交互作用的双自适应模型估计器

 通过对目标的不确定机动分析和对不确定机动的模式分类(非机动、临界机动、弱机动、强机动),建立了一种新的目标状态自适应估计器——交互作用的双自适应模型估计器。它通过具有机动识别特性的二阶自适应模型和具有机动水平特性的三阶自适应模型,以及它们之间交互作用自适应组合方式的结合,达到了跟踪估计目标各种运动的“全面”自适应能力。应用新估计器对目标的5种基本运动进行了Monto-carlo仿真。仿真表明,它具有所期望的良好性能。     

非线性分离算法及其在飞行试验中的应用

 本文根据最小方差估计和分离算法原理,提出一种新的非线性状态估计和偏差辨识的分离算法。并用此算法确定飞行状态和测试仪器的误差,同时U-D分解保证计算效率和数值稳定性。为了得到数据相容性检验的准确结果,本文采用直接离散化的飞机运动模型,以减小模型误差。通过仿真并在我国两种歼击机上实际应用,结果表明本文所给的算法对不同的初值和噪声统计特性都能得到飞行数据相容性检验的一致结果,并能用于低采样率下的数据相容性检验。     

估计理论在飞行数据相容性检验中的应用

飞行数据相容性检验在飞行试验数据分析中是很重要的。由于飞行试验测量数据中存在着各种过程噪声(如大气紊流)和测量噪声(如尺度因子偏差、常值系统偏差等),这些误差将会导致飞行数据各通道之间不相容。利用估计理论进行飞行状态估计,同时估计出未知的尺度因子,系统偏差,即进行飞行轨迹重构被认为是飞行数据相容性(一致性)检验的强有力的工具。本文利用推广卡尔曼滤波和信息平方根滤波及平滑进行高速飞机飞行数据的相容性检验,提出了飞机纵向运动和全面运动的新模型,通过仿真和实际计算得出满意的结果。     

机动目标的模型与跟踪算法

 <正> 在机动目标的“当前”统计模型中,目标的加速度被描述为修正的瑞利—马尔科夫过程,对应的自适应跟踪算法呈现出较好的跟踪特性。文献[2]研究了该模型及其自适应算法在实际的机载雷达跟踪系统的应用;文献[3]进一步推广了基于“当前”模型的MPDAF算法。本文提出一个新的机动目标模型,即假定目标加速度为一高斯—马尔     

残差滤波及其在密集多回波环境下机动多目标跟踪中的应用

 修正概率数据关联滤波（MPDAF）是目前解决密集多回波环境下机动多目标跟踪较为有效的方法,但当回波密度增高时,该方法容易失跟。本文针对此特点,在MPDAF基础上,提出了残差滤波（RF）方法,分别从理论和Monte carlo仿真两方面揭示了RF与数据关联的内在机理,结果表明该方法能大幅度提高跟踪滤波器捕捉目标和剔除关联域内多余回波的能力以及跟踪的性能,是一种解决高密集多回波环境下机动多目标跟踪的有效方法。     

组合式快速JPDA算法

基于有序状态空间搜索方法,定义联合事件为问题节点,将多目标数据关联问题求解转化为状态空间问题求解。定义联合数据关联概率函数对数表达为节点的估价函数,减少扩展节点数,迅速产生和搜索Ｎ个最大联合概率事件。给出快速计算Ｎ个最大联合概率事件的ＪＰＤＡ公式,并提出一种确定新生节点是否是已生成节点的简便方法。算法的搜索次数不随回波数增加而增加,有效地解决了传统ＪＰＤＡ算法的实时性问题,兼有贝叶斯方法和非贝叶斯方法的各自优点。     

一类最佳飞行轨迹的计算

 本文给出了一种简化的直接多重打靶算法,并讨论了该算法在求解一类最佳飞行轨迹上的应用。数值计算结果表明,本文所给的算法收敛性好,对初值无很高要求,因而避免了在计算之前对问题进行冗繁的解析分析。     

一种实时飞行轨迹重构方法

提出一种有效的实时纵向飞行轨迹重构的新方法。为了得到状态估计的快速算法,本文把非线性飞行轨迹重构转化为线性、离散、时变状态和参数估计问题。将数值稳定性好、计算量也小的序列U-D分解滤波算法用于状态方程为线性、观测方程为线性或非线性的滤波问题中。由于测量值中常常含有系统偏差,本文把这些偏差作为增广状态加入增广状态模型中,并利用模型的一些特点,提出偏差分离的U-D分解算法,使计算量大大减少。仿真和实际试飞数据计算表明、本文的方法可得到比平方根协方差滤波更有效的实时飞行轨迹重构结果。     

提高运算速度的素因子分解FFT算法

对一种用素因子分解计算离散傅里叶变换的算法进行了研究。其特点是能用简单的下标映射并以同址方式实现快速离散傅里叶变换运算。运算结果表明该算法可比常规的Ｃｏｏｌｅｙ－Ｔｕｋｅｙ基２算法快３２％。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。