特定工况下内嵌钢球欧拉梁碰撞减振性能研究

针对内嵌自主移动钢球欧拉梁碰撞系统,研究了在一复杂工况下内嵌自主移动钢球碰撞阻尼机制对梁残余衰减振动的抑制效果.采用线性弹簧-阻尼模型模拟钢球与梁之间的碰撞机制,通过分析建立了整个碰撞系统的分段线性动力学方程,并运用无量纲化、假设模态法、高阶模态截断等方法导出了系统的状态空间方程.数值计算结果充分表明在此工况下内嵌自主...     

“螳螂”和“苹果酒”——BAE系统公司研制的大型长航时侦察无人机

在今年范保罗航展上BAE系统公司展出了一种名为“螳螂”的长航时情报收集、监视、侦察（ISR）及攻击无人机的全尺寸模型，引起了各国参观者的极大兴趣，这种无人机瞄准的是英国国防部计划从美国采购“捕食者”B／“收割者”无人机的替代型，它也将成为英国国防部“苹果酒”计划中ISTAR模块的一个候选者。     

雷达捷变频抗干扰性能分析及评估研究

该文分析了雷达捷变频技术的抗干扰性能 ,并将其引入雷达捷变频抗干扰性能评估 ,为进行更高层次的雷达抗干扰性能评估提供了一种分析途径     

利用调频广播/电视信号的目标探测

分析了基于利用调频广播 /电视信号进行目标探测所面临的诸多实际问题 ,指出对直达波抑制和对噪声的抑制是系统工程实现的关键技术难点。研究了对消算法及超视距接收方法在抑制直达波中的利用 ,研究了基于信号循环平衡特性的信号处理方法。对实测数据的分析及仿真实验验证了所给方法的有效性。     

一种利用信号幅度信息的光学传感器像平面GM-PHD滤波算法

针对光学传感器像平面多目标跟踪应用,基于有限集统计学理论(Finite Set Statistics, FISST)提出一种利用信号幅度信息的高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density, GM-PHD)滤波算法。该算法通过建立信号幅度似然函数将幅度信息引入到PHD的递推公式中,首先根据光学传感器的特点对输出的信号幅度进行建模,然后分别计算来源于目标和杂波的信号幅度似然函数,在目标信噪比未知的情况下给出一种替代计算方法,最后采用高斯混合方式实现该算法。仿真结果表明,本文提出的算法相比仅利用量测位置信息的PHD滤波器能够显著提高多目标跟踪性能和计算效率,而且在目标信噪比未知时同样具有稳定的性能。     

一种空间邻近目标红外多传感器立体分辨方法

空间邻近目标在红外像平面的成像因相互交叠而形成簇状像斑,对红外传感器的信号处理提出了分辨的要求。为实现对空间邻近目标的立体跟踪定位,提出基于量子粒子群优化的空间邻近目标红外多传感器立体分辨方法。在对目标像平面成像建模基础上,构建基于最小二乘准则的空间邻近目标立体分辨目标函数,针对目标函数的高维非线性特点,以QP-SO解决目标函数优化问题,估计目标空间位置。仿真结果表明:相比于传统的先单传感器像平面分辨后多传感器视线交叉定位方法,此法具有更优的目标位置估计精度、辐射强度估计精度和目标个数估计正确率。     

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。     

一种新的SMC-PHD滤波的多目标状态估计方法

针对现有的应用于多目标跟踪概率假设密度粒子滤波器的目标状态估计方法不能很好地解决目标密度较高情况下的多目标状态估计问题,提出了一种新的基于粒子标签的多目标状态估计方法。该方法利用附加在每个粒子上的身份标签将粒子分为不同的粒子群,粒子群的个数与概率假设密度粒子滤波器的目标估计个数相同。随后根据粒子与最近量测的似然函数估计目标的运动状态,使得粒子概率假设密度滤波器在目标密集的情况下仍能准确地估计出目标状态。仿真试验表明,论文所提方法在目标密度较大情况下能够较好地估计出多目标状态,并提高了目标关联的准确性。     

波音“鬼怪鳐鱼”现形

为了更积极地参与未来无人机系统的竞争，波音公司近日突然宣布重新恢复无人作战飞机原型机的研制计划，将被国防部取消的X-45改型为新的无人作战飞机技术验证机——“鬼怪鳐鱼。”     

改进的MMPHD机动目标跟踪方法

基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。