用于跟踪机动目标的交互式加速度补偿算法

两级卡尔曼估计器研究针对在有随机偏差的情况下的状态估计,通过把目标加速度视为一偏差向量,用于对机动目标的跟踪。此时,目标加速度作为一个偏差,第一级估计器包含了一个常速机动模型,由其估计出目标位置和速度,而第二级估计器则估计目标加速度。当目标机动被检测出时,则该加速度估计用于修正第一级估计器中的估计。本文介绍的交互式加速度补偿算法(IAC)能克服对两级估计器明显机动检测的要求。此IAC算法被视为是一个具有两个加速度模型的两级估计器:零加速度的等速度模型和等加速度模型。交互式多模型算法(IMM)用于计算加速度估值,以补偿等速滤波器的估值。仿真结果表明,IAC算法的跟踪性能和IMM算法的性能相当,而计算量大约是IMM算法的50%。     

一种修正的机动目标模型及自适应滤波算法

在"当前"统计模型的基础上,通过修正目标加速度的概率分布、机动加速度与方差的自适应关系及过程噪声协方差矩阵,提出了一种修正的机动目标模型及其自适应跟踪算法。理论分析和仿真结果表明,该模型能够准确描述目标的各种机动情况,跟踪算法具有良好的跟踪性能,具有实际应用价值。     

基于加速度的马尔可夫参数自适应IMM算法

针对标准的交互式多模型算法(IMM)模型切换存在滞后性,使得目标机动改变时跟踪误差增大的问题,提出了一种基于加速度的自适应转移概率矩阵的IMM算法。该算法通过当前时刻IMM算法输出的加速度估计值,得到相应的修正因子,修正下一时刻的转移概率矩阵,使得模型切换速度加快,减小目标机动时的跟踪误差。最后通过仿真实验证明,改进的IMM算法能够有效减小目标机动改变时跟踪误差,提高模型切换速度,同时还指出了该算法的适应范围。     

基于神经网络的修正“当前”统计模型算法

“当前”统计模型及其自适应卡尔曼滤波算法虽能对强机动目标进行较好跟踪,但存在对弱机动目标跟踪误差较大的缺陷.针对这二问题,在推导传统“当前”统计模型适用范围的基础上,对“当前”加速度的概率密度函数进行改进,得到一种修正的“当前”统计模型算法.为克服算法对加速度极限值的依赖,进一步提高跟踪精度,利用神经网络将2种参数信息融合,通过其输出对系统方差作加权调整.仿真结果表明,不论是对弱机动目标还是强机动目标,新算法较传统的算法都有较高的跟踪精度.     

一种新的避免航迹合并的比例联合概率关联算法

通过对传统的联合概率数据关联算法(JPDA)在平行临近及小角度交叉目标的关联跟踪中引起的航迹合并问题的分析,提出了一种基于最大交互概率的改进比例联合概率数据关联算法.该算法找出距离两逼近目标的交互概率中心最近的有效观测,引入一比例因子对该观测与所有目标的关联概率进行修正,将逼近目标“拉开”,从而抑制了航迹的合并.仿真结...     

对辐射源信号到达角的自适应跟踪估计

为提高信号到达角(AOA)的测量精度,采用修正的窗函数加权平均算法和基于机动加速度的非零均值时间相关模型的自适应卡尔曼滤波算法,将信号到达角的变化轨迹看作是一种做加速度机动的运动,实现对连续变化信号到达角的参数估计.计算机仿真验证了算法的有效性和可行性,证明该方法有一定的应用价值.     

模型参数自适应的交互多模强跟踪算法

基于强跟踪滤波器对突变状态的良好跟踪能力,设计了一种自适应交互多模算法.在交互多模算法框架内,计算"当前"统计模型的概率和目标机动强度信息(由残差统计距离来表征),自适应地调整"当前"统计模型的加速度等参数,提高了"当前"统计模型的自适应性和滤波器的鲁棒性,增强了系统对目标突发强机动的跟踪能力.仿真结果验证了该算法的有效性.     

基于图像对比度最优的频率步进ISAR成像方法

在频率步进高分辨ISAR成像中,目标的径向运动会带来距离多普勒耦合,从而对ISAR图像有较大的影响。提出了一种基于图像对比度最优的运动参数估计方法。该法分析了径向速度和径向加速度对多普勒像对比度函数的影响。通过构造相位补偿因子,在多普勒像中基于多普勒像对比度最优估计径向加速度。在径向加速度补偿后,在距离像中基于距离像对比度最优估计径向速度。进行运动补偿,利用RD算法实现了目标的高分辨ISAR成像。该方法具有运动参数估计精度高和计算量小的优点。仿真结果验证了方法的有效性。     

基于角速率输入的圆锥误差补偿算法

针对光纤陀螺姿态测量系统中利用角速率拟合角增量进行圆锥误差补偿精度下降的问题,在陀螺仪角速率输入下,采用参数解析法优化的三子样算法,直接利用陀螺的角速率输出进行圆锥误差补偿。同时考虑工程实际中滤波器的影响,推导滤波角速率输入下三子样误差补偿算法的具体表达形式。仿真分析表明：参数解析法优化的角速率输入圆锥误差补偿算法优于传统算法;而针对滤波器引入的不可忽略的算法误差,可通过修正圆锥算法系数进行补偿。     

一种修正的自适应网格交互多模型算法

将径向速度引入到自适应网格交互多模型算法中,并针对自适应网格算法在跟踪过程中网格中心不稳定的问题增添模型集改变阈值,提出了一种修正的自适应网格交互多模型算法。同时对一些关键参数作了深入研究。仿真表明,提出的修正算法提高了算法稳定性,增强了模型滤波器与真实运动模式的匹配程度,减小了跟踪的速度误差和距离误差,很好地改善了跟踪性能,并具有全面自适应的跟踪能力。     

量子算法模拟实现技术研究

量子计算并行性展示了强大的运算能力 ,但现实条件决定了目前量子算法研究主要依靠模拟进行。本文介绍了量子计算的基本原理和计算模型 ,对量子算法的模拟实现技术进行了分析。通过对量子算法模拟的时空分析 ,指出目前量子算法模拟中存在的一些问题 ,讨论了今后的一些研究方向。     

想定驱动的仿真资源发现方法

为解决在云间共享架构的仿真环境下资源的自动发现问题,研究了仿真资源请求的描述方法及相应的资源发现算法,提出了想定驱动的仿真资源发现方法.方法通过扩展的军事想定描述语言表示仿真资源请求,使用双映射三过滤算法实现仿真资源的自动发现.分析表明,仿真想定驱动的资源发现方法可以实现在云间共享架构下仿真运行所需的大量资源的自动发现,并对发现结果具有语用校验功能,对于仿真环境的快速部署具有积极意义.     

基于车辆稳态动力学特性的汽车动态轨迹规划

针对高动态环境下驾驶辅助系统（ADAS）的轨迹规划问题,提出基于车辆稳态动力学特性的动态轨迹规划算法。该算法首先在交通车轨迹预估基础上建立搜索空间,接着利用车辆稳态动力学模型作为轨迹发生器,在搜索空间中对轨迹发生器产生的轨迹进行评价,最后根据驾驶意图和优化条件选择最优轨迹。文章采用基于最优加速度预瞄理论的轨迹跟踪算法,建立了七自由度车辆动力学模型,并在Simulink环境下搭建仿真平台,进行超车仿真实验。实验结果表明,本文提出的算法可行、有效。     

一个实时调度仿真模型算法的算法

提出了一个在仿真支撑系统中所采用的实时调度仿真模型算法的算法,并且成功地应用在“RDFI—50MW热电厂训练仿真机”中.     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

多传感器数据融合系统中的序贯航迹相关算法研究

提出了一种适合于分布式多传感器数据融合的序贯航迹相关算法,对算法进行了仿真,并和最临近法进行了比较。仿真结果表明,该算法性能与传统方法比有很大改善。     

UKF算法的来袭导弹弹道预测

从来袭导弹机动模型的选取出发,结合UKF算法的推算,建立了来袭导弹弹道预测的仿真模型。同时结合实例对来袭导弹弹道预测的卡尔曼滤波算法和UKF算法的进行仿真。仿真结果表明UKF算法计算量适中、计算结果精确,非常适合用于非线性模型的预测。     

基于系统构型替换的固冲发动机故障模式半实物仿真

为全面快速验证冲压发动机的故障检测算法，基于构型替换建立了能模拟多种固冲发动机故障的仿真验证平台。基于此平台，搭建了发动机点火故障模型、压强传感器故障模型、设备接口模型，以及与真实控制器中检测算法具有相同外部接口和系统构型的故障检测算法模型等。通过系统构型的切换，将同一个故障模式注入故障检测算法模型和真实发动机系统，并通过对比同一组故障模式下故障检测模型检测结果与发动机控制系统检测结果，来对发动机控制器中的故障检测算法进行快速验证。以无喷管助推器点火的检测为例，讲述了该方法的建模、实验验证及分析过程，此外，该方法还能应用到无喷管助推器关机、进气道前后堵盖打开、燃气发生器点火、燃气流量容错控制等多个故障模式的仿真模拟与验证，具有很强的通用性，能大大地降低控制系统开发与验证的时间成本，具有很强的应用价值。     

基于PDA-UKF的杂波环境下单目标跟踪算法

提出将概率数据关联算法和不敏卡尔曼滤波相结合,用于杂波环境下的单目标跟踪。该算法同时解决了测量方程非线性情况下的滤波问题和杂波环境下的目标跟踪问题。给出了PDA-UKF算法的仿真过程,提供了一个基于距离、方位角、俯仰角的目标跟踪问题的仿真算例。理论分析与仿真结果均表明,该算法提高了滤波的稳定性和跟踪的精确性,具有较高的实用价值和广泛的应用前景。     

H∞鲁棒滤波在机动目标跟踪中的应用

在交互多模型中通常使用的卡尔曼滤波器中，引入广义H∞鲁棒滤波器，以一定的精度为代价，换取满意的鲁棒性能。H∞鲁棒滤波算法可以分解为卡尔曼滤波和鲁棒化两个环节，从而形成一种基于增益失调因子的结构化分解算法。、为验证算法的有效性，进行了Monte Carlo仿真。仿真结果表明，本文算法跟踪复杂机动目标时跟踪性能有较大提高，有很好的可实现性.