论文部分内容阅读
导航定位是实现制导武器精确打击的前提和基础,因此需要对全球导航卫星系统(GNSS)实施干扰,即“导航对抗”,使对方精确制导武器失效,是未来战争中各军事强国采取的常用手段。为了防止敌方干扰我方GNSS定位信号,通常需要对导航干扰源实施打击摧毁,或直接避开导航干扰源,而这必须建立在准确定位和跟踪导航干扰源的基础上。因此,开展GNSS干扰源的定位与跟踪研究有重大意义。在战场复杂跟踪环境条件下,干扰信号的测向定位设备测得的数据常夹有大量干扰和噪声信息,如何从含有干扰和噪声的观测目标数据中提取精确的位置信息,并实现精确定位与跟踪,已成为本文研究的主要内容。为解决战场环境下的干扰源精确跟踪问题,本文在建立GNSS干扰源跟踪模型和机理的基础上,以容积卡尔曼滤波(CKF)目标跟踪算法为研究对象,分别对实现干扰源高精度跟踪、实现干扰源鲁棒跟踪与实现多干扰源跟踪的方法进行研究和分析。具体研究内容与取得的成果如下:(1)干扰源的高精度跟踪问题。提出了平方根CKF(SRCKF)干扰源跟踪算法和后向平滑CKF(BSCKF)干扰源跟踪算法。在SRCKF算法中,将平方根滤波方式引入CKF滤波框架,在预测和更新阶段,利用平方根的形式对状态进行预测和更新;在BSCKF算法中,将后向平滑引入CKF滤波框架,在CKF算法的基础上,利用后向平滑函数实现二次CKF滤波;同时,为提高复杂环境下干扰源跟踪的稳定性引入渐消因子修正机制。仿真结果表明,SRCKF算法可有效避免滤波发散,从而在一定程度下提高滤波精度和系统稳定性;BSCKF算法可有效减小因系统迭代造成的误差累积,从而进一步提高干扰源跟踪的滤波精度。同时,引入了渐消因子机制,可提高复杂目标运动场景下干扰源跟踪的精度,同时增加跟踪的稳定性。(2)干扰源的鲁棒跟踪问题。提出了基于M估计的鲁棒CKF(MR-CKF)干扰源跟踪算法和基于M估计的鲁棒后向平滑CKF(MR-BSCKF)干扰源跟踪算法。在MRCKF算法中,将约束总体最小二乘(CTLS)准则引入CKF滤波框架,首先利用Mahalanobis距离对有野值数据进行判断,然后利用P-Huber函数对有野值的数据进行处理;在MR-BSCKF算法中,将后向平滑思想和CTLS准则相结合,首先利用CTLS准则和P-Huber函数实现鲁棒跟踪,然后利用后向平滑函数实现二次鲁棒CKF滤波。仿真结果表明,MR-CKF算法可对有野值的数据进行判断处理,从而在一定程度上提高抗野值能力;MR-BSCKF算法在避免野值影响滤波精度的同时,降低了野值误判漏判的概率,减小因系统迭代造成的误差累积,从而进一步提高干扰源鲁棒跟踪的滤波精度。较好地实现了滤波精度与抗野值能力的统一。(3)多干扰源的跟踪问题。提出了基于容积准则的GM-PHD(CKF-GMPHD)干扰源跟踪算法和基于容积准则的量测辅助权值修正GM-PHD(CKF-MCGMPHD)干扰源跟踪算法。在CKF-GMPHD算法中,将CKF滤波思想引入GM-PHD滤波框架,利用CKF方法实现高斯项形式PHD函数的均值、协方差的预测和更新;在CKF-MCGMPHD算法中,将量测辅助权值修正机制引入GM-PHD滤波框架,首先引入量测辅助权值修正策略对高斯项的权值进行修正,然后引入修正项选择机制判断得到待修正的高斯项。仿真结果表明,CKF-GMPHD算法可以避免目标的非线性运动影响跟踪系统性能,从而进一步提高多干扰源的跟踪精度;CKF-MCGMPHD算法可以避免高斯项权值不稳定,减少因量测不匹配造成的似然计算误差,有效降低目标跟踪的计算复杂度。