弹道跟踪数据野值剔除方法性能分析

弹道跟踪数据中的野值会影响导弹目标定位精度。对用于弹道跟踪数据的野值剔除方法进行了综述。结合事后和实时两大类处理模式,分析了各野值剔除方法在理论和工程应用上的优缺点,给出了实际应用时的限制因素,建立了野值判决准则和相应的野值剔除实现步骤。仿真结果表明:野值剔除方法可以有效提高弹道跟踪数据的精度。事后处理模式中,基于格拉布斯准则的野值剔除效果最佳;实时处理模式中,基于自适应门限的五点线性预报法野值剔除效果相对较好,且时间复杂度相对较低,适合实时处理。     

美将在澳大利亚部署太空雷达和空间监视望远镜

据报道,美国军方2012年11月14日表示将在澳大利亚部署先进太空雷达,帮助跟踪威胁卫星的太空垃圾,并筹备部署新型光学深空望远镜——空间监视望远镜(SST)。两国防部部长在高层会晤之后宣布,美国预备2014年将其目前部署在中美洲安提瓜岛上的C波段雷达迁至澳大利亚的哈罗德.伊霍尔特海军通信站。该C波段雷达一天可以跟踪最多200个目标,还可以     

单目标跟踪技术发展研究

随着机动目标定位与跟踪技术广泛应用于军事和民用领域，研究更为快速、准确的跟踪算法具有十分重要的意义。目标运动模型、跟踪算法和跟踪模型结构是机动目标跟踪技术的三项主要研究内容，文章介绍了这三项技术的研究进展及发展方向。目前，对各种经典模型的组合和改进是目标运动模型的主要研究方向，通过分析并比较工程中常用的卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波的优缺点，探究了它们的不同适用场合及进一步研究方向。详细分析了三代多模型跟踪算法的原理和适用场合，这对研究更为先进的单目标跟踪技术，进一步提高跟踪精度和整体性能，具有一定的参考价值。此外，文章还提出了机动目标跟踪算法的几个发展趋势：将变结构多模型算法与目标实际运动场景结合起来，广泛应用于工程实践中；探索无需依赖于基础模型集合的模型机自适应变化方法；考虑将智能控制理论与变结构多模型跟踪算法互相结合。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

利用区间广义卡尔曼滤波器跟踪来袭弹道式导弹

用雷达跟踪来袭弹道式导弹，由于其运动模型、测量噪声的不确定性，成为需要研究的重要问题。经典广义卡尔曼滤波器（ＥＫＦ）不再适用于这种不确定的问题，因此，引入一种新的区间广义卡尔曼滤波（ＥＩＫＦ）方法来跟踪导弹系统。计算机仿真结果表明本ＥＩＫＦ算法对于这种不确定的、非线性弹道式导弹的测量问题是有效的。     

现代飞机俯仰跟踪时诱发振荡预测分析

根据飞机纵向ＰＩＯ的特点，提出了预测分析ＰＩＯ所用的人－机闭环系统数学模型，其中飞机采用等效系统数学模型，驾驶员操纵采用ＭｃＲｕｅｒ模型，参数按地面人－机模拟飞行跟踪试验确定，集中介绍了四种飞机纵向ＰＩＯ预测准则，Ｓｍｉｔｈ－Ｇｅｄｄｅｓ准则，修正带宽准则，增益，相位裕度准则，Ｎｅａｌ－Ｓｍｉｔｈ原则，并提供了相应的计算方法。     

运载火箭姿态系统自适应神经网络容错控制

针对运载火箭姿态系统跟踪问题,考虑干扰、执行器故障和模型不确定因素的影响,设计了一种基于自适应神经网络的非线性容错控制律。该控制算法结合了连续的终端滑模控制,径向基神经网络和自适应控制方法。首先,基于滑模控制理论,设计了一种快速终端滑模面,保证系统跟踪误差能够在有限时间收敛至零。然后,在终端滑模面基础上,提出了一种基于自适应径向基神经网络估计的终端滑模控制律。利用自适应参数的神经网络逼近系统参数并提高抗干扰性能,采用平滑连续控制策略消除了终端滑模中的颤动现象。通过李雅普诺夫的分析方法证明了闭环系统的收敛性和全局稳定性。采用数值仿真,验证了提出的基于自适应径向基神经网络的终端滑模控制律具有较好的跟踪性能和精度。     

有色观测噪声下的目标跟踪问题

本文讨论了有色观测噪声下的目标跟踪问题，把观测色噪声的成形滤波器假设为ＡＲ模型，给出了估计ＡＲ模型参数的方法。本文又提出将ＡＲ模型参数估计和交互式多模型（ＩＭＭ）滤波相结合，可以很好地跟踪目标。     

基于Hough变换的多传感器,多目标航迹起始方法

在相关技术文献中，认为Ｈｏｕｇｈ变换是一种有效的航迹起始方法，然而，迄今为止，大多数论文主要研究Ｈｏｕｇｈ变换方法在单传感、单目标且无杂波背景这种简单的场合中的运用，我们详细地给出了一种将Ｈｏｕｇｈ变换应用到多目标、多传感器数据关联与航迹起始问题的方法，这种方法分两级进行，首先，分别在不同的Ｈｏｕｇｈ空间中检测方位与距离透迹，然后对确定这些透迹的测量进行关联，用于航迹检测与起始，这种方法的有效性已 过几个全面的，综合的仿真场景得到验证。     

用于联合跟踪和识别的高分辨率雷达模型

采用高分辨率雷达（ＨＲＲ）距离剖面图来识别飞机或地面目标是一件相当困难的工作，这在很大程度上是由于目标视线角变化很小而引起目标的距离剖面图的变化却极大。本文中，我们基于似然法提出了采用一系列的ＨＲＲ距离剖面图来完成关于一个目标的联合跟踪和识别问题。在已知目标方位的情况下，场景结构的似然函数是把在目标方位顺序上的动态先验值和距离剖面的似然值结合起来。识别系统根据目标类型参数和观测时目标方位序列完成联