无源定位与跟踪技术自身不辐射电磁波而且探测距离远,所以它在电子侦察中扮演着越来越重要的角色。单站定位与跟踪系统由于避免了复杂的时间同步和多个观测站之间的数据融合,因此受到人们很大的重视,并且成为了一个研究的重点。定位与跟踪需要进行目标运动分析,其中最基本的问题就是使用有噪声的观测数据来拟合目标的运动轨迹。在实际应用中,只要满足可观性原理就可以通过运动观测平台估计出目标的位置和速度。 本论文的主要内容是围绕单站定位跟踪的可观测性分析、模型建立、定位原理、滤波算法四大技术问题来展开讨论。特别是重点分析一些高速、高精度的定位滤波算法,这些滤波算法提高了定位跟踪的性能。 文章首先介绍了单站定位跟踪技术的概况。可观测性分析和建模仍然是定位跟踪最基本的问题,所以在第二章分析了几种不同的参数的可观测性,并就它们的可观测性建立定位跟踪模型。三、四两章介绍了一些重要的定位跟踪滤波算法。过去,非线性动态系统通常使用扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法来进行滤波,但是EKF算法在线性化过程中,产生大量的误差,导致滤波器很容易发散。针对这种现象,介绍了几种新出现的滤波算法,它们分别是UKF(Unscented Kalman Filter)算法、平方根形式的UKF(Squared Root-Unscented Kalman Filter,SR-UKF)算法。这些算法用典型的粒子点(sigma点)来近似非线性函数的概率分布,因此克服了EKF算法的线性化误差,具有更高的滤波精度和鲁棒性。但是UKF仍然是假设后验分布为高斯分布的,针对这种情况,第四章介绍了粒子滤波算法(Particle Filter,PF)。PF算法用大量的粒子来近似非线性函数的概率分布,对后验分布无条件限制,在无源定位跟踪中有较好的精度和稳定性。 由于传统的定位跟踪方法很难快速、高精度的确定辐射源位置,怎样充分利用目标的其它辐射信息是改善定位跟踪性能的关键。在第五章,介绍了引进角度变化率的定位跟踪方法,理论分析和仿真表明增加高精度的角度变化率信息后,定位跟踪精度更高,收敛更快。 最后,对文章的所作的工作做了总结和展望。