一种接近最优JPDA算法

多目标跟踪的关键问题是点迹－航迹数据关联。点迹是从能够提供位置信息的目标或背景杂波中接收到的信号。如果一条航迹关联上不正确的点迹，那么该航迹会偏离目标且过早终止。甚至会引起其它航迹也偏离目标，大多数点迹－航迹数据关联方法分为两类：多假设跟踪（ＭＨＴ）和联合概率数据关联（ＪＰＤＡ）。ＭＨＴ方法用所有或部分适宜的点迹修正航迹，并延迟判断那一个点迹是正确的。ＪＰＤＡ用合理点迹的加权和修正航迹，这些权值是     

机载传感器主动航迹与被动航迹的关联

本文叙述了对异类机械传感器产生的航迹的关联算法，分析计算了根据正确和错误关联概率确定的算法的性能，为了得到这个结论，对航迹估值的Ｃｒａｍｅｒ－Ｒａｏ下限进行了计算，给出了两个目标沿着两个平行轨迹飞行的数字样例。     

基于熵权的灰色关联概率数据关联算法

在多目标信息融合中,通过数据关联判断来自不同传感器的数据是否代表同一个目标,传统数据关联一般采用联合概率数据关联算法,单纯依靠状态量测且计算复杂。而基于灰色关联的概率数据关联算法,能够利用目标的多个特征信息进行数据关联,且计算简单准确。特征信息一般由专家主观判断给出。提出了基于熵权的灰色关联概率数据关联算法,由量测数据自适应的给出各特征的权重系数,不依赖于专家。仿真表明,该关联算法具有很好的工程实用性。     

基于辐射源参数信息的无源数据关联问题研究

针对传统无源数据关联算法存在算法复杂、计算量大等缺点,提出了一个能够反映辐射源特征参数信息与目标运动状态参数信息相结合的无源关联算法流程。该算法首先定义基于目标运动状态参数和辐射源特征参数的多维可变跟踪门,然后运用模糊多门限思想,将测量与目标的关联概率来替代概率关联算法中可行联合事件概率的计算。仿真结果表明该算法计算量小,跟踪准确度高,尤其适用于复杂环境下近距离、交叉运动目标等典型情况。     

用于多目标跟踪的交互多模式概率数据关联算法

本文提出了一种新近开发的采用多模式数据关联的多目标跟踪算法。多模式数据关联是建立在利用从测量序列中提取多模式多目标跟踪这一新方法上的。Markov接控制多模式间的转换，这就能对多个模式进行交互作用。模式的引进开发了高性能算法的新范式，从而提出了一种高效的跟踪算法－交互多模式概率数据关联（IMP－JPDA）算法。IMP－JPDA算法可以看作一种广义的联合概率数据关联（JPDA）算法；当仅采用一次扫描的测量时，IMP－JPDA将简化为JPDA。     

一种适于工程应用的近似MSJPDA算法

为提高复杂数据融合系统中的航迹关联正确率，在ZHOU B的DC和AC算法基础上提出一种新的近似多传感器多目标联合概率数据关联算法，它以一个目标为中心的近似聚为构造关联事件的起点，并在计算中将DC和AC结合得到的一种全部的点迹－航迹关联算法，在杂波下目标密集，航迹复杂的数据融合系统中进行实验，对关联正确率，并联时耗等与最近邻法进行了比较，效果较好，它能为有效提高目标点迹－航迹的关联正确率，在计算时耗上较完全联合概率法少得多，能满足工程中实时性的要求。     

杂波环境下跟踪多目标的自适应联合概率数据关联算法

提出了一种联合概率数据关联滤波器，它利用自适应更新时间来跟踪杂波环境中的目标，并与利用恒定更新时间的联合概率数据关联滤波器做了比较。利用蒙特卡罗模拟，根据不同的目标轨迹对算法的跟踪性能进行了估计。     

采用非同时数据的平均电平自适应检测器

本文给出了一种平均电平自适应检测器（ＭＬＡＤ）的收敛结果。ＭＬＡＤ包括一个带有平均电平检测器（ＭＬＤ）的自适应匹配滤波器（用于空间相关输入）。由一组数据估算出的自适应匹配滤波器的最佳权数适用于一组统计独立的非同时数据。ＭＬＤ的门限由结果数据确定。此后，把一个候选单元与该门限相比较，得出了作为一些参数的函数的虚警概率和检测概率，这些参数是门限系数、匹配滤波器的阶数、用于计算自适应匹配滤波器权数的每个     

多目标角跟踪的新算法

在以前的一篇文章里，作者是根据探测传感器阵列输出的信号的到达方向（ＤＯＡ）来考虑多目标跟踪问题。并推导出一种用于数据关联的算法。本文作者用了一种新方法考虑ＤＯＡ估算问题，该方法似乎能得到令人满意的估值。前方导出的数据关联算法已被用于计算不同目标轨迹的新估值。     

基于概率数据关联的地形辅助导航算法

地形辅助导航是解决惯性导航系统定位误差随时间不断增大的缺点重要方法之一，论文在分析概率数据关联滤波器的基础上，提出了一种基于概率数据关联滤波的新的地形辅助导航算法。算法把满足一定条件的相关值作为滤波器的有效量测，把飞行器的位置作为状态，建立了基于概率数据关联的地形辅助导航模型，利用概率数据关联滤波算法计算飞行器的位置坐标。仿真结果表明该算法的正确匹配率、均方根误差和圆概率误差均优干TERCOM算法。     

一种基于IS-MCMC的多目标跟踪算法

针对密集杂波环境下的多目标跟踪问题,提出了一种基于定向概率数据关联重要度采样的改进马尔可夫链蒙特卡洛(MCMC)算法(IS-MCMC)。首先,基于马尔可夫链蒙特卡洛方法求解具有最大后验概率的量测分配集,并根据量测与目标的定向关联概率进行重要度采样以提高收敛速度。其次,依据量测分配结果更新目标轨迹的感知概率和状态参数,并基于感知概率实现对轨迹起始、维持和终止的判断。为实现对目标的连续跟踪,采用滑窗方法,根据当前帧数据与上一窗口数据的处理结果构建初始量测分配集,利用IS-MCMC对当前加窗数据进行处理。不同杂波密度、目标密度和检测概率下的仿真实验表明,IS-MCMC相比MCMC在计算效率、轨迹跟踪性能和环境适应能力上更具优势。     

基于Murty方法的多目标跟踪快速算法

JPDA是一种有效的多目标跟踪算法，但算法的复杂度随着目标和观测值的增加而显著增长。为了减少JPDA算法所需要的存贮空间和计算时间，通过Murty方法，得到K个最优的目标与观测值对应关系，再利用这K个最优对应关系实现JPDA算法。仿真结果表明，新算法跟踪成功率与JPDA相近，所需的时间远低于JPDA算法。     

基于JPDA-MPC的单站纯方位多目标跟踪

静止单站对多目标进行纯方位跟踪时,若在直角坐标系下建立跟踪模型并使用最近邻标准滤波器(NNSF)进行关联和滤波,结果通常不稳定且容易发散。针对此问题,提出将修正的极坐标系(MPC)下的扩展Kalman滤波算法及联合概率数据互联关联(JPDA)算法相结合。与NNSF-MPC算法的仿真对比试验表明,JPDA-MPC算法可以提高跟踪过程的稳定性,且具有更小的跟踪误差。     

再分析现有遥控指令错误概率计算公式的缺陷

对现有的遥控指令错误概率的计算公式作进一步的分析。分析指出 ,现有的计算公式中的误指令概率计算公式难于成为好的工程近似计算公式 ,同时它还存在一种概念性缺陷。所以应该重新构建指令错误概率的计算方法。最后 ,给出此前推导出的一组能消除上述问题的计算公式     

基于贝叶斯优化的无人机路径规划算法

提出了一种基于贝叶斯优化算法的无人机路径规划方法。把无人机路径编码为离散时间上的速度和航向变化序列，每一步的速度和航向变化量都限制在无人机相应最大变化量之内，所以这种编码方法对应的物理轨迹是无人机可飞的。利用每代种群中的优良解集构造贝叶斯网络，用贝叶斯网络的结构体现染色体基因位之间的联系，用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化，这取代了传统遗传算法的交叉和变异过程。如果不满足终止条件，则用新一代种群的优良解集构造贝叶斯网络，直到满足终止条件。仿真结果验证了算法的有效性。     

AOS空间通信系统中自适应帧生成算法

针对泊松流模型已经不再适合日益复杂的研究空间通信系统中帧生成算法的问题，在自相似流量模型下，对AOS空间通信系统中的帧生成算法的性能进行研究。通过严格的理论分析，给出自适应帧生成算法在有限缓存下的缓存溢出概率以及复用效率计算公式。通过将自适应帧生成算法分解为高效率算法与等时算法的叠加，得到平均包时延的计算公式。理论分析与仿真结果校验了计算公式的正确性。得出在有限缓存下，不能依靠无限增大缓存容量达到降低溢出概率，适当选择门限值和控制帧提取时间，可以有效提高该算法性能的结论，为空间通信系统的实际应用提供理论支持。     

四维超混沌射频隐身跳频通信设计方法

为提高飞行器通信系统的抗截获性能，提出了一种基于四维超混沌系统的射频隐身跳频通信设计方法。该方法构建了四维超混沌系统，扩展了系统解空间，有效增加了系统复杂度，并通过引入周期性扰动措施，解决了有限精度带来的短周期现象。在四维超混沌系统的基础上，利用超混沌系统生成的双通道超混沌序列，实现了跳频通信系统的频率序列和周期序列联合不确定设计方法。仿真结果表明：四维超混沌系统与传统混沌系统相比，其复杂度最优，在相同有限精度条件下，超混沌系统的周期性明显减弱。另外，基于四维超混沌设计的跳频系统，其截获概率优于常规跳频系统，具有较好的射频隐身性能。     

无人机集群组网高精度测距技术研究

针对无人机组网系统机间测距精度受限于时域采样周期时延估计的问题，本文提出一种联合正交频分复用（OFDM）前导序列和导频序列进行高精度测距估计的方法，利用最大似然估计和双向测距法将参与计算的序列测距估计结果按比例进行加权平均。同时，仿真分析了联合测距估计方法性能。结果表明：联合估计方法的前导与导频序列差分自相关间隔长度取典型值时测距精度能达到0.1 m以下，可在较低信噪比下实现厘米级测距精度，提升了集群组网测距的稳定性。