雷达间歇辅助下雷达红外协同跟踪技术

为了提高作战飞机的隐蔽性,提出了一种基于协方差的机载多传感器管理与辐射控制方法,给出了一种基于扩展卡尔曼滤波和交互多模型的雷达、红外序贯滤波的机载多传感器协同跟踪方法。对利用该方法的机载多传感器目标跟踪性能进行了仿真分析,仿真结果证明了该方法的合理性和有效性。     

三维多目标纯测向无源定位方法

针对多传感器测向定位中方位配对的困难,提出分两步的三维多目标纯测向定位方法.该方法先利用方位信息,粗略估计目标二维位置,并采用方位角误差进行粗略的目标真伪判别,再采用蛙跳式梯度法精确求解目标的三维位置,并利用方位角与俯仰角偏差对目标真伪进行判别.仿真结果表明,该方法能快速地以较高概率、较高精度对多目标进行定位.     

基于Vague集的TOPSIS法求解目标优先级

针对传感器管理中目标—传感器配对出现的目标优先级求解问题,提出了一种基于Vague集的TOPSIS计算方法。在分析目标优先级的主要影响因素基础上,定义了各影响因素的影响系数。同时结合Vague集的TOPSIS法给出了目标优先级的计算步骤,为目标优先级求解提供了一种新途径。并结合仿真算例表明该方法的合理性与有效性。     

机载光电探测设备对地定位算法及其仿真分析

提出了一种基于机载光电探测设备数据和惯导信息的对地定位算法,可以实时地解算出地面目标的经度、纬度和高度等地理坐标信息,用于装定或引导精确制导炸弹打击目标。通过引入蒙特卡罗模拟计算方法对目标定位精度进行了仿真分析,指出各测量组件误差对定位精度影响的大小,为各测量组件的误差分配和系统的整体设计提供了理论指导。从定位方案和仿真结果可以看出,该方法具有对地形鲁棒性强、实时性好和计算稳定性高等优点,适合于复杂的战场环境。     

双联装火炮武器系统零位检测和规正方法

在交汇式双联装火炮武器系统中,火炮装置通过联装两座火炮单元来提高发射率,由于火炮单元自动机轴线与火炮装置的实际架位存在偏差,常规标定方法无法获取此类武器系统火炮架位与跟踪传感器的偏差。本文提出一种交汇式双联装火炮武器系统的零位检测和规正方法,本方法通过零飞方式检查火炮瞄准误差,并根据火炮高低指向实时地计算炮管指向和火炮架位的实际偏差,以准确测量火炮与跟踪传感器的零位偏差,实现交汇式双联装火炮武器系统快速标定。     

车载系统姿态解耦与目标导引算法

对姿态和北向角传感器安装在回转平台上的车载观察瞄准系统中的载体姿态解耦、坐标转换、目标坐标求解和目标导引算法进行了详细分析,给出了目标坐标求解、瞄准线导引算法.给出的算法原理可以直接应用于姿态传感器安装在转动平台上的车载系统的稳定控制,该原理可以广泛应用于各种车载、舰载、机载火控/指控系统中的目标指示、稳定跟踪、目标引导控制领域.     

舰载无人机光电载荷对海上目标搜索决策分析

构建了光电载荷对海面目标收容能力分析模型,提出了＂收容畸变率＂的概念,给出了光电载荷在不同视场角下的最小可用视轴俯角和理论最大探测距离,为光电载荷对海搜索理论与方法的研究确定了逻辑起点;构建了＂搜索参数＂限制分析模型,给出了光电载荷的理论＂搜参＂范围,为实用＂搜参＂范围的确定奠定了基础;提出了光电载荷＂海面分辨力＂的概念,建立了海面分辨力计算模型,给出了光电载荷针对不同的海面目标的实用＂搜参＂范围。     

舰载光电系统粗跟踪分析

针对舰载激光武器光电跟踪系统对精度要求很高的问题,对光电跟踪系统粗跟踪误差源进行了详细的分析。论述了舰载激光武器光电跟踪系统对目标的跟踪过程,探讨了影响光电跟踪系统粗跟踪性能的各种因素,最后分析了舰船运动对跟踪误差的影响。文中给出了舰载光电跟踪系统粗跟踪的主要误差源,并介绍了一种稳定舰载光电跟踪仪视轴的有效方法。     

不确定环境下无人机区域目标搜索及载荷参数影响

针对不确定环境下无人机区域搜索问题,建立了实时探测更新的搜索方法,提出了机载光电载荷参数优化配置策略。建立了基于二维离散网格的无人机区域搜索模型,采用概率地图描述目标信息的实时获取与更新;引入不确定度指标、目标网格的重访和网格探测次数控制,建立搜索目标函数;建立了基于粒子群算法的搜索路径滚动优化方法;通过对任务区域平均探测时间步数和误判概率的估计分析,建立了机载光电载荷参数优化配置策略。使用蒙特卡洛方法验证了区域搜索方法的有效性和光电载荷参数配置对搜索效率、误判概率的影响。     

基于改进协方差控制的传感器管理算法

针对传统的基于协方差控制的传感器管理算法使用全遍历方法所造成的计算量大,以及传感器切换频繁的问题,提出了一种基于改进协方差控制的传感器管理算法。该算法在每一时刻首先判断前一时刻所用传感器组是否能够满足目标跟踪需求,以滤波协方差与期望协方差的偏差作为参考,结合量纲变换和特征值求取,为协方差偏差矩阵经过量纲变换后得到的量纲一致阵的所有特征值设定一个精度阈值,然后判断滤波协方差是否满足期望,从而决定是否维持当前选择的传感器组。在目标作匀速、匀加速、协同转弯等多种场景下进行了算法性能测试分析,仿真结果表明,该算法不仅在大部分场景下满足目标跟踪精度,而且能够提高传感器管理算法的实时性,同时降低传感器的切换频率。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。     

海上对空弹目偏差精度试验的设计分析与应用

对空射击的弹目偏差测量需求十分迫切,利用空间声传感器阵测量弹目偏差向量,提取所需N波的时间宽度和各N波出现的时间,计算处理得到炮手坐标系的弹目偏差。由于采用测偏结果,使得系统射击时直接命中目标。具有测偏校射功能的新型观测设备,对舰炮武器系统和跟踪雷达、光电跟踪仪定型试验是必不可少的测量设备。脱靶向量是定量分析计算舰炮武器系统最重要的性能——射击效力,即命中概率和毁伤概率的依据。虽多次试验结果很好,但仍需要大量试验数据信息进一步验证完善。     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。     

扩展卡尔曼滤波的有向传感器网络移动目标跟踪算法

针对传感器网络中跟踪目标需要大量的节点协同工作,还需要实时处理和传输大量数据,提出一种基于扩展卡尔曼滤波的有向传感器网络目标跟踪算法(EK-MTDC),重点研究了传感器网络中的扇区数量对节点间数据传输与目标跟踪精度的影响,根据对目标状态的分析,通过压缩参与监测的节点个数,选择激活网络中节点相交区域内的节点对跟踪目标进行监测。仿真结果表明,该算法能在不降低跟踪效果的前提下,降低网络能耗,延长其使用寿命。     

线导鱼雷的导引算法、方法和方案及使用性能

依据水下平台获取目标信息的特点和线导鱼雷的导引机制,阐述了线导鱼雷导引控制有关术语的概念、解决的问题及相互关系,指出改善线导鱼雷导引使用性能的根本环节在于对导引方案的优化。通过对“自动导引”方案存在问题的分析,提出优化线导鱼雷导引方案,必须突破依靠单一探测器和“全程跟踪”观念的束缚,充分利用来自各种渠道的目标信息和鱼雷的速度资源,发挥作战使用者的主导地位,才能提高其适应复杂作战环境的能力,进而发挥出武器装备应有的作战效能。     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

通信受限下分布式多传感器协同跟踪算法

在分布式多传感器目标跟踪系统中,由于局部融合中心(LFC)的物理限制(如:有限的频率信道、处理器容量有限等),只能接收有限个传感器的传送数据。此外,信息传输的方式也将影响传感网的使用寿命,因此,研究了通信受限下的分布式多传感器目标协同跟踪问题。首先对监视区内分布的传感器进行聚类分簇形成若干个子网,接着从通信能耗的角度出发,对传感器采集信息的传递路径进行最优路径规划;进而对子网局部状态进行估计,在子网信息融合中,分别采用最大距离和、最大化信息增量两种准则进行最佳传感器选择,最后通过各子网全局航迹融合实现分布式多传感器协同跟踪。仿真验证了算法的有效性。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。     

无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。