基于SVM算法的虚假航迹识别

针对云雨杂波和主被动干扰导致多雷达传感器产生虚假目标航迹的问题,利用支持向量机(SVM)算法的自主学习能力,通过构建基于数据驱动的判别模型进行虚假航迹识别。针对航迹起始得到的目标潜在航迹,利用人工智能数据驱动、自学习的特点,设计了SVM算法。通过对已标记真假的目标航迹样本进行离线学习,形成虚假航迹识别的SVM分类器,实现了基于数据驱动的判别模型代替先验知识规则约束的固定模型,并在工程应用中,利用SVM分类器在线识别虚假航迹,完成实时剔除。通过实测雷达数据实验验证,该算法的目标虚假航迹准确率高达95%以上,完全满足实际的工程应用需求。相比基于阈值或规则进行硬性判断的传统虚假航迹识别方法,所提出的算法不仅提高了准确率,还具有较高的实时性,能够适应复杂多变的杂波环境,在实际应用中具有更强的适应性和实用性。因此,提出的基于SVM算法的虚假航迹识别方法对于密集杂波场景下的虚假航迹剔除问题具有显著的实际应用价值。     

基于加工误差仿真的半球谐振子优化设计

针对半球谐振陀螺谐振子制造过程中存在的加工误差,采用有限元仿真,分析了半球谐振子结构参数、尺寸公差和形位公差变化对其工作模态频率和临近模态频率的影响,研究了半球谐振子形位公差变化对频率裂解和品质因数的影响。通过仿真分析可知,半球谐振子结构参数壁厚、半球中心半径及内倒角半径都会影响模态频率;半球谐振子形位公差中的内外球心距离误差对其工作模态影响较大,中心轴平行误差对频率裂解和品质因数影响较大;半球谐振子壁厚、内倒角半径、小柱半径及内外球心距离误差变化会使工作模态频率与相邻模态间存在干扰。在此基础上,提出了半球谐振子结构参数及形位公差优化设计建议,并通过半球谐振子品质因数Q值和频率裂解测量对该建议进行了验证。     

增广误差模型算法在目标跟踪中的应用

针对目标机动运行过程中,滤波模型与机动状态模型失配的问题,提出了一种新的增广状态误差滤波模型。不同于现有增广方案,该模型从模型失配所致状态滤波误差的角度出发,将状态估计误差增广为一状态量,通过滤波估计后用其校正原状态量。算法分析表明,该增广滤波模型具有自适应调节多重渐消因子的等效特性,增强了对目标的跟踪能力。基于该增广状态误差滤波模型,给出了滤波算法设计并进行了仿真实验。实验结果表明,基于该模型的滤波算法在对机动目标进行跟踪时具有更强的鲁棒性。     

相位检测误差对核磁共振陀螺输出频率的影响

针对核磁共振陀螺中采用相位检测方案时可能引起额外频率误差的问题,提出了通过控制电子顺磁共振失谐量及静磁场扰动来抑制额外频率误差的方案。基于Bloch方程,推导了惰性气体原子系综输出频率的表达式,并将相位检测的过程包含在内。建立了考虑相位检测误差的核磁共振陀螺频率误差方程,给出了相位检测引入的额外频率误差表达式并进行了数值仿真。仿真结果表明,通过设定合适的共振失谐量,其额外频率误差至少可以抑制1个数量级,而通过精确地抑制静磁场的一阶及二阶扰动,可以进一步抑制1～3个数量级,将额外频率误差降低到nHz量级。     

无人水面艇自适应路径跟踪算法

路径跟踪作为无人水面艇（Unmanned Surface Vehicle, USV）控制系统中必不可少的底层模块,受到国内外无人水面艇研究人员的普遍关注。为了提高无人水面艇路径跟踪的准确性和自适应性,提出了一种基于Mamdani模型的自适应模糊LOS控制策略(Mamdani Based on Line-of-Sight,MLOS）。相比传统LOS控制策略,该算法通过模糊控制修正LOS控制参数,削减了速度与LOS制导律之间的耦合,确保了路线跟踪的完成度,并且避免了传统LOS各项参数固定、不能实时调整而导致的船舶操纵性无法被充分利用的缺点。基于欠驱动水面滑行艇数学模型,通过理论分析和仿真试验证明了该算法的优越性和有效性。     

基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强,单一寻的制导方式很难完成对目标的稳定跟踪和精确打击,需采用多种探测器作为传感器,提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型,利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题,避免了求解复杂的雅克比矩阵。对于分布式多传感器融合,传统的方法多采用协方差交叉（CI）融合方法,但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程,且计算量小。在此基础上,提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后,对算法进行了仿真分析,并进一步验证了提出算法的有效性。     

中继卫星在轨自动跟踪精度测试方法研究

针对中继卫星在轨自动跟踪精度测试基准值建立和有效数据获取的难题,根据在天线电轴跟踪零点附近角误差电压灵敏度正比于波束指向角误差灵敏度的特性,提出了采用角误差电压灵敏度作为基准值,天线稳定跟踪目标时的方位角误差电压和俯仰角误差电压作为测试数据,通过数据处理得出在轨自动跟踪误差,然后与差波束零点(天线电轴)与和波束接收信号最大值轴之差相加,得出在轨自动跟踪精度的测试方法。并制定测试方案和测试流程,在轨进行了实施。与地面测试结果进行比较,数据相近,验证了测试方法的可行性和有效性。采用该方法测试难度小,便于实施,测试结果不受天线安装误差、卫星姿态变化等因素的影响,解决了中继卫星在轨自动跟踪精度测试的难题。     

飞行器遥测跟踪的多模式自动转换方法研究

针对飞行器试验遥测跟踪过程中的目标轨迹异常、遥测信号不稳定等情况,通过建立不同情况下的天线跟踪方式评价系统,研究自跟踪、外引导跟踪、程控跟踪等跟踪模式联合工作的可能性,并提出一种遥测跟踪方式优选判别、模式自动转换的方法,提高遥测数据的有效性。飞行试验结果验证了方法的有效性。     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法,具有较为灵活的并行化跟踪方式,能够较好地维持跟踪目标的假设状态,具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段,但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器,实现视频图像中的飞行器跟踪,跟踪图像存在跟踪滞后、画面抖动等现象,跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法,建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪,在识别和跟踪的基础上建立云台控制模型,通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据,检验飞行器目标的跟踪效果。     

一种基于观测站数目最小化的TDOA/FDOA无源定位算法

在三维（3D）运动目标无源定位系统中,无模糊定位最少需要4个观测站。而传统的两步加权最小二乘（TSWLS）及其改进的闭式算法至少需要5个观测站进行求解,当减少一个观测站时,这些闭式算法往往无法提供可靠解。针对这一问题,提出一种最小化观测站数目的到达时间差（TDOA）与到达频率差（FDOA）定位算法。该算法是一种闭式解法并且能够在三维场景下仅使用4个观测站进行定位。该算法分为两步：第1步分离传统的TSWLS算法中未知参数空间,建立了一组新的等式,并且利用加权最小二乘（WLS）算法得到目标位置与速度的初始值;第2步利用泰勒级数展开算法将中间变量线性化,对目标位置和速度初始值进一步校正。理论分析证明了在适当的噪声水平下该算法能够达到克拉美罗界（CRLB）。此外,计算机仿真表明仅使用4个观测站时,该算法对于近场以及远场目标参数的估计精度在测量噪声较小时可以实现CRLB;并且还表明使用5个观测站估计时,该算法比TSWLS及其改进算法能更好地适应大的测量噪声。