幅测角算法测量出目标的角度。3、完成了目标跟踪滤波体系设计,包括数据关联、跟踪滤波和航迹管理三个部分。先通过最邻近（Nearest Neighbor,NN）算法和模糊聚类（Fuzzy Clustering Model,FCM）算法完成数据关联;然后利用交互多模型（Interactive Multiple Model,IMM）算法实现对机动目标的跟踪滤波;最后通过航迹头、航迹起始、航迹确认、航迹更新以及航迹撤销5个步骤完成目标航迹管理。4、设计了分布式MIMO雷达实验系统的信号处理方案以及目标航迹终端显示界面。利用雷达系统进行目标探测实验,通过MATLAB编程软件,完成对接收的目标回波处理及航迹显示,验证了分布式MIMO雷达在目标检测与跟踪滤波的有效性。
王树亮[2]（2019）在《认知雷达跟踪理论及关键技术研究》文中认为认知雷达相比传统雷达具有明显的优势,它可以根据目标环境的变化动态调整工作模式、信号波形以及数据处理算法,是当前智能雷达研究的重要方向。本文研究主要从认知雷达跟踪理论和关键技术两个方面展开:1.认知雷达跟踪理论方面,（1）研究了人脑中感知-行动循环、记忆、注意、智能等认知功能的工作机制及其对雷达目标跟踪的启发。感知-行动循环是构建认知雷达环境感知、信息反馈、波形发射闭环跟踪回路的基本机制。记忆的更新、激活等功能有助于启发雷达对环境的学习、信息的存储以及对数据库或辅助知识的调用。基于注意的选择性过滤和特征整合机制,雷达可以更加高效地利用有限资源对目标进行快速处理。智能则要求雷达具有较强的学习和自适应能力,并能够及时准确地作出决策或行动。（2）针对认知雷达跟踪中目标状态感知、认知波形发射和认知接收处理三个基本问题,首先,从卡尔曼滤波算法所估计的误差协方差几何结构和物理意义入手,推导出用于描述目标感知不确定性的误差椭球体积数学表达式。然后,基于感知-行动循环思想,提出了基于最小信息熵准则的波形选择目标跟踪方法。最后,对雷达数据处理中存在的目标运动状态不确定、量测起源不确定、量测方程非线性等问题进行了研究,并给出了认知解决方法。2.认知雷达跟踪关键技术方面,具体研究了机动目标跟踪、数据关联、粒子滤波和联合检测跟踪等内容,基于最小信息熵准则的波形选择技术贯穿其中,实现了雷达接收端和发射端的联合认知。（1）机动目标跟踪方面,首先,给出了基于发射波形和天线结构的距离-距离率和方位联合量测误差协方差的克拉美罗下界（Cramer-Rao Lower Bound,CRLB）表达式,基于当前统计（Current Stastic,CS）模型研究了波形和角度联合优化的机动目标跟踪算法。然后,针对传统CS模型的设计缺陷,引入匀速（Constant Velocity,CV）模型在交互式多模型（Interacting Multiple Model,IMM）框架下与其进行交互,受人脑记忆三阶段信息处理机制启发,提出一种嵌入记忆的时变模型转移概率IMM（TIMM）算法,克服了固定模型转移概率容易引起模型间不必要竞争的问题。最后,在TIMM进行波形选择过程中,利用模型预测概率和预测位置加权得到的综合预测误差协方差进行信息反馈,避免了仅利用单个模型反馈信息容易使波形陷入局部最优的问题。（2）数据关联方面,首先,基于视觉选择性注意机制提出一种综合TIMM（Comprehensive TIMM,CTIMM）自适应关联波门设计方法,波门中心和大小通过CS和CV模型预测概率和预测位置加权获得,使关联波门可以根据目标机动自适应调整,较好地兼顾了雷达计算资源消耗和目标跟踪性能。然后,基于视觉注意特征整合机制,提出一种优化的概率数据关联（Optimized Probabilistic Data Association,OPDA）算法。该算法利用目标位置特征和运动特征的整合,对关联波门交叉区域公共量测进行分类,使多目标数据关联问题转化为多个单目标数据关联问题,从而增强了传统概率数据关联（Probabilistic Data Association,PDA）算法的环境适应性。最后,在波形选择时采用修正的Riccati方程来估计各波形的滤波误差协方差,并依据最小信息熵准则自适应地选择下一时刻的波形以提高系统跟踪性能。（3）粒子滤波方面,首先,针对传统粒子滤波常忽略目标跟踪中的不确定性而提前假定粒子样本数为一个固定值,由此可能产生或样本数过少导致精度不高,或样本数过多导致效率下降的问题,结合不确定性误差椭球理论,推导出期望滤波精度条件下粒子样本数的下限表达式,提出一种基于信息熵的自适应粒子滤波（Adaptive Particle Filter,APF）算法。然后,将波形选择与APF算法结合,提出一种APF与波形自适应扩展卡尔曼滤波（Extended Kalman Filter,EKF）并行的认知结构粒子滤波算法,该算法中APF为EKF提供每时刻滤波初始值以避免其滤波发散,EKF通过波形选择为APF提供最佳匹配最测,从而使APF能够始终以最小粒子样本数获得最佳跟踪性能。（4）联合检测跟踪方面,首先,对时延-多普勒分辨单元理论进行了深入分析,给出了高斯包络线性调频（Linear Frequency Modulation,LFM）脉冲平均检测概率和量测误差协方差的近似表达式,提出了基于最小信息熵准则的检测门限和波形联合自适应跟踪算法。然后,针对以距离-距离率和方位为量测的非线性运动目标,设计出一种具有―棱柱‖结构的时延-多普勒和方位联合分辨单元,并提出一种APF/EKF并行结构的检测门限和波形自适应跟踪算法,较好地兼顾了跟踪效率和跟踪质量。
陈中悦[3]（2019）在《分布式水声网络状态一空间建模与目标检测跟踪》文中指出水下目标检测与定位跟踪技术在军事国防、海洋开发以及海洋科学研究领域具有重要意义,也是海洋信息技术研究中的一项重要内容。通过单个声纳设备实现的传统目标探测技术无法完成大范围高分辨监控;主动探测方法虽然可以获得较高的信噪比,但以高能耗为代价,难以实现长时间的隐蔽监控。随着传感器技术的进步以及状态—空间模型滤波理论的发展,利用分布式声学传感器对覆盖区域内的目标进行被动检测与定位跟踪成为可能。因此,本文以实现大范围、长时间的隐蔽式监控为主要目标,研究了分布式网络拓扑结构与通信策略,并在贝叶斯状态—空间模型框架下,探讨了水下声源目标的被动检测与跟踪问题。主要研究工作如下:第一、结合水下声学物理过程,建立了分布式水声传感网络状态—空间模型,并在此基础上研究了贝叶斯序贯滤波算法,构成本论文的研究框架。针对目标存在性未知的情况,引入随机有限集（Random Finite Set,RFS）同时描述目标存在性和目标运动状态,代入状态—空间贝叶斯序贯滤波框架,实现目标联合检测与跟踪。第二、研究了分布式网络拓扑和通信策略。以提高检测概率为目标,提出了数据融合检测网络中节点部署策略。结合水声信号统计模型,以最小化错误概率为目标,设计了节点位置选择方案,并在浅海波导环境下进行了仿真,验证了其全局最优性。针对分布式检测中通信能力受限的情况,提出了低功耗检测融合传输方法,在保证贝叶斯检测全局最优的条件下,能够节省通信开销,并在不同拓扑结构网络中进行了验证。为保证节点长期同步,提出了针对长时延水下传播环境的改进tiny-sync时钟同步算法,与已有算法相比,该方法复杂度低,数据存储量低,时钟同步过程耗时更短。第三、基于单水听器节点组成的分布式水声传感网络,研究了目标的联合检测与跟踪问题。尽管单水听器节点能够获得的测量信息相对有限,但它具有体积小、成本低、便于部署等优点。本文提出了基于分布式能量测量的伯努利滤波方法,对监测区域声场能量进行空间离散采样,以声传播海洋物理模型为基础,分析了复声压信号能量的统计特性,推导了目标存在和纯噪声情况下的能量测量的似然函数。结合本文得到的声场能量统计特性与伯努利滤波算法,实现了目标状态的联合检测和跟踪。通过仿真和实验验证了所提出方法的有效性。第四、基于多阵列组成的分布式水声传感网络,研究了目标的联合检测与跟踪问题。将波束形成和匹配场处理（Matched Field Processing,MFP）等经典阵列定位算法,与RFS框架下的伯努利滤波器结合,实现了目标的联合检测与跟踪。本文提出了基于多阵列波束形成的伯努利滤波算法,分别由波束形成结果中包含的目标到达角（Direction of Arrival,DOA）以及强度信息构造测量RFS,推导相应的似然函数,得到基于DOA、基于波束功率的滤波算法,并提出将二者结合的混合算法,实现目标轨迹的提取。波束功率方法有利于提高定位精度,但由于端射方向波束主瓣变宽,基于波束功率的方法容易错误地跟踪到阵列端射方向。针对阵列较少的情况,混合方法可以补偿波束功率方法的不足。三阵列仿真结果表明,与DOA方法相比,波束功率方法和混合方法具有更好的目标跟踪精度。浅海实验中两个阵列采集的数据处理结果表明,混合方法具有更好的跟踪性能。本文还研究了多阵列匹配场目标定位估计问题,推导了最大似然准则下的多阵列匹配场模糊体函数,并提出了利用模糊体函数的多峰值输出构造测量RFS的伯努利滤波算法,实现目标的被动检测和跟踪。仿真和实验结果表明,所提出的伯努利滤波算法能够进一步提高目标定位跟踪性能。
高秀政[4]（2015）在《分布式地波雷达探测性能分析及融合算法研究》文中研究指明分布式舰载地波雷达（DMS-SWR）是在岸基高频地波超视距雷达和舰载地波超视距雷达的基础上发展起来的一种新体制雷达,利用在海面上执行任务的多个雷达载舰编队,弥补单舰载和岸基地波超视距雷达的技术局限,能够大幅度提高系统的探测能力、探测精度以及生存能力等系统整体性能。本文首先根据分布式舰载雷达编队中各个舰船之间的距离不同,将其分为两种工作模型——组合分布式雷达（Combined Distributed Radar,CDR）和移动多基分布式雷达（Mobile Multi-based Distributed Radar,MMDR）。组合分布式雷达系统要求雷达舰船编队中各个舰船之间的间距较小,一般小于10km,从而保证各个舰载雷达接收的信号之间存在相干性;而移动多基分布式雷达系统中,整个编队中的各个舰船具有高度灵活性,可以将间距拉大到20km-300km,这样的模型下各个舰载雷达接收的信号不再相干,可以通过每个舰船自带的信号处理系统对回波信号进行单独处理,获得目标的相关信息后发送到统一的融合中心进行统一处理,提高整个雷达系统对目标的探测性能。在组合分布式雷达系统中,通过将多个雷达子舰排列到一起,得到一个较大孔径的阵列雷达,从而提高雷达系统对空间目标的方位分辨率,但是由于各个舰船之间的距离难以满足半波长的要求,使得组合形成的大阵列在波束形成时产生大量栅瓣,严重影响目标方位的探测范围。当各个雷达子舰以不同的速度相互运动时,由于各个舰船之间的距离不断发生变化,使得合成的大孔径阵为时变阵列,从而打破了栅瓣出现的条件,当对多个快拍的回波数据进行波束形成并累加后,可以在得到一个较窄主瓣波束的同时抑制栅瓣的出现。在移动多基分布式雷达系统中,采用“单发多收”的工作模式,利用多个接收子舰自带的信号处理资源,将接收雷达到目标再到发射子舰的距离和与速度和信息发送给数据融合中心（或者发射子舰）,融合中心利用各个舰船的空间分布以及获得的距离和与速度和信息,实现对目标的定位和真实速度的解析。在融合中心,每个接收子舰获得的距离和与速度和信息都能与发射子舰获得的目标信息联合处理定位得到目标的一条航迹,因此对于多个雷达接收子舰可以获得同一目标的多条航迹。最后通过对目标的跟踪滤波和航迹关联与融合,得到更加精确的目标航迹,从而提高移动多基分布式雷达系统整体的探测精度与性能。
金加根[5]（2015）在《基于元数据的雷达目标检测和跟踪研究》文中研究指明防空雷达预警监视系统是军民应用领域中一个重要的系统,对人类的生活和国家安全有着深刻的影响。特别是军用情报雷达面临着许多威胁,存在着一些尚未解决的难题,典型的难题是“弱小”目标的检测和机动目标的跟踪。防空雷达预警监视系统作为一个信息融合系统,同其它的融合系统一样,系统中的服务没有进行有效的管理、服务中的算法性能需进一步提升、巨量数据无法在不同层次之间共享。相关研究表明,元数据可对服务进行有效的管理,可对数据实现共享。目前,元数据与防空雷达预警监视系统相融合的研究相对较少。本论文结合国家自然科学基金、国际合作项目和军内合作项目,研究了元数据与防空雷达预警监视系统的融合模型,并针对雷达目标检测和目标跟踪算法进行研究,提出了基于元数据的新算法。本文的主要研究内容有:1)提出元数据与防空雷达预警监视系统的融合模型。在防空雷达预警监视系统中,服务是最基本的单元。从服务外部出发,提出了元数据与防空雷达预警监视系统的融合框架,以及根据语义相似度的服务重组。从服务内部出发,提出元数据与算法的两种融合方式,即逻辑运算和概率运算方式,提高相应算法的性能。元数据与防空雷达预警监视系统的融合框架,以及元数据与算法融合方式构成了元数据与防空雷达预警监视系统的融合模型。2)针对“弱小”目标,根据元数据与算法的逻辑运算融合方式,提出元数据与常规目标检测算法相融合的新算法。在本论文中,首先降低目标检测门限,然后利用回波信号的7种处理前或处理后的特征,建立检测元数据,并进行逻辑值化。元数据的逻辑值与常规目标检测结果的逻辑值进行逻辑与运算,去除虚警点,使雷达对“弱小”目标的检测概率平均提高10%左右。本文的方法是检测前跟踪算法（TBD）的扩展,TBD算法采用航迹形成的方法去除杂波点,而本文采用目标回波特征,进行杂波点迹抑制。3)针对交叉或机动飞行目标,根据元数据与算法的概率运算融合方式,提出元数据与数据关联算法相融合的新算法。对于机动目标,将观测误差看成目标的真实机动,构建新的目标机动位置模型。依据此模型计算航迹元数据的机动位置值。在本论文中,利用4种航迹运动特性和点迹回波特征,建立航迹元数据。在数据关联出现模糊时,选择航迹元数据的关联概率总和最大的配对组,避免出现关联错误,从而提高数据关联算法的正确率,实现对飞行目标连续正确的跟踪。论文运用某次实际的机动飞行表演数据对算法进行了验证。本文的方法是特征辅助数据互联算法的扩展,特征辅助数据关联算法主要考虑幅度、多普勒频移、极化、图像等方面,而本文主要考虑是从回波信号多特征的综合辅助。4)根据元数据与防空雷达预警监视系统的融合框架,开发基于元数据的原型系统。在原型系统中应用前面提出的基于元数据的目标检测和跟踪算法,并通过元数据语义相似度的融合方式,进行服务的重组。原型系统首次采用基于通用计算机的软件化方案。原型系统通过两步实现服务的重组。第一步是根据系统的任务需求确定工作流程,第二步利用服务元数据的语义相似度,运用整数规划方法进行服务的选择。最后论文开展了相关的模拟实验,及实际采集数据的验证。
杨志国[6]（2013）在《马尔可夫状态—空间模型下的声源定位与跟踪》文中研究说明水下声源定位与跟踪问题一直以来都受到广泛的关注。传统定位方法研究主要集中于低辐射噪声目标的定位与跟踪,对于这一类目标进行定位与跟踪通常需要大孔径的接收阵与复杂的处理系统。近年来随着自主水下航行器广泛应用于各类水下作业中,对于这一类具有合作声源的运动平台的定位问题逐渐受到关注。现有方法主要是从无线电技术中发展而来,对于水声信道的考虑较少。在深海环境中,水声信号传播模型近似为自由场,这些技术可以很好地实现声源定位。当声源位于浅海环境时,自由场的假设不再成立,环境对于信号传播的作用就变得非常重要,直接影响到现有方法的适用性。水声信号在浅海中传播时会受到水面与水底的反射,形成多径现象。由于水面以及水体的起伏,不仅会导致接收信号时延扩展,同时也会引起多普勒扩展,对于运动声源这种扩展现象更加严重。因此对于声信号而言,浅海环境本质上是一个时延与多普勒双扩展的信道。本论文研究合作声源定位与跟踪的方法,试图在浅海环境中利用小孔径阵实现具有合作声源的运动平台的定位与跟踪。合作声源定位问题既不同于主动声纳目标定位,又区别于被动声纳目标定位,是被动声纳接收声源主动发射的信号。声源发射信号的形式与参数已知,可以作为先验信息。通常自主水下航行器在水下作业时深度变化不大或者定深航行,因此对其定位主要是水平位置的定位,进而可以将三维空间定位问题简化为二维平面定位。声源运动轨迹通常不会是突变的,声源当前时刻的状态往往只与前面若干时刻的状态有关,具有马尔可夫性,具备部分的先验知识的前提下可以通过一定的运动方程描述。声源跟踪问题可以看成声源状态变化这一随机过程的估计,在估计过程中可以通过测量获得一定的新信息。整个问题可以纳入到状态-空间模型下,声源跟踪问题转化为利用一个可观测的输入与可观测的输出寻求声源状态这一不可观测量的最小均方误差估计器。在实际过程中可观测输入项往往无法获得,可以采用观测误差项取代。论文中采用五元均匀线阵作为观测平台,可观测输出项通过五元均匀线阵获得,由两项组成：当前测量时刻的声源方位角及前后两个测量时刻距离变化量。声源方位角可以通过波束形成估计获得,距离变化量与发射、接收脉冲信号时间间隔差有直接关系。当发射脉冲信号时间间隔已知时,估计出接收信号的脉冲时间间隔就可以计算得到距离变化量。给定状态-空间模型以后利用序贯贝叶斯滤波方法实现声源跟踪。浅海环境中信号传播受到波导效应影响,采用传统的互相关等方法直接测量接收脉冲信号时间间隔会带来较大的误差,引入时间反转技术可以改善脉冲信号时间间隔估计精度。时间反转技术是基于声信号在时不变环境中传播的互易性提出的信号处理方法,当环境为时不变或者变化缓慢时采用时反技术可以有效压缩由多径传播引起的信号时延扩展。论文利用被动时反技术恢复接收信号波形,用于估计接收脉冲信号时间间隔,验证了被动时反处理对时延估计精度的改善。但是当环境起伏较快时被动时反技术不再适合,需要发展新的方法。此外,论文研究对象为合作声源,因此通过设计合适的声源发射信号可以进一步改善跟踪算法的适用性。浅海时变信道中,发射信号经过多径传播到达接收阵,声源与接收阵之间的相对运动以及界面和水体的运动导致信号每条传播路径的时延与多普勒扩展均不同,时延-多普勒二维模糊度函数能量集中于几个区域内,表现出多峰现象。由声源与接收阵相对运动引起的时延-多普勒扩展具有一定的稳定和慢变性,由界面以及水体运动引起的时延-多普勒扩展具有一定的随机性。论文借鉴蝙蝠、海豚等使用声纳作为主要探测和识别工具的动物的声学发射特性,通过分析不同信号的时延-多普勒分辨力,选择了在时延维和多普勒维均有较好分辨力的发射信号,进而将接收信号的时延-多普勒模糊度函数作为测量值,对时延-多普勒进行跟踪,从中提取直达波或最先到达信号的时延-多普勒信息。将这一信息作为声源跟踪的状态-空间模型的可观测输出值,在浅海时变信道中实现了对声源的有效跟踪。对于特定的声源运动轨迹,当接收阵保持静止时采用以上方法仍然会出现声源的不可观察现象,需要接收阵运动增加声源的可观察性。论文中在均方误差准则下对接收阵运动轨迹进行了路径搜索,使得在声源以特定轨迹运动时接收阵仍然可以保持对声源的可观察性。论文通过仿真验证了波导环境中合作声源定位与跟踪算法的性能。在时不变波导环境中,验证了时反与跟踪算法结合的跟踪效果。在时变起伏波导环境中验证了时延-多普勒跟踪与跟踪算法相结合的声源跟踪算法性能。对于特殊运动轨迹的声源而言,在最小均方误差准则下仿真生成不同的接收阵运动轨迹验证了接收阵运动对于声源可观察性的改善。论文的研究过程中设计并实现了一套合作声源定位系统,包括模拟声源与接收阵系统。通过水池测试以及海上试验的实际使用,该系统正常稳定工作并采集了有效的实验数据。海试数据处理结果验证了论文中提出的波导环境中时反与跟踪相结合算法的有效性及性能。
范佳媛[7]（2008）在《带径向速度观测的跟踪算法研究》文中认为机动目标跟踪是一个研究对目标机动运动不能准确描述的目标运动估计问题。它在军用和民用领域中有着广泛的应用。随着机动目标跟踪理论研究的日益成熟和深入,它在工程领域中的应用也愈加广泛;反过来,实际工程环境对传统的理论算法也提出了新的挑战。根据前人的研究可知,高频地波雷达跟踪系统通常用位置量测（即径向距离量测和角度量测）对目标进行跟踪,而由于二者观测精度不高,故导致跟踪系统的精度非常有限。针对这一情况,本文在滤波方面,提出了一种将多普勒量测信息引入到嵌入交互式多模型滤波框架的二维去偏一致转换量测卡尔曼滤波的新方法;在机动检测方面,提出了一种利用多普勒量测信息来估算法线加速度的方法。（1）机动滤波算法方面首先用斜距和多普勒量测的乘积构造伪量测,以减小多普勒量测和目标运动运动状态之间的强非线性程度;然后用嵌套条件方法得到了转换量测误差前两阶矩的一致估计;最后根据伪量测是目标运动状态二次函数的特性,用二阶扩展卡尔曼滤波算法最优地实现了非线性跟踪滤波,其中为了进一步减小二阶扩展卡尔曼滤波算法的近似误差,利用Cholesky分解实现了位置量测和伪量测的序贯处理。Monte-Carlo仿真结果表明,当引入多普勒量测时,相对于只有目标的位置观测来说其收敛速度加快,均方误差减小,提高了跟踪滤波器的。（2）机动检测方面目标机动检测之所以成为一个难题,是由于目标的加速度并不是一个可以直接测量就能得到的信息。故我们希望利用径向速度这一观测值来统计目标加速度,作为机动检测的标志。在转弯模型中,变化门限,统计其接收特性,并观察检测结果。最后,根据收录的各个量测信息,利用Visual C++ 2005软件,对高频雷达的信息进行综合显示,直观而准确地显示雷达监测到的实时信息。
郁春来[8]（2008）在《利用空频域信息的单站无源定位与跟踪关键技术研究》文中提出无源定位与跟踪系统作为对有源探测系统的完善和补充,日益受到各国的重视。论文以质点运动学原理为基础,围绕利用空频域信息进行单站无源定位与跟踪中的定位原理和方法、测距误差分析、跟踪滤波算法以及高精度频域参数测量等关键技术问题展开研究,为单站无源定位与跟踪系统的设计和实施提供了重要的理论基础和技术支撑。论文主要包括以下内容:结合单站无源目标跟踪系统的特点,提出了一种稳定性好、精度高的跟踪滤波算法,将状态方程和观测方程变换到极坐标中,降低了强弱可观测项之间的耦合,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,增强了算法的稳定性。针对单载频雷达脉冲信号,提出了基于相关的脉冲群间多普勒频率变化率高精度估计算法,通过离散傅立叶变换实现了相参积累,提高了相参脉冲群相对模糊频率估计精度。提出了基于连续小波变换的多普勒频率变化率高精度估计算法,通过对信号的小波变换系数自相关运算,消除了相位测量的模糊,根据相位测量值可得到多普勒频率变化率的加权最小二乘估计值。算法具有较低的信噪比门限,估计性能接近最优。针对复杂雷达脉冲信号,提出了对线性调频信号的多普勒频率变化率估计算法,对线性调频信号的渐近小波变换系数做相关,消除了测量相位模糊和线性调频信号的调频率对参数估计的影响。提出了对相位编码信号的多普勒频率变化率估计算法,采用离散傅立叶变换实现了脉冲间的相关积累,算法具有一定的信噪比门限,估计性能接近最优。两种算法有效解决了单站无源定位与跟踪系统无法处理该类信号的关键技术问题。提出了基于脉冲间瞬时自相关的多普勒频率变化率估计算法,算法能有效处理多种形式的雷达信号,具有较强的信号适应能力,这对降低系统设计的复杂度尤为有利,在一般的无源观测条件下其多普勒频率变化率的估计精度能达到Hz/s量级。
王建国,何佩琨,龙腾[9]（2002）在《一种LFM信号波形下的序贯EKF算法》文中研究表明研究在LFM信号波形下把径向速度测量引入Kalman滤波的新方法,分析了LFM信号波形下距离和径向速度测量的统计特性.在分析位置测量更新后状态估计误差与径向速度测量噪声统计相关性的基础上,导出了等价的径向速度测量方程,其测量噪声与位置测量更新后的状态滤波误差统计不相关,由此而得到序贯处理的EKF算法.蒙特卡罗仿真结果表明,采用这一新算法引入径向速度测量,可以有效地消除距离-多普勒耦合引起的偏差,提高状态估计精度,而且其估计性能优于传统的EKF.
二、一种LFM信号波形下的序贯EKF算法（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、一种LFM信号波形下的序贯EKF算法（论文提纲范文）
（1）分布式MIMO雷达目标检测与跟踪及实验研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作背景与意义 |
| 1.1.1 研究工作背景 |
| 1.1.2 研究工作意义 |
| 1.2 国内外相关技术发展状况 |
| 1.3 本论文结构安排 |
| 第二章 分布式MIMO雷达实验系统与阵列误差校正 |
| 2.1 分布式MIMO雷达实验系统基本原理 |
| 2.2 阵列系统概述 |
| 2.2.1 发射端组成 |
| 2.2.2 接收端组成 |
| 2.3 实验系统发射波形 |
| 2.3.1 正交多相编码信号 |
| 2.3.2 正交多相码的遗传算法优化 |
| 2.3.3 波形设计结果 |
| 2.4 阵列误差校正 |
| 2.4.1 节点布置与位置测量 |
| 2.4.2 阵列误差校正实验设计 |
| 2.4.3 接收与发射通道校正原理 |
| 2.4.4 接收与发射通道幅相校正结果 |
| 2.5 本章小结 |
| 第三章 分布式MIMO雷达目标检测及目标聚焦 |
| 3.1 目标信息提取流程 |
| 3.1.1 单节点目标信息提取流程 |
| 3.1.2 多节点目标信息提取流程 |
| 3.2 单节点数字多波束形成 |
| 3.2.1 数字多波束指向 |
| 3.2.2 数字多波束形成算法 |
| 3.3 测距测速算法 |
| 3.3.1 匹配滤波 |
| 3.3.2 匹配滤波结果 |
| 3.3.3 动目标检测 |
| 3.3.4 动目标检测结果 |
| 3.4 节点间多波束合成 |
| 3.4.1 节点间多波束合成方法 |
| 3.4.2 节点间多波束合成结果 |
| 3.5 合成效率计算 |
| 3.6 目标检测 |
| 3.6.1 CFAR检测算法 |
| 3.6.2 CFAR检测结果 |
| 3.7 目标检测阶段系统计算量 |
| 3.8 目标聚焦方法 |
| 3.9 单脉冲和差波束比幅测角 |
| 3.9.1 单脉冲和差波束比幅测角算法 |
| 3.9.2 测角结果 |
| 3.10 本章小结 |
| 第四章 目标跟踪滤波与航迹管理 |
| 4.1 目标跟踪体系 |
| 4.2 数据关联 |
| 4.2.1 数据关联过程介绍 |
| 4.2.2 典型数据关联算法 |
| 4.2.2.1 最邻近数据关联算法 |
| 4.2.2.2 模糊聚类数据关联算法 |
| 4.3 目标跟踪方法 |
| 4.3.1 坐标系选择及转换误差 |
| 4.3.2 目标运动模型 |
| 4.3.3 卡尔曼滤波 |
| 4.3.4 扩展卡尔曼滤波 |
| 4.3.5 交互式多模型算法 |
| 4.4 航迹管理 |
| 4.4.1 航迹头 |
| 4.4.2 航迹起始 |
| 4.4.2.1 直观法 |
| 4.4.2.2 逻辑法 |
| 4.4.3 航迹确认 |
| 4.4.4 航迹更新 |
| 4.4.5 航迹撤销 |
| 4.5 模拟目标跟踪滤波 |
| 4.6 本章小结 |
| 第五章 实验研究与终端显示 |
| 5.1 实验研究整体方案 |
| 5.1.1 实验数据录取 |
| 5.1.2 分布式MIMO雷达实验系统单节点信号处理方案 |
| 5.1.3 分布式MIMO雷达实验系统多节点信号处理方案 |
| 5.2 雷达终端介绍 |
| 5.3 目标航迹显示 |
| 5.3.1 模拟目标航迹显示 |
| 5.3.2 无人机航迹显示 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 研究工作不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的成果 |
（2）认知雷达跟踪理论及关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 认知雷达跟踪理论及关键技术研究进展 |
| 1.2.1 自适应波形选择跟踪 |
| 1.2.2 机动目标跟踪 |
| 1.2.3 数据关联跟踪 |
| 1.2.4 粒子滤波跟踪 |
| 1.3 本文主要工作及内容安排 |
| 第二章 人脑工作机制启发的认知雷达跟踪理论 |
| 2.1 引言 |
| 2.2 人脑认知机制对雷达目标跟踪的启发 |
| 2.2.1 感知-行动循环 |
| 2.2.2 记忆 |
| 2.2.3 注意 |
| 2.2.4 智能 |
| 2.3 认知雷达跟踪的基本问题及研究方法 |
| 2.3.1 目标状态感知 |
| 2.3.2 认知波形发射 |
| 2.3.3 认知接收处理 |
| 2.4 本章小结 |
| 第三章 自适应模型机动目标跟踪 |
| 3.1 引言 |
| 3.2 基于当前统计(CS)模型的机动目标跟踪 |
| 3.2.1 基于KF的CS模型自适应滤波 |
| 3.2.2 距离-距离率和方位的联合误差协方差 |
| 3.2.3 基于EKF的CS模型波形选择算法 |
| 3.2.4 仿真验证 |
| 3.3 嵌入记忆的认知结构IMM机动目标跟踪 |
| 3.3.1 CS模型和CV模型交互的IMM算法 |
| 3.3.2 时变转移概率IMM(TIMM)算法 |
| 3.3.3 基于波形选择的TIMM机动目标跟踪算法 |
| 3.3.4 仿真验证 |
| 3.4 本章小结 |
| 第四章 自适应机动目标数据关联跟踪 |
| 4.1 引言 |
| 4.2 基于视觉选择性注意机制的自适应关联波门 |
| 4.2.1 椭球关联波门PDA算法 |
| 4.2.2 综合TIMMPDA(CTIMMPDA)算法 |
| 4.2.3 仿真验证 |
| 4.3 基于视觉注意特征整合机制的优化PDA |
| 4.3.1 优化PDA(OPDA)算法 |
| 4.3.2 嵌入记忆的自适应关联波门OPDA算法 |
| 4.3.3 仿真验证 |
| 4.4 基于波形选择的CTIMMOPDA算法 |
| 4.4.1 信息熵的近似表达式 |
| 4.4.2 最小信息熵准则波形选择数据关联算法 |
| 4.4.3 仿真验证 |
| 4.5 本章小结 |
| 第五章 认知结构自适应粒子滤波机动目标跟踪 |
| 5.1 引言 |
| 5.2 粒子滤波算法 |
| 5.2.1 序贯重要性采样(SIS)算法 |
| 5.2.2 序贯重要性重采样(SIR)算法 |
| 5.3 信息熵与粒子样本数 |
| 5.3.1 粒子数下界表达式 |
| 5.3.2 基于信息熵的自适应粒子数粒子滤波(APF)算法 |
| 5.3.3 仿真验证 |
| 5.4 基于波形选择粒子滤波的机动目标跟踪算法 |
| 5.4.1 基于APF的机动目标数据关联算法 |
| 5.4.2 波形自适应APF(WS-APF)算法的复杂性 |
| 5.4.3 认知结构APF算法 |
| 5.4.4 仿真验证 |
| 5.5 本章小结 |
| 第六章 检测门限和波形联合自适应机动目标跟踪 |
| 6.1 引言 |
| 6.2 距离-距离率为量测的线性目标跟踪 |
| 6.2.1 时延-多普勒分辨单元 |
| 6.2.2 量测误差协方差的近似表达式 |
| 6.2.3 基于最小信息熵准则的检测门限和波形联合自适应算法 |
| 6.2.4 仿真验证 |
| 6.3 距离-距离率和方位为量测的非线性目标跟踪 |
| 6.3.1 棱柱结构时延-多普勒和方位联合分辨单元 |
| 6.3.2 联合量测误差协方差的近似表达式 |
| 6.3.3 基于认知结构APF的检测门限和波形联合自适应算法 |
| 6.3.4 仿真验证 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（3）分布式水声网络状态一空间建模与目标检测跟踪（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 术语表 |
| 数学符号表 |
| 1 绪论 |
| 1.1 论文背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 分布式检测技术 |
| 1.2.2 水下声源定位与跟踪技术 |
| 1.2.3 随机有限集滤波算法 |
| 1.3 论文研究内容 |
| 1.3.1 分布式水声传感器网络状态—空间模型研究 |
| 1.3.2 分布式目标联合检测网络拓扑结构与通信策略研究 |
| 1.3.3 随机有限集状态—空间模型下的目标检测与跟踪 |
| 1.4 论文组织结构 |
| 2 目标检测跟踪状态—空间建模与声压信号模型 |
| 2.1 引言 |
| 2.2 状态—空间模型 |
| 2.2.1 向量状态—空间模型 |
| 2.2.2 随机有限集状态—空间模型 |
| 2.3 目标运动模型 |
| 2.3.1 匀速模型 |
| 2.3.2 匀加速运动模型 |
| 2.4 水下声压信号测量模型 |
| 2.4.1 声信号传播模型 |
| 2.4.2 目标声源信号模型 |
| 2.4.3 海洋环境噪声模型 |
| 2.5 本章小结 |
| 3 水声分布式传感网络拓扑结构及通信策略研究 |
| 3.1 引言 |
| 3.2 分布式检测与数据融合 |
| 3.2.1 二元假设检验 |
| 3.2.2 分布式系统中的目标信号检测 |
| 3.3 分布式节点部署策略 |
| 3.3.1 分布式传感器节点拓扑结构与联合检测性能 |
| 3.3.2 分布式传感器节点部署距离优化 |
| 3.3.3 水下声学信号模型下的检测节点位置优化选择 |
| 3.4 分布式检测融合中的低能耗传输方法 |
| 3.4.1 可分解高斯图模型 |
| 3.4.2 多元高斯均值偏移检测 |
| 3.4.3 基于排序的低能耗检测融合传输方法 |
| 3.4.4 仿真分析 |
| 3.5 水下声学传感器节点同步技术研究 |
| 3.5.1 时钟模型 |
| 3.5.2 时钟同步基本原理 |
| 3.5.3 TSHL时钟同步算法 |
| 3.5.4 Tiny-sync时钟同步算法 |
| 3.5.5 改进的Tiny-Sync时钟同步算法 |
| 3.5.6 仿真分析 |
| 3.6 本章小结 |
| 4 随机有限集序贯贝叶斯算法研究 |
| 4.1 引言 |
| 4.2 贝叶斯框架下的状态预测与更新 |
| 4.2.1 预测方程与更新方程 |
| 4.2.2 向量空间序贯估计算法 |
| 4.3 随机有限集状态—空间模型下的贝叶斯滤波方法 |
| 4.3.1 用于单目标联合检测与跟踪的伯努利滤波算法 |
| 4.3.2 用于多目标跟踪的多伯努利滤波算法 |
| 4.3.3 随机有限集滤波算法的序贯蒙特卡洛近似实现 |
| 4.3.4 随机有限集滤波算法的性能指标 |
| 4.4 仿真分析 |
| 4.4.1 单目标伯努利滤波仿真 |
| 4.4.2 多目标多伯努利滤波仿真 |
| 4.5 本章小结 |
| 5 基于分布式声压能量测量的目标检测跟踪 |
| 5.1 引言 |
| 5.2 分布式节点声压能量测量模型 |
| 5.3 分布式声压能量测量模型下的RFS状态更新与伯努利滤波 |
| 5.4 仿真与实验分析 |
| 5.4.1 仿真分析 |
| 5.4.2 实验数据分析 |
| 5.5 本章小结 |
| 6 基于分布式阵列信号处理的水下目标检测跟踪 |
| 6.1 引言 |
| 6.2 基于波束形成的水下目标联合检测与跟踪 |
| 6.2.1 阵列波束形成与DOA估计 |
| 6.2.2 基于阵列波束形成的测量集合构造与伯努利滤波 |
| 6.2.3 仿真分析 |
| 6.2.4 实验数据分析 |
| 6.3 基于匹配场处理的水下目标联合检测与跟踪 |
| 6.3.1 多阵列匹配场目标定位算法 |
| 6.3.2 基于匹配场定位的伯努利目标联合检测与跟踪算法 |
| 6.3.3 仿真分析 |
| 6.3.4 实验数据分析 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历及在学期间科研成果 |
（4）分布式地波雷达探测性能分析及融合算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的与意义 |
| 1.2 研究现状与文献综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 文献综述与简析 |
| 1.3 论文主要的研究内容 |
| 1.4 论文结构安排 |
| 第2章 舰载分布式地波雷达基本原理 |
| 2.1 前言 |
| 2.2 分布式舰载雷达工作模型 |
| 2.2.1 组合分布式雷达系统 |
| 2.2.2 移动多基分布式雷达系统 |
| 2.3 分布式坐标系分析 |
| 2.4 海浪杂波展宽机理 |
| 2.5 本章小结 |
| 第3章 组合分布式雷达系统性能分析 |
| 3.1 引言 |
| 3.2 方位分辨性能分析 |
| 3.2.1 数字波束形成 |
| 3.2.2 方位性能仿真分析 |
| 3.3 距离探测范围分析 |
| 3.3.1 多发模式下的功率合成 |
| 3.3.2 探测范围分析 |
| 3.4 速度分辨性能分析 |
| 3.5 本章小结 |
| 第4章 移动多基分布式系统目标探测 |
| 4.1 引言 |
| 4.2 分布式系统回波信号仿真 |
| 4.2.1 线性调频信号形式及探测原理 |
| 4.2.2 伪随机码与m序列 |
| 4.2.3 分布式舰载雷达系统的回波信号 |
| 4.3 分布式系统回波信号处理 |
| 4.4 目标定位与速度解析 |
| 4.4.1 空间目标定位 |
| 4.4.2 目标速度解析 |
| 4.5 目标定位与速度解析 |
| 4.5.1 理想情况下目标定位与速度解析 |
| 4.5.2 双子舰目标定位和速度解析 |
| 4.6 本章小结 |
| 第5章 目标航迹关联与融合 |
| 5.1 引言 |
| 5.2 目标航迹关联 |
| 5.2.1 目标跟踪 |
| 5.2.2 航迹关联 |
| 5.3 目标航迹融合 |
| 5.4 仿真性能分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（5）基于元数据的雷达目标检测和跟踪研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 课题支持 |
| 1.3 国内外研究现状 |
| 1.3.1 元数据技术 |
| 1.3.2 雷达目标检测技术 |
| 1.3.3 雷达目标跟踪技术 |
| 1.3.4 ASRS信息服务重组 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 研究目的与意义 |
| 1.6 论文结构安排 |
| 第2章 元数据与防空雷达预警监视系统融合模型 |
| 2.1 基本概念 |
| 2.2 防空雷达预警监视系统中的元数据 |
| 2.3 元数据与防空雷达预警监视系统的融合模型 |
| 2.3.1 元数据与防空雷达预警监视系统的融合框架 |
| 2.3.2 元数据与算法的融合方法 |
| 2.4 小结 |
| 第3章 基于元数据的雷达目标检测算法 |
| 3.1 引言 |
| 3.2 雷达目标检测原理 |
| 3.3 基于元数据的雷达目标检测算法 |
| 3.3.1 检测元数据 |
| 3.3.2 基于元数据的雷达目标检测算法 |
| 3.4 相关实验 |
| 3.5 小结 |
| 第4章 基于元数据的雷达目标跟踪算法 |
| 4.1 引言 |
| 4.2 雷达目标跟踪原理 |
| 4.3 基于元数据的雷达目标跟踪算法 |
| 4.3.1 目标航迹元数据 |
| 4.3.2 基于元数据的雷达目标跟踪算法 |
| 4.4 相关实验 |
| 4.5 小结 |
| 第5章 基于元数据的原型系统 |
| 5.1 原型系统的设计 |
| 5.2 原型系统中的服务元数据 |
| 5.3 基于服务元数据的服务组合 |
| 5.4 原型系统的相关实验 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 博士期间发表论文 |
（6）马尔可夫状态—空间模型下的声源定位与跟踪（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 图目录 |
| 表目录 |
| 术语表 |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.3.1 基于DOA与TDOI声源跟踪 |
| 1.3.2 被动时反技术估计信号到达时间间隔 |
| 1.3.3 MSE准则下观测平台运动路径搜索 |
| 1.3.4 时延-多普勒滤波提取时延信息 |
| 1.4 论文组织结构 |
| 2 声源定位与跟踪技术 |
| 2.1 波束形成 |
| 2.2 纯方位目标运动分析 |
| 2.3 基于时间定位技术 |
| 2.4 声源跟踪技术 |
| 2.4.1 扩展卡尔曼滤波 |
| 2.4.2 Unscented卡尔曼滤波 |
| 2.4.3 质点滤波 |
| 2.5 总结 |
| 3 波导环境下合作声源定位与跟踪 |
| 3.1 声源运动状态建模 |
| 3.2 信道建模 |
| 3.3 运动声源跟踪 |
| 3.3.1 测量方程建模 |
| 3.3.2 运动声源参数估计 |
| 3.4 跟踪算法实现 |
| 3.4.1 直线运动轨迹跟踪 |
| 3.4.2 平行于接收阵运动轨迹跟踪 |
| 3.4.3 Z字形机动轨迹跟踪 |
| 3.4.4 圆弧轨迹跟踪 |
| 3.5 总结 |
| 4 条件均方误差准则下的观测平台路径搜索 |
| 4.1 后验Cramer-Rao下限 |
| 4.2 条件后验Cramer-Rao下限 |
| 4.3 后验CRB与条件后验CRB比较 |
| 4.4 观测平台路径搜索 |
| 4.4.1 TMA状态-空间建模 |
| 4.4.2 路径搜索 |
| 4.5 总结 |
| 5 浅海起伏条件下时延-多普勒跟踪 |
| 5.1 波形设计 |
| 5.2 时延与多普勒滤波 |
| 5.3 跟踪算法实现 |
| 5.4 总结 |
| 6 试验系统设计与试验数据分析 |
| 6.1 试验系统设计 |
| 6.2 厦门海实验数据分析 |
| 6.2.1 试验环境介绍 |
| 6.2.2 跟踪算法验证 |
| 6.3 总结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间主要学术成果 |
（7）带径向速度观测的跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 带径向速度观测的目标跟踪研究的目的和意义 |
| 1.2 带径向速度观测的目标跟踪研究的发展及研究现状 |
| 1.2.1 滤波于预测 |
| 1.2.2 机动目标模型 |
| 1.3 带径向速度观测的目标跟踪研究的基本原理 |
| 1.4 本文的主要内容和安排 |
| 第2章 机动目标跟踪中的自适应滤波算法 |
| 2.1 线性动态系统的滤波理论与算法 |
| 2.1.1 卡尔曼滤波算法原理 |
| 2.1.2 卡尔曼滤波算法步骤 |
| 2.1.3 卡尔曼滤波算法的特点 |
| 2.2 非线性动态系统的滤波理论与算法 |
| 2.2.1 带径向观测的CMKF滤波算法原理 |
| 2.2.2 带径向观测的CMKF滤波算法步骤 |
| 2.3 Cmin机动检测算法 |
| 2.4 本章小节 |
| 第3章 机动目标跟踪模型及算法 |
| 3.1 机动目标的基本模型 |
| 3.1.1 匀速(CV)模型 |
| 3.1.2 匀加速(CA)模型 |
| 3.1.3 匀速率(CT)模型 |
| 3.2 交互式多模型(IMM)算法 |
| 3.2.1 IMM算法原理 |
| 3.2.2 IMM算法步骤 |
| 3.2.3 IMM算法特点总结 |
| 3.3 本章小结 |
| 第4章 仿真实验结果与分析 |
| 4.1 仿真实验分析 |
| 4.1.1 初值估计 |
| 4.1.2 性能指标 |
| 4.2 带径向速度观测CMKF滤波算法仿真实验 |
| 4.2.1 VRKF和EKF、CMKF仿真实验比较 |
| 4.2.2 VRKF_IMM和CMKF_IMM仿真实验比较 |
| 4.2.3 VRKF_IMM和CMKF_IMM实际数据仿真比较 |
| 4.3 Cmin机动检测算法 |
| 4.4 本章小结 |
| 第5章 高频雷达综合信息显示软件开发 |
| 5.1 信息综合显示要求 |
| 5.1.1 总技术要求 |
| 5.1.2 对总技术要求的具体分析 |
| 5.2 运行环境 |
| 5.2.1 Microsoft Visual C++ 2005 工具 |
| 5.2.2 MFC |
| 5.3 软件方案设计 |
| 5.3.1 人机交互界面的设计 |
| 5.3.2 目标航迹显示 |
| 5.3.3 参量列表显示 |
| 5.3.4 三要素图显示 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（8）利用空频域信息的单站无源定位与跟踪关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 绪论 |
| 1.1 概述 |
| 1.1.1 基于外辐射源的无源定位与跟踪 |
| 1.1.2 基于目标辐射源的无源定位与跟踪 |
| 1.2 单站无源定位与跟踪技术发展状况 |
| 1.2.1 国外研究发展状况 |
| 1.2.2 国内研究发展状况 |
| 1.3 单站无源定位与跟踪方法及其关键技术 |
| 1.3.1 辐射源观测量选择问题 |
| 1.3.2 定位方法问题 |
| 1.3.3 参数测量问题 |
| 1.3.4 观测模型问题 |
| 1.3.5 跟踪算法问题 |
| 1.4 论文的主要内容和创新工作 |
| 1.4.1 论文的主要内容 |
| 1.4.2 论文的创新工作 |
| 第二章 利用空频域信息的单站无源定位及测距误差分析 |
| 2.1 单站无源定位系统中常用坐标系 |
| 2.1.1 地理坐标系和载机地理坐标系 |
| 2.1.2 载机坐标系 |
| 2.1.3 天线坐标系 |
| 2.2 利用空频域信息的单站无源定位原理 |
| 2.2.1 质点运动学分析的数学基础 |
| 2.2.2 利用空频域信息的单站无源定位模型 |
| 2.2.3 利用空频域信息的即时定位原理 |
| 2.3 即时定位的测距误差分析 |
| 2.3.1 角度、多普勒频率变化率定位方法测距误差分析 |
| 2.3.2 角度、角速度、多普勒频率变化率定位方法测距误差分析 |
| 2.4 小结 |
| 第三章 稳定的单站无源目标跟踪算法研究 |
| 3.1 非线性Bayes跟踪滤波算法 |
| 3.1.1 最优Bayes滤波 |
| 3.1.2 EKF及其衍生算法 |
| 3.1.3 UT变换及UKF滤波算法 |
| 3.2 基于空频域信息的简化UKF算法 |
| 3.2.1 基于空频域信息的单站无源目标跟踪模型 |
| 3.2.2 简化UKF算法 |
| 3.3 基于极坐标的稳定UKF单站无源目标跟踪算法 |
| 3.3.1 基于空频域信息的单站无源目标跟踪系统特点 |
| 3.3.2 极坐标系中单站无源目标跟踪模型 |
| 3.3.3 PCUKF目标跟踪算法 |
| 3.4 数值仿真实验和分析 |
| 3.4.1 不同观测精度下的滤波性能 |
| 3.4.2 单个观测量对滤波性能的影响 |
| 3.5 小结 |
| 第四章 雷达信号多普勒频率变化率测量技术研究 |
| 4.1 雷达信号模型分析 |
| 4.1.1 雷达信号及多普勒频率变化率的特点 |
| 4.1.2 对接收信号的建模 |
| 4.2 基于频率信息的多普勒频率变化率测量原理和方法 |
| 4.2.1 基于频率信息的多普勒频率变化率测量原理 |
| 4.2.2 相参脉冲群频率估计的统计性能分析 |
| 4.2.3 相参脉冲群频率估计的现有方法 |
| 4.3 基于相关积累的脉冲群间多普勒频率变化率估计算法 |
| 4.3.1 相参脉冲群的相对模糊频率估计 |
| 4.3.2 脉冲群间多普勒频率变化率估计算法 |
| 4.3.3 数值仿真 |
| 4.4 基于相位信息的多普勒频率变化率测量原理和方法 |
| 4.4.1 相位参数估计的CRLB |
| 4.4.2 基于相位信息的多普勒频率变化率测量原理和方法 |
| 4.5 基于连续小波变换的多普勒频率变化率高精度估计算法 |
| 4.5.1 连续小波变换及Morlet小波 |
| 4.5.2 DFRECWT算法推导 |
| 4.5.3 小波变换的模极大值点估计 |
| 4.5.4 DFRECWT算法仿真和性能分析 |
| 4.5.5 修正DFRECWT算法 |
| 4.6 小结 |
| 第五章 复杂雷达信号多普勒频率变化率的估计算法 |
| 5.1 LFM和PSK相参脉冲信号模型 |
| 5.2 基于渐近小波变换的LFM信号多普勒频率变化率估计算法 |
| 5.2.1 渐近性信号的小波展开 |
| 5.2.2 小波脊线和小波曲线 |
| 5.2.3 DFREAWT算法推导 |
| 5.2.4 小波脊线和初始角频率的估计 |
| 5.2.5 DFREAWT算法仿真和性能分析 |
| 5.3 PSK相参脉冲信号多普勒频率变化率估计算法 |
| 5.3.1 DFRESFD算法推导 |
| 5.3.2 DFRESFD算法仿真和性能分析 |
| 5.4 脉冲间瞬时自相关的多普勒频率变化率估计算法 |
| 5.4.1 DFREIAC算法推导 |
| 5.4.2 DFREIAC算法仿真和性能分析 |
| 5.5 小结 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）一种LFM信号波形下的序贯EKF算法（论文提纲范文）
| 1 问题描述 |
| 1.1 LFM信号波形下的距离和径向速度测量 |
| 1.2 测量方程 |
| 2 EKF及其序贯实现 |
| 3 仿真结果及结论 |
四、一种LFM信号波形下的序贯EKF算法（论文参考文献）
- [1]分布式MIMO雷达目标检测与跟踪及实验研究[D]. 余万玉. 电子科技大学, 2020(07)
- [2]认知雷达跟踪理论及关键技术研究[D]. 王树亮. 国防科技大学, 2019(01)
- [3]分布式水声网络状态一空间建模与目标检测跟踪[D]. 陈中悦. 浙江大学, 2019(01)
- [4]分布式地波雷达探测性能分析及融合算法研究[D]. 高秀政. 哈尔滨工业大学, 2015(02)
- [5]基于元数据的雷达目标检测和跟踪研究[D]. 金加根. 武汉理工大学, 2015(01)
- [6]马尔可夫状态—空间模型下的声源定位与跟踪[D]. 杨志国. 浙江大学, 2013(06)
- [7]带径向速度观测的跟踪算法研究[D]. 范佳媛. 哈尔滨工业大学, 2008(07)
- [8]利用空频域信息的单站无源定位与跟踪关键技术研究[D]. 郁春来. 国防科学技术大学, 2008(07)
- [9]一种LFM信号波形下的序贯EKF算法[J]. 王建国,何佩琨,龙腾. 北京理工大学学报, 2002(06)