非高斯杂波协方差矩阵估计新方法

针对雷达目标自适应检测中的复合高斯杂波协方差矩阵估计问题,提出了 一种基于杂波分组的约束迭代估计方法。该方法在迭代过程中有效利用所有辅助数据,并对 最终得到的估计矩阵进行关于迹的约束。在估计的杂波分组大小与实际情况匹配的条件下, 约束迭代估计方法的估计精度与杂波功率水平无关。仿真实验表明,所提出的方法对不同的 杂波分组大小失配情况具有很好的鲁棒性;与已有的两种协方差矩阵估计方法相比,约束迭 代估计方法能极大的提高估计精度,加快迭代过程的收敛速率,且计算量更小。
     

一种单传感器实时系统误差配准算法

针对运动单传感器系统误差配准问题进行了研究,提出了一种基于位置未知固定目标的单传感器实时系统误差配准算法。算法利用传感器对固定目标的两时刻量测值,构建包含传感器系统误差的等效系统状态及其状态方程与量测方程,并基于扩展卡尔曼滤波技术实现了利用位置未知的固定目标对传感器系统误差的实时精确滤波估计。蒙特卡洛仿真结果验证了算法的有效性,具有对系统误差的稳定估计性能、快速的滤波收敛能力、较高的系统误差配准精度以及较强的工程实用性。     

基于MLR的机动平台传感器误差配准算法

 基于固定平台传感器误差极大似然配准(MLR)算法,针对机动平台存在姿态角系统误差的问题,提出了对机动平台传感器系统误差和目标状态进行批处理离线估计的机动极大似然配准(MLRM)算法.该算法利用所有传感器对目标的量测值,通过把传感器量测向目标状态进行投影、对传感器系统误差和目标状态进行期望最大化迭代以及对目标的状态进行融合估计,最终实现量测、姿态角系统误差和目标状态的有效估计.仿真结果表明,该算法迭代收敛速度快,对系统误差估计精度高,对系统误差可观测性较低的配准环境的适应性强并且对传感器姿态角的相关性不敏感,具有很强的工程实用性.     

运动状态下多传感器群目标精细航迹起始算法

为解决多传感器群内目标精细航迹起始的难题,提出一种基于运动状态的集中式多传感器群目标精细航迹起始算法,算法首先基于循环阈值模型和群中心点完成群的预分割、预互联,然后将预互联成功的群按传感器不同分成多个子群,基于非抢占式修正逻辑法和同状态航迹子群获取模型剔除单传感器形成的虚假航迹,并基于多传感器同状态群关联模型消除各传感器虚假的同状态航迹子群,最后基于加权法实现同状态关联群内航迹的精细互联及合并。仿真数据表明,与分布式多传感器修正逻辑法、基于聚类和Hough变换的集中式多传感器多编队航迹起始算法相比,算法在起始真实航迹、抑制虚假航迹及杂波鲁棒性等方面综合性能更优。
     

基于区间灰数的分布式多目标航迹关联算法

研究了存在系统误差条件下分布式多目标航迹关联问题,以异地配置的2D组网雷达为背景,分析了时变系统误差对雷达上报航迹的影响,将误差影响下的目标定位看做一种认知不确定性,并给出两种用区间灰数描述这一不确定性的方法。由此提出了一种航迹关联算法,该算法以区间相离度作为衡量航迹间差异信息的测度,建立灰色关联分析模型,并根据灰关联度排序给出航迹关联对。通过对算法的约束条件进行深层次分析,给出了使用算法的先决条件。在常见系统误差环境下的蒙特卡罗仿真结果表明,算法具有良好的抗差性能和较广泛的适用性。     

基于ICP的稳态部分可辨编队目标精细跟踪算法

针对稳态编队在部分可辨条件下精细跟踪的难题,提出了一种基于迭代就近点(ICP)的稳态部分可辨编队精细跟踪算法。首先将ICP算法思想应用于编队成员拓扑的点航关联中,将k时刻的位置状态估计通过最近点循环迭代逼近k+1时刻的量测,在关联判决时采用双门限原则应对部分可辨所带来的漏观测问题,以提高关联时的容错性能;进而采用概率最近邻对漏观测航迹进行填补,以进一步保证跟踪的可靠性;最后,采用多模型法实现编队成员航迹滤波更新,以保证航迹的跟踪滤波精度。仿真结果表明,与现有的基于模版匹配的编队目标跟踪算法以及经典的多假设多目标跟踪算法相比,该算法具有较高的跟踪可靠性与精度,且在编队拓扑发生缓慢变化时具有更高的正确跟踪率。     

多传感器信息融合研究进展与展望

介绍了信息融合定义的新认识、信息融合系统功能模型和结构模型的新发展,并就多传感器信息融合中的分布式检测融合、航迹起始、检测与跟踪的联合优化、主被动传感器系统数据关联、估计融合模型、传感器管理、非线性滤波所采用的数学工具等若干关键技术的新成果与新动向展开了讨论,详细阐述了各项技术的一些有代表性的最新进展及其在多传感器信息融合系统中的应用和发展情况。最后对多传感器信息融合技术的研究动向进行了展望,提出了今后的发展趋势和我们的研究策略。     

一种区间属性值离散化的新方法

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域.传统的粗糙集理论只能对数据库中的离散属性进行处理,因此,连续属性值的离散化问题不容忽视.已有的离散化方法主要是针对固定点上的连续属性值的,实际应用中大量存在着连续区间属性值的情况.文中针对这一问题,提出了一种连续区间属性值离散化的新方法,并利用辐射源信号进行了仿真试验.结果表明,该方法能有效离散区间属性,从而拓展了粗糙集理论的应用范围.     

基于先验门限优化准则的探测阈值自适应选择

针对 2维测量和 4 -sigma确认门 ,把先验检测门限优化准则和修正 Riccati方程的解析近似表示相结合 ,得到了在瑞利起伏环境下使跟踪性能优化的信号探测阈值解析表示式 ,从而使在线求解自适应信号探测阈值能比较容易地实现。通过研究和仿真发现 :在滤波稳定阶段 ,本文给出的自适应信号检测门限方法的跟踪性能优于固定虚警率方法的跟踪性能 ;基于先验检测门限优化准则实现检测 -跟踪的联合优化要求信噪比要大于一定的门限 ,在瑞利起伏环境下 ,对 2维测量和 4 -sigma确认门 ,该门限为 1 .57     

人工神经网络在目标识别和分类中的应用

首先分析了人工神经网络在目标识别和分类中的应用及其局限性,然后分析了人工神经网络与模糊理论、证据理论、贝叶斯决策理论相结合在目标识别和分类中一般方法和优点。