颜丙峰,李星秀,吴盘龙

(南京理工大学自动化学院,江苏 南京 210094)

随着反电子侦察、隐身攻击等技术的不断发展,传统的雷达、激光等有源定位机制面临易受电子干扰、容易暴露自身位置招致敌方攻击等问题,存在极大的安全隐患[1]。相比于有源定位技术,无源探测定位技术具有隐蔽性强、抗干扰能力强、成本低等优点,而双站系统是无源定位中最常用的形式[2]。在实际战争场景中,飞行器的机动性能越来越高,来袭目标常采用机动运动方式躲避观测器跟踪和火炮拦截,而观测站能够获得的目标特征数据却非常有限,目标的角度信息几乎成了唯一可靠的参数,因此,利用目标角度信息估计机动目标的运动状态,具有十分重要的军事意义。

无迹卡尔曼滤波算法(UKF)用一系列的确定样本逼近状态的后验概率密度,不需要对非线性函数进行近似,不会忽略高阶项,因此，对于非线性分布的统计量有较高的计算精度。然而,UKF算法需要对协方差矩阵进行Cholesky分解,在多次迭代计算过程中积累的舍入误差往往会导致协方差矩阵失去正定和对称性,造成滤波算法不稳定甚至发生异常。平方根UKF(SRUKF)算法利用协方差平方根代替协方差进行递推运算,确保了协方差矩阵的非负定性,同时避免了非线性系统的线性化,计算量较少,实时性强,具有更快的运算速度[3]。文献[3]和文献[4]分别将SRUKF运用于水下目标和地面越野目标的跟踪,验证了其良好的跟踪效果。此外,当滤波算法采用的运动模型与目标实际运动状态不符合时,将会产生很大的跟踪误差。……