基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

基于粒子群算法的极短弧定轨

针对经典的初轨计算方法在极短弧定轨中不适用的情况,建立了一种基于粒子群算法的极短弧(TooShort-Arc,TSA)定轨的计算方法。该方法将问题转化为两个三变量的分层优化问题,采用(a,e,M)作为优选变量,在保持问题维数较低的同时,实现了计算结果和观测资料的解耦。由于实测资料处理中的野值剔除方法不适用于粒子群算法,所以,采用稳健估计法,通过在适值函数中使用最小中值二乘准则,实现了稳健的极短弧计算方法。同时,应用MATLAB计算软件,选用缺省参数实现该算法,以进行数据验证。基于实测数据的数值验证表明,方法对于近圆轨道目标30s以下的弧段仍可以获得有效的结果,10s弧段误差仅为16km。此精度满足后续处理的需要,且方法稳健,具有很高的崩溃点。     

一种多目标鲁棒跟踪滤波器研究

多目标鲁棒跟踪是现代雷达跟踪系统的重要技术指标之一。为此,本文在作者以往的研究成果[1—4]基础上,提出了一种多目标鲁棒跟踪滤波器。该滤波器主要由模糊α—β滤波器和自校正估值器组成。它们分别是根据模糊集理论和本文提出的二次新息序列概念设计的。仿真结果表明,这种滤波器比以往的α—β滤波器,不但跟踪机动目标精度高,而且具有较好的鲁棒特性。     

基金成果简讯

离轴大视场数字全息粒子图像测速技术(DHPIV)研究及其应用【项目编号】2004ZA51039【项目负责人】申功炘【依托单位】北京航空航天大学完成情况简介:本项目是流体力学研究前沿之一。针对目前各种器件条件的限制,研究了同轴全息光路纪录系统的各种实验参数对纪录品质影响的数字模拟;开发了扩大观测视场的同轴全息光路纪录系统;提出了采用     

滤波器的相频特性对像质影响的仿真

在本文中，我们利用计算机真的方法，研究了多种椭圆低通滤波器和巴特沃思滤波器的相频特性对象质的影响。     

一种确定机载雷达杂波检测性能的简单方法

在恒定的方位旁瓣和多普勒信号处理条件下，使用本文介绍的简化方法，对任何脉冲重复频率，都能确定其多普勒滤波器输出端的杂波噪声比。