捷联惯导系统的圆锥误差补偿算法研究

非互易向量的确定与补偿是影响高动态、恶劣振动环境下捷联惯性导航系统姿态矩阵计算的重要问题。为了补偿由此引起的圆锥误差，本文对一些传统算法进行了分析和研究。由于以往各种算法一般都需要输入信息为角度信息，但对于高动态、恶劣振动环境，角速度信息更有工程意义，所以针对输入信息为角速度的情形，提出了一类新的姿态算法，通过对比传统的算法，新算法在同样计算量、存储量的情况下有较优的性能，算法的精度较传统的算法高。另外，对新的姿态算法进行了误差分析．为其参数选择提供了选择标准，有工程实用价值。     

雷达的目标识别技术

对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾。研究了相控阵雷达系统中多目标跟踪识别的重复检测问题。提出了角度相关区算法，分析了实现中的若干问题。通过在相控阵雷达地址系统中进汀的地址实验和结果分析表明，采用角度相关区算法对重复检测的回波数据进行处理时，将使识别的目标信息更精确，从而能更早地形成稳定的航迹，达到对目标的准确识别。     

基于多特征综合的角点检测算法

角点检测是计算机视觉处理的首要步骤，本提出一种平面曲线角点检测的方法。首先，从人类视觉感知出发．给出角点两个重要性质作为对传统角点性质的补充，基于上述两个性质，模糊集合的概念被引入到检测问题。然后，给出三组包含角点隶属度的特征提取公式，综合三组特征，给出角点检测、定位、优选的判据。中最后给出算例检测结果和感兴趣部分的特征曲线，以及对历史献测试图像的检测结果。结果表明，本算法使用模糊集合理论，在实现上非常简单，检测效果也很理想。     

中值滤波的快速算法

提出了一种中滤波的快速算法，充分地利用相邻两次中值滤波窗口内数据的相关性。在运算过程中，通过对有序序列快速的对半查代和内插操作重构有序序列，从而得到各中值。本算法很大地提高了运算效率，计算机模拟表明该方法是有效的。     

基于动态扰动策略的人工搜索群算法

为了提高人工搜索群算法(ASSA)的整体性能,提出一种基于动态扰动策略的人工搜索群算法。为了增加算法的种群多样性,在算法初期,通过Tent映射的混沌策略产生初始种群。结合反向学习策略,算法在进化过程中对种群进行反向学习扰动,从而增加算法跳出局部最优解的可能性。算法采用动态步长的方式,在初期时能够扩大最优解的搜索范围,在后期时能够加速种群收敛到最优解。基于标准测试函数的实验研究结果表明,提出的改进算法与标准人工搜索群算法,及其改进算法进行对比,在收敛速度和收敛精度上都有明显提高,整体上提升了该算法的性能。     

基于平滑BINN算法的移动机器人路径规划

针对BINN算法所得路径存在无必要连续转折的问题,提出了基于平滑BINN算法的移动机器人路径规划。使用迭代法从目标点开始向周围计算神经元活性值,将BINN算法环境建模微分方程离散化。基于环境的活性值分布,采用梯度上升算法生成路径,识别路径中具有一定特征的连续转折部分并做平滑。当直接平滑所得路径上存在障碍物时,将可平滑的部分分割为两段,分别做平滑,以避开障碍物。仿真结果表明,平滑BINN算法生成的路径转折较少,更有利于移动机器人的控制。     

基于RCS观测序列的空间目标识别算法

针对低分辨率雷达体制下的空间目标识别问题,提出了基于RCS观测序列的空间目标识别算法.该算法首先对空间目标的低分辨雷达RCS观测序列进行离散小波变换,然后在时间-尺度平面上提取十个有效的统计特征,最后基于模糊分类来识别空间目标.应用四类空间目标的实测数据进行了仿真实验,取得了比较好的识别效果.     

最佳STAP的FFT共轭梯度法

提出了一种解决最佳空时自适应处理问题的快速共轭梯度迭代算法。可以用FFT实现该方法，办法是利用具有干扰协方差矩阵托普利兹块（BTTB）结构的块托普利兹矩阵。因此与对矩阵求逆的方法相比显著降低了计算的复杂性。为了说明上述方法的有效性，本文给出了计算机仿真结果。     

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。