无源定位跟踪算法：从MGEKF到OAUKF的改进

"纯测角无源定位跟踪算法研究 (2009年)，这篇论文主要探讨了纯测角无源定位跟踪技术及其在双传感器观测下的应用，提出了两种卡尔曼滤波算法：修正增益扩展卡尔曼滤波(MGEKF)和基于测角量无迹变换的卡尔曼滤波(OAUKF)。通过仿真分析，对比了两种算法在不同机动条件下的跟踪性能。" 这篇2009年的论文《纯测角无源定位跟踪算法研究》聚焦于无源定位跟踪技术，特别关注使用纯角度测量值来确定目标位置的问题。无源定位通常指的是不依赖于发射信号，而是通过接收目标反射或散射的信号来获取信息，这在军事和安全领域具有广泛应用。在纯测角无源定位中，目标的位置信息仅通过两个或多个传感器的相对角度来估计，这增加了定位的难度，因为缺乏距离信息。 论文首先阐述了纯测角无源定位跟踪技术的特点，指出其主要优势在于降低了对精确距离测量的依赖，但同时也面临非线性问题和滤波效果不佳的挑战。为解决这些问题，作者提出了两种不同的卡尔曼滤波算法。第一种是修正增益扩展卡尔曼滤波(MGEKF)，这是一种扩展卡尔曼滤波的变体，旨在改进对非线性系统的处理能力，通过调整滤波增益来提高定位精度。 然而，MGEKF在处理强非线性问题时可能会出现效果下降。因此，论文进一步引入了基于测角量无迹变换的卡尔曼滤波算法（OAUKF）。无迹变换（Unscented Transform）是一种处理非线性问题的有效方法，它能够更好地近似概率分布，从而在非线性系统中保持滤波器的性能。OAUKF利用无迹变换对角度测量进行处理，提高了滤波效果，尤其适用于目标机动性较强的情况。 通过实验仿真，论文对比了MGEKF和OAUKF在目标处于弱机动和强机动状态下的跟踪性能。仿真结果证实，OAUKF在处理目标机动变化时，不仅能够无偏地跟踪目标，而且跟踪效果更为出色，这表明OAUKF在应对非线性和动态环境变化方面具有更好的适应性。 该研究对于理解无源定位跟踪的挑战和解决策略，以及在实际应用中选择合适的滤波算法具有重要价值。OAUKF的提出为处理纯角度测量的无源定位问题提供了一种新的、有效的工具，对相关领域的理论研究和技术发展产生了积极影响。