用神经网络估计红外目标运动

本文介绍使用经神网络由图象序列估计光流的方法。 在基于局部刚性、平移运动和平滑约束条件下,设计一个神经网络估计光流。 本文介绍使用真实红外图象试验结果,以验证本方法与霍恩(Horn)和申克(Schunck)算法比较的效率。     

用差分方法解二阶线性常微分方程边值问题的误差估计式的改进

关于二阶线性常微分方程边值问题的差分解法的误差估计式,所见文献中都是借助于极值原理,给出误估计为(M(b-a)~2/96)×h~2.本文利用矩阵的理论和方法,得到的估计式为(M(b-a)~2/96)×h~2·(1/1 (q/2)×h~2),与已有的估计式相比较,有所改进,而且体现出系数q(x)     

利用跟踪应用的主观知识进行估计

在传统估计理论的框架内,没有技术上合法的方法来利用不能用确定性模型或精确的概率模型编篡的知识。我们介绍在估计中同时结合主、客观知识的理论上说得通的方法(协调的客/主观估计(COSE),还讨论一种对主观先验贝叶斯应用给予特殊解释的技术(启发式约束估计(HCE)。我们把COSE、HCE和经典的最大后验概率(MAP)估计应用于跟踪问题。     

变结构多模型估计第Ⅳ部分——模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器.在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应.它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比.本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计.研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示.这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征.仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较.     

变结构多模型估计第IV部分:模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器。它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应。它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比。本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计。研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示。这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征。仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较。     

使用并行博尔兹曼机计算互联概率

在传统的估计理论中,确切地知道量测与哪些参数或者状态互联。但是,在多目标跟踪这样的问题中,事先不知道量测将与哪一个目标的状态矢量互联。因此,为了实现跟踪算法,必须得到量测源于给定目标的概率估计。当可以用序列算法精确求解这种数据互联问题时,对于大量的目标和杂波点,这种方法可能变得难以处理。本文介绍使用并行博尔兹曼(Boltzmann)机求解数据互联问题的新计算方法。该方法证明,如果能得到充分数量的并行博尔兹曼机,就可以用任意小的误差计算互联概率。第i个量测源于第j个目标的概率β~ji可通过观察神经元v(i,j)在两维网络各层中“激活”的相对频率简单地得到。本文还介绍一些简单的例子,以便对博尔兹曼算法和精确的数据互联解的性能进行比较,还与使用霍普菲尔德(Hopfield)神经网络的另一种并行方法的性能进行了比较。     

基于RBF神经网络的直接自适应飞行控制器

设计了一种径向基神经网络(RBF NN)飞行控制器结构,并给出了相应的控制律和参数调节律。由于调节了RBF NN的全部参数(连接权、高斯函数的中心和宽度),得到了很好的控制性能。以F8战斗机为控制对象进行了仿真分析,仿真表明,在存在70%的模型误差的情况下,该控制器仍然能实现较好的跟踪控制,表现出很好的鲁棒性,远远优于传统的只调节连接权值的算法。     

精密加工过程切削用量和表面粗糙度关系的模糊化处理方法

在金属切削原理中,用切削用量可以估计理论表面粗糙度。由于切削过程的复杂性,实际加工表面粗糙度和理论表面粗糙度有较大差距。本文采用模糊模式识别方法,对切削用量和表面粗糙度的关系进行了实验研究。本人介绍的理论方法、实现技术路线和实验结果,为以后开展ＦＭＳ或ＣＩＭＳ中智能化质量监控技术的进一步研究打下了基础。     

用多维数据互联的有效多传感器融合

本文介绍多目标跟踪的用多维数据互联的多传感器融合算法的发展。这项工作是受大规模监视问题的推动,在这种监视问题中,来自具有不同采样间隔(电子扫描阵(ESA)雷达)的异步传感器观察值用于集中式融合。用多维分配的多传感器融合的综合,对于由分配算法处理的S个表,除了“传感器宽度”外,还要使“时间层次”最大化。在有S个传感器的情况下,将来自最近到达的S-1个帧的量测值与已经建立的航迹互联的标准方法可能有零时间层次。对于S维数据互联(S≥3),所介绍的新技术保证最大效率,即对于没有损失融合重叠传感器的每一个传感器,保证最大时间层次(S-1)。使用滑窗(长度为S)技术,在每一个量测帧之后更新估计。对于使用具有多维分配数据互联的多传感器融合,该算法提供多目标跟踪的自动航迹形成、保持和结束的系统方法。对于一个大规模空对地目标跟踪问题,介绍了使用模拟数据的估计结果。     

多传感器综合系统中的航迹相关算法

本文研究多传感器综合系统中的航迹相关问题。本文运用抽象代数和非贝叶斯决策理论并借鉴统计模式分类思想,提出一种新的航迹相关算法——K 近邻域(K—NN)航迹相关法,并把航迹相关化成了数学上的集合划分和商集构造问题。K—NN 算法把本次相关与其历史联系起来,把相关分成五个阶段,并采用了阈值的自适应技术,定义了相关函数、相关质量、相关向量、向量范数和以范数为基础的统计距离。仿真结果表明,它的效果明显好于最近邻域法,克服了极大似然(ML)和经典分配法的不足,并且也不象似然比(LR)法依赖于某些先验分布。它特别适合密集目标环境/交叉、分叉和机动航迹较多的场合,通常可在普通的计算和通讯资源上实时运行,并且比较便于工程实现。     

小型无人机航位推算定位算法研究与误差分析

对空中航位推算(DR)算法做了深入研究,提出了适用于小型无人机(UAV)的风速估计策略;将算法中各元素的误差对推算定位精度的影响进行了理论分析与数值计算;该研究结果应用于某小型UAV的航位推算/GPS组合导航系统的设计与实现中;飞行试验表明,通过提高对DR误差影响较大的元素的测量精度和风速的估计精度,有效提高了DR推算精度,与以往其他小型UAVs相比,在断开GPS对DR的修正后,DR精度保持在一定范围的持续时间显著延长.     

用批递归估计器纯方位跟踪机动目标

本文介绍一种新的批递归估计器用杂波中的纯方位量测跟踪机动目标(即,低信噪比(SNR)目标)。标准的递归估计器跟广义卡尔曼滤波器(EKF)一样由于缺乏初始目标距离信息而造成粗劣收敛和不稳定状态。另一方面,批估计器不可以处理目标机动。为了纠正这些缺陷,本文用概率数据互联将批最大似然——概率数据互联估计器(ML-PDA)同递归交互多模型(IMM)估计器组合,在有杂波的条件下产生较好的航迹初值和航迹保持结果。还论证,批递归估计器可以用于基于目标状态估计的自适应己舰机动决策,以提高目标的可观测性。跟踪算法对有8dB信噪比的目标被证明是有效的。     

用于目标跟踪的分布式融合结构和算法

现代监视系统经常利用多物理分布的不同类型的传感器,提供对目标的辅助和重叠作用范围。为生成目标航迹和估计,传感器数据需要加以融合。虽然集中式处理方法在理论上是最佳的,但把融合操作分布到多个处理节点有很多优点。本文讨论了分布式融合结构,每个节点处理它自己的一组传感器数据并与其他节点进行通信以改进估计。引入信息图形作为模拟分布式融合系统的信息流和发展算法的一种方法。目标跟踪融合包含两种主要操作方式:估计和互连。基于信息图形的分布式估计算法用于任意融合结构并与线性和非线性分布估计结果有关。根据跟踪到跟踪互连似然估计,讨论了分布式数据互连问题。介绍了两种流行跟踪算法的分布式方式(联合概率数据互连和多假设跟踪)并给出应用实例。     

跟踪大量重叠目标的多分配算法

本文叙述用于跟踪大量密集(和重叠)物体的使用多分配的数据互连新技术。从促进该项工作的一个生物医学问题入手,即从一个图像序列跟踪一组纤维细胞(组织)单元来说明该算法。由于它们互相靠近以及难于从质量不好的图像序列精确地分割出图象,这些单元实际上是密集物体(CSO)。该算法介绍了一种新的二叉迭代多分配方法,它利用了带有修正成本的递减尺寸的逐个一对一分配。导出根据当前分配级“深度”和跟踪结果调整的成本函数。用所得到的分配来形成,保持和终止具有修正型概率数据互连(PDA)滤波器的航迹,除互连多个量测到单条航迹之外,它还可以处理多条航迹对单个量测的竞争。给出估计结果并与标准二维一对一分配算法的结果相比较。说明了迭代的多分配产生较好的量测到航迹互连。本文介绍的算法可用于其他一般的跟踪问题,包括密集空中交通警戒和控制。     

变结构多模型估计第V部分——可能模型集合算法

本文提出了一种称为可能模型集合(LMS)算法的变结构多模型(MM)估计器,它适用于大多数混合估计问题并且比较容易实现。在任何时刻使用所有与系统模式匹配的模型。本文讨论了该模型的不同版本。最简单版本通过删除所有不太可能的模型,激活所有主要模型可能跳变的模型来获得模型集合的自适应,从而获得可能的期望系统模式转移。通过一个跟踪机动目标和一个失效检测和识别的例子来演示了LMS估计器设计和应用的通用性、简单性和容易性。文中也给出了算法同其它一些固定结构-变结构估计器在费效比方面的比较结果。     

基于脉冲串信号的无源定位系统频差估计误差CRLB分析

频差估计是无源定位系统中的关键部分,其估计精度直接决定了无源定位系统的性能。本文对单频脉冲信号频差估计误差方差的Cramer-Rao下限(CRLB)进行了理论分析研究。在建立数学模型的基础上,定量分析了频差估计误差CRLB与接收信号参数的数学关系。通过直接公式推导和数值仿真归纳,分别得出了相参/非相参单频脉冲信号频差估计误差CRLB的解析表达式,该结论可用于指导基于频差估计的无源定位系统设计。     

广义的目标运动分析的特性和性能

目标运动分析(TMA)已经是重要文献的主题。然而目前的方法是使用短时间分析估计的数据(方位,多普勒等)。对于远的声源,可以简单地建立由于声源运动引起的声呐阵列处理输出的非平稳性模型。该模型有可能直接考虑时空TMA。然后可以估计新的(时-空)数据。这些估计值相当于一个长时间分析。还要注意:估计新的数据与(传统的)方位无关。在这种一般结构中,声源轨迹概念代替了传统的瞬时方位。从而研究了相应的TMA算法。另外还仔细研究了统计性能。     

作战系统开发和验收试验的仿真

本文介绍美国海军程序开发者和验收试验机构在作战系统一级(以舰艇级别为基础的最高一层级别)共同使用的仿真程序。作战指挥系统(CDS)子系统执行舰载作战系统的指挥和控制。为实现这一功能要求有来自雷达、声纳和通信数据链的传感器信息。以这些传感器输入为基础显示出一个一致的图象,为对付每个威胁使用什么武器提供正确的决策。CDS也与武器系统接口,根据威胁的优先权逻辑直接交战。传感器信息连续输入CDS系统,而且根据环境、目标的流量和天气杂波可以实现高稳态和瞬时数据率。在本文中,CDS、传感器、通信设备和武器系统的组合等于作战系统。 美国海军使用的CDS采用高性能、多中央处理机的、能处理大量输入/输出数据的军用数字计算机。显示设备一般采用图形和数据显示,人机接口对确保获得和理解正确信息特别重要,致使决策能在无复杂性的情况下执行。指挥和控制硬件要求采用实时软件结构,以满足处理任务要求。 CDS程序的开发要求对各种传感器、数据链和武器系统接口进行实际或合理的仿真。这种要求是为了在开发的后期阶段和其后的试验阶段有适当的激励。本文介绍在美国海军综合作战系统试验所在由程序开发者和试验者使用的实时仿真程序开发方面的情况。     

基于二进制传感器网络的目标运动方向估计方法

介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。     

用IMMPDA固定延迟平滑算法对杂波环境下机动目标的多传感器跟踪

本文对于在杂波环境下用多个传感器跟踪一个高度机动目标提出了一个次优的固定延迟平滑算法。此固定延迟平滑算法是把基本的交互式多模型方法(IMM)和概率数据互联(PDA)技术应用到扩展状态系统上发展而来的。在过去这种方法只使用在确切考虑量测来源(即无杂波)的马尔科夫开关过程上。本文通过对一个高度机动目标跟踪的仿真例子来说明这个算法,其中仿真假设有两个传感器:一部雷达、一部红外,都作用在密集环境下。提出的平滑算法引进了在估计时刻与最新量测之间的一个短时延迟,使得在航迹估计精度上与已有的IMMPDA滤波算法相比,有了显著地提高。而且其计算量只是随着延迟时间线性增长。然而,在一些应用中跟踪的延迟可能导致在控制闭环中产生不希望有的影响。