基于半参数建模的弹道目标实时滤波

设计弹道目标的实时跟踪滤波器时,精确的动态建模和测量系统误差自校准是提高滤波精度的重要手段。基于补偿最小二乘原理和Tikhonov正则化定理,将难于参数化的复杂运动成分和测量系统误差表示为非参数分量,建立了基于半参数化建模的弹道递推模型和实时滤波算法,并详细设计了半参数建模时所需的光滑因子、正则化矩阵和窗口宽度等建模参数的在线选取方法。仿真实验和实际数据的计算结果表明,非参数成分可以有效地补偿状态模型误差,且可在线校准测量系统误差,显著改善弹道估计精度。算法已初步应用于实际飞行任务,其中的递推建模方法和参数选择策略对其它实时滤波器的设计同样有参考价值。     

跟踪空间非合作目标的一种相对轨道确定方法研究

研究近地轨道卫星沿航向跟踪空间非合作目标的相对轨道确定问题。首先给出以追踪星与非合作目标轨道根数差分描述的相对运动方程;其次根据星间测量几何关系对应的测量方程,提出一种新的基于两步估计的相对轨道确定方法;最后通过数学仿真验证了收敛速度快于扩展卡尔曼滤波,并对初始状态的选取不敏感,具有一定鲁棒性。     

基于数据压缩的多传感器多假设算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种新的多传感器多目标算法.提出的算法首先应用经典分配规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点产生的互联假设计算其互联概率并获得融合中心的状态估计.给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该算法的跟踪性能在探测概率降低的跟踪环境下表现得更为优越.      

行星探测器GNC系统自主安全模式设计

针对行星探测器GNC系统自主生存能力要求高的特点,设计具有黄极捕获功能的惯性安全模式和无惯性系定向支持的应急安全模式．描述安全模式下姿态确定与控制任务,提出相应的方案．通过对安全模式的任务分析可知,该模式下探测器可以自主进行姿态机动,保证能源供给和星地通信链路建立．     

基于电子地图的港口舰船目标变化检测

文章利用电子地图进行配准、提取海岸轮廓线并对其等间距采样,从中提取关键拐角点,并根据条件确定潜在的舰船停靠区域对其规则化。再将不同时相候选区的分割结果进行差分运算,然后将其沿水平垂直方向投影,找到超过平均投影能量的最大区间,判定舰船变化区间。该算法可以避免大范围的无用搜索,提高检测识别算法的效率。     

基于灰色关联TOPSIS 法的要地防空威胁评估

针对要地防空作战目标威胁评估问题,提出一种基于灰色关联TOPSIS的评估新方法对目标威胁进行综合 排序。首先,确立要地防空目标威胁评估指标体系,在对初始数据进行预处理的基础上采用熵权法和AHP法组合 确定指标权重,避免主观决策带来的误差。其次,依据量化理论对威胁评估指标进行定量处理,建立了基于灰色关 联TOPSIS法的威胁评估模型,运用灰色关联TOPSIS法计算相对贴近度参数,从而实现对空袭目标威胁大小的排 序。最后,通过防空作战目标威胁评估实例进行验证,结果表明该方法可靠有效。     

新生目标强度未知的双门限粒子PHD滤波器

传统粒子概率假设密度(PHD)滤波器假定新生目标强度已知,当新生目标在整个观测区域随机出现时不再适用。为解决新生目标强度未知时的多目标跟踪问题,提出了一种基于量测信息的双门限粒子PHD(PHD-DT)滤波器。首先基于似然函数设定门限对存活目标量测进行粗提取,利用上一时刻的目标估计值构建圆形波门进行精细提取,并对门限设定方法进行分析,然后根据提取结果对目标PHD进行分解,得到存活目标和新生目标的PHD预测及更新表达式,最后给出了滤波器的实现方法并同基于量测驱动的PHD(PHD-M)滤波器和Logic+联合概率数据互联(JPDA)方法进行了仿真对比。仿真结果表明,在新生目标强度未知时,PHD-DT可有效避免Logic+JPDA在杂波背景下因航迹起始错误带来的估计误差,并较好地解决了PHD-M的目标数目过估问题,多目标估计性能更优,且杂波越强性能优势越明显。     

基于Rao-Blackwellized蒙特卡罗数据关联的检测跟踪联合优化

提出了基于Rao-Blackwellized蒙特卡罗数据关联的雷达目标检测跟踪联合优化算法。Rao-Blackwellization方法将单目标跟踪与数据关联分开处理,将序贯蒙特卡罗方法（粒子滤波）用于数据关联,实现杂波与虚警量测中的多目标跟踪。同时,根据粒子的分布范围确定波门大小。在考虑粒子权重的前提下,利用检测单元与所有粒子的相对位置对检测门限进行修正,提高检测率。将本文算法与已经实现的基于空域特性的杂波抑制算法相结合,分别应用于仿真数据、S波段相参与非相参雷达实测数据。实验结果表明,本文算法能够在粒子数较少的情况下,实现对小弱目标的检测与跟踪。