机动目标多传感器组网空间配准方法

针对存在传感器偏差的多传感器组网系统跟踪机动目标的问题,把目标状态与传感器偏差进行解耦估计,提出了一种基于交互多模型的两阶段扩展Kalman滤波(IMM-TSEKF)算法。由于传感器观测方程的非线性,文中采用了两阶段扩展Kalman滤波器(TSEKF),针对机动目标,把IMM算法与TSEKF算法相结合用于目标跟踪与空间配准。此外还对算法的时间复杂度进行了分析,并以螺旋机动战术弹道导弹为目标进行组网空间配准与目标跟踪。仿真结果表明,相比于常规的基于交互多模型的增广Kalman滤波(IMM-ASEKF)算法,该文算法在估计性能相当的情况下,减小了计算的复杂度,提高了计算效率,更易于工程实现。     

带末端角度约束的空地反辐射导弹被动制导律

针对被动跟踪问题,结合UKF和PF滤波各自优点,采用了UPF滤波器对弹目相对运动信息进行了精确估计。针对滤波器估计过程中,对系统状态可观测性的要求,在分析了系统可观测条件的基础上,结合空地反辐射导弹特点,设计了一种带末端角度约束,且能够增强系统状态可观测性的被动制导律。仿真结果表明,UPF滤波器结合所设计的被动制导律能有效准确地估计弹目相对运动信息,实现了精确制导,同时能有效地约束末端攻击角度,保证了空地反辐射导弹的杀伤效果。     

基于模型混合的多分辨率多模型跟踪算法

在原有的多分辨率多模型算法的基础上引入了滤波器混合的方法,提出了一种新的机动目标跟踪算法.原多分辨率算法在多分辨率框架下应用硬切换多模型算法,改善了多模型算法在非机动段的跟踪性能,但是保留了硬切换算法的固有缺点.交互式多模型算法由于采用模型混合,避免了硬切换算法存在的问题,但是非机动段的跟踪性能不如多分辨率多模型算法.所提出的新算法综合了两者的优点,不仅解决了多分辨率多模型算法中存在的问题,而且其综合滤波性能优于交互式多模型算法.      

实时棒材图像识别与跟踪方法研究

多目标识别跟踪的关键问题是特征提取和目标匹配.为了提取生产线上堆积棒材的特征,提出粘连目标分割和多目标识别的方法.采用中值滤波和形态学滤波去除噪声,自适应阈值化和分水岭变换分割粘连目标;然后采用区域统计、参数识别、噪声区域去除以及聚类分析等手段进行目标特征识别,提取出棒材的质心点坐标作为特征;对棒材图像序列提出采用模板匹配、相近位移匹配和Kalman滤波的方法建立跟踪链,通过插入、删除、更新链节点进行目标跟踪;对于图像处理中可能出现的漏检目标和虚增目标,进行了计数结果校正.在现场采集了100帧连续图像后,采用此方法跟踪计数的精度为96.2%.      

多排切向通道敞口型离心喷嘴的动态特性研究

从理论上对具有多排切向通道的敞口型离心喷嘴的动态特性进行了分析,推导出具有多排切向通道的敞口型离心喷嘴动态特性的计算公式。选取了具有两排、三排切向通道的敞口型离心喷嘴和普通敞口型喷嘴为算例,分别计算了若干种不同切向通道间距离的敞口型离心喷嘴和普通敞口型离心喷嘴的动态特性,算例计算结果表明,调整切向通道之间的轴向距离,可以使喷嘴滤除一定频率的扰动波。     

一种联邦卡尔曼滤波渐变型故障容错方法

具有良好的容错性是组合导航系统的基本要求。组合导航系统易于完成突变型故障的检测与容错,对渐变型故障的检测与容错则较为困难。文中以联邦卡尔曼滤波为组合导航系统状态估计方法,针对渐变型故障,提出了观测品质的概念及其模糊评估方法,应用观测品质进行了导航系统的渐变型故障检测,利用观测品质构成局部滤波器估计均方误差阵的修正矩阵,设计了组合导航系统智能自适应渐变型故障容错方法并完成了仿真运算。     

一次相消技术在雷达成像中的应用

一次相消技术是一种经典的固定点目标对消方法。本文讨论了在ISAR成像处理过程中利用一次相消技术来剔除地杂波,分析了在成像处理中的杂波相消方法,并在最后的计算机仿真中,验证了该方法的有效性,分别比较了两种成像方式、两种地杂波分布的成像结果。     

一种限定虚警概率的PN码捕获自适应门限估计算法

提出了一种限定虚警概率的PN码捕获的自适应门限估计算法,首先在对判决变量的统计特性分析的基础上,计算出了判决门限的有偏估计量;然后分析了估计偏差对捕获系统检测概率和虚警概率的影响;最后,计算机仿真表明,在限定虚警概率的前提下,捕获系统在高斯白噪声信道和瑞利衰落信道下具有较高的检测概率,自适应门限的估计方法易于实现,且适合工程应用。     

基于圆周卷积重叠保留法的匹配滤波仿真实现

针对传统线性调频信号匹配滤波的特点和仿真速度慢、效果不明显的问题,文中首先介绍了匹配滤波的概念以及传统线性调频信号匹配滤波的特点;然后结合圆周卷积重叠保留法对线性信号进行仿真,通过加权压缩得到了仿真结果。仿真结果表明,通过该算法可以得到需要的信号图像。     

基于非线性模型预测滤波的微纳卫星定位方法

针对采用星载GPS(Global Position System)定位的LEO(Low Earth Orbiter)微纳卫星获得的位置速度数据不连续,而使用轨道动力学获得的连续的位置速度信息误差快速发散的问题,提出了一种基于非线性MPF(Model Predict Filter)的LEO微纳卫星定位方法,它采用非线性MPF预测的模型误差作为一步状态估计,同时使用GPS信息作为观测量,并与改进的扩展卡尔曼滤波组合,既可获得连续的卫星位置速度信息,又可获得相当于GPS单点定位的精度.仿真结果表明,此种方法可以有效地获得连续的微纳卫星位置速度信息,并且精度优于EKF(Extended Kalman Filter).