3D传感器检测和跟踪的联合优化

在杂波环境下实现检测－跟踪的联合优化是目标跟踪中的一个重要研究课题。对3D传感器使用PDAF进行目标跟踪的情况，本文以先验检测门限优化准则为设计准则，通过用解析近似表示拟事修正Riccati方程中的参数，给出了瑞利起伏环境下实现检测和跟踪联合优化的方法。研究和仿真表明：（1）这种检测和跟踪联合化化方法的跟踪性能优于固定虚警率方法的跟踪性能，但这种性能的改善主要体现在滤波稳定阶段；（2）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，三维测量所要求的信噪比门限为2．157。     

一种改进的时分多目标干扰技术原理及实现

时分多目标干扰技术是目前国内外最常用的多目标干扰技术 ,其主要缺陷是对邻近信道干扰大。提出了一种改进的时分多目标干扰技术 ,阐述了其原理并给出了具体实现框图。     

药柱结构完整性分析模型参数的确定

由应力松驰实验数据得出药柱粘弹性材料参数，是用NASTRAN进行药柱结构完整性分析的基础。分析了Burgers粘弹性材料模型的函数性质，提出了用用分段加权目标函数逼近法，对不同时间段的实验数据取不同的权值来拟合出粘弹性能参数。结果表明，该方法比最小二乘法有更好的效果，更适用计算机药柱的长期储存与寿命预估。     

脉冲干扰条件下雷达自适应恒虚警算法及其体系结构

本文提出一种用于信号处理的新型并行算法以及带有自适应检测后积累（API）的恒虚警（CFAR）处理器的并行systolic结构。这种处理器用于脉冲干扰条件下雷达对小型机载目标回波的单个距离分辨率单元中的有效目标检测。这种算法的主要特征是在进行噪声水平估计前能自动地确定并删除二维参考窗口及检测单元中受脉冲干扰污损的不希望的样本。通过这种方法可将脉冲干扰环境对自适应门限处理的影响减至最低程度。对这种目标控制自满的统计分析表明，即便在脉冲干扰的功率与频率都非常高的情况下，信噪比损失也微乎其微。设计了CFAR API的Systolic结构。Systolic结构的基本微量尺度为处理器单元的数目、计算时间及实时实现所需的加速度。     

一种用于机动目标的线性调频脉冲估计和逆合成孔径雷达成像的自适应滤波方法

在逆合成孔径雷达（ISAR）成像中，由于机动目标的非合作运动，散射器的多普勒频移随时间变化，而雷达回波信号通常为线性调频脉冲。线性调频脉冲会计对ISAR成像的性能起着重要作用。Li和Stoica最近提出了一种自适应FIR滤波方法，用来估计正弦信号的振幅和相位，并将这种方法应用于采用正弦信号模型的合成孔径雷达（SAR）成像。本文推广Li和Stoica的算法，用来估计线性调频脉冲信号并将其用于机动目标的ISAR成像。该推广算法已由仿真数据验证。     

一种针对运动目标的飞行器航迹搜索算法

鉴于目前大部份的航迹规划方法研究都局限于静止目标，提出了一种针对运动目标的飞行器航迹规划方法。该算法借鉴自学习实时A*搜索的思想，将飞行器的运动与航迹搜索结合在一起，可以对目标的每一步移动实时作出反映。通过在限定的时间内扩大寻优范围，该算法不但可以满足实时在线应用的要求，而且可以有效地避免不可行区域，并使生成的航迹更加优化。实验结果表明，本文算法能有效地处理各种航迹约束，实时地生成满意的三维航迹。     

通过扩展分区特征改善SAR目标检测

本文对利用扩展区分（EF）特征来改善合成孔径雷达（SAR）自动目标识别（ATR）系统观注目标聚焦（FOA）阶段处理的有效性进行了评估。不象传统的SAR检测特征仅能在对比度基础上将图像像素从背景中区分开，EF特征对物体的对比度和尺寸都敏感，EF特征算法便于实现，并已证实有着类似CFAR（恒虎警率）性质的新特征，我们使用这个新特征，通过两个数据库提供的SAR图像，对几种不同检测方法进行了测试，验证新方法对性能有所改善。     

气囊着陆缓冲系统的冲击动力学多目标优化

文章以数值仿真为手段,研究了气囊缓冲登陆系统的冲击动力学多目标优化问题。首先,以类似于"猎兔犬"着陆缓冲系统为对象,确立了以囊内初始气压与收缩绳刚度为设计变量,以缓冲系统的首次冲击最大过载和囊体织物最大应力为目标函数的多目标优化问题。随后基于D最优试验设计,采用移动最小二乘(Moving Least Square,MLS)构建了各个目标函数的代理模型,并对目标函数随设计变量的变化规律进行了探讨。最后,采用遗传算法完成了缓冲系统的冲击性能优化,并给出设计空间中关于最大过载与织物最大应力的Pareto前沿。研究结果表明,MLS模型优化算法十分适用于解决非线性程度较高的冲击动力学优化问题,并且在替代真实模型仿真计算时不仅具有较高的近似精度而且具有高速的分析效率。     

空间非合作目标快速姿态跟踪导航方法研究

提出了一种空间非合作目标快速姿态跟踪导航方法。在非合作目标相对测量过程中,激光测距仪测距数据具有不连续的特点。当不具备测距数据时,采用基于位置-速度方差修正的姿态跟瞄导航滤波算法,引导追踪航天器完成对目标的粗捕获和保持;当具备测距信息时,通过引入间接量测矩阵和Wonham能控规范型极点配置方法,采用基于全维状态观测器的姿态跟瞄导航滤波算法,完成对目标的连续精确指向跟踪,并通过配置观测器极点调整滤波收敛速度。本文提出的姿态指向跟瞄导航算法克服了非合作目标跟瞄过程中测距信息不连续的问题,与传统扩展卡曼滤波算法相比,能够避免量测方程近似线性化过程中的大量矩阵求导运算,因而提高了跟踪导航滤波的收敛速度,增强了追踪航天器对非合作目标的快速姿态指向与跟瞄能力。     

认知结构模型机动目标跟踪算法

针对复杂战场中环境特性复杂以及目标机动性能提升所带来的跟踪难题,提出一种基于人类认知机制的机动目标自适应跟踪算法。算法将人类“记忆”机制引入机动模型构建,利用神经网络对目标特征参数进行离线学习并存储,指导机动模型参数实时调整,使模型对运动状态的描述更加合理。为进一步提高跟踪性能,基于人类认知“感知-行动”循环理论,将雷达接收端经数据处理后的目标状态估计信息反馈至雷达发射端,以最小感知信息熵为代价函数,从波形库中自适应选择最佳波形来匹配目标。仿真对比实验表明,该算法对环境及目标的感知更加准确,融入波形选择的自适应目标跟踪算法要明显优于传统采用固定波形的跟踪算法。