基于稀疏Toeplitz测量矩阵的雷达回波重构

提出了元素服从高斯分布稀疏Toeplitz结构的一种确定性测量矩阵的构建方法。该方法主要稀疏化服从高斯分布的元素构造的Toeplitz测量矩阵。理论分析和仿真实验表明,这种测量矩阵能以高概率满足限制等距性,其稀疏Toeplitz结构更容易在硬件上实现和数据存储。在对雷达信号回波处理中稀疏Toeplitz结构测量矩阵取得了更精确的重构结果,相关性较低,可有效用于对稀疏信号的压缩测量。     

基于模糊多传感器数据融合的目标跟踪系统

为了克服使用单个传感器的局限性,目标跟踪系统中引入了多传感器数据融合(MSDF)算法.MSDF能有效减小污染传感器测量量的噪声,又可排除估计过程中的无效测量量.它既能处理线性传感器的数据融合问题,又能处理含噪声的非线性传感器的数据融合问题.为了克服缺乏目标运动的前期信息的不足,目标跟踪系统中还运用了模糊运动学过程模型.因此,尽管缺乏有关目标运动及估计过程中所包含的传感器前期统计信息,该目标跟踪系统的性能却与基于已知目标精确过程模型的广义卡尔曼滤波器的目标跟踪系统相当.     

壳体材料对地磁传感器测量弹体转速的影响

为消除弹丸壳体材料对地磁传感器测量弹体转速时采集数据的影响,分析了地磁传感器测量弹体转速的原理和数据采集电路的组成.采用铝壳材料和钢壳材料作为弹丸壳体进行数据采集,通过对采集数据的分析,获得了铝壳材料和钢壳材料对采集数据的影响参数.     

用多任务雷达和光学传感器进行目标跟踪的异步数据融合

本文研究了融合来自两个不同传感器的异步数据的技术,其中一个传感器以比另一个传感器高的速率提供数据。目的是:当用另一个传感器观察时,同时获得高数据率传感器数据的最小二乘法估计。先前研究的同步数据融合算法被用来融合时间一致的数据以更新目标状态估计。考虑了融合来自光学传感器和雷达数据的情况,其中,光学传感器以高速率提供周期性数据而雷达以低数据速率提供拟周期数据。通过提供类似于由际准序次数据处理方法所得的结果的仿真,证明了利用这种数据融合方法的跟踪滤波器的性能,这种标准的序次数据处理方法需要更多的有效计算。     

基于统计加权的单传感器数据融合算法

单传感器数据融合是十分重要的实际问题。为了提高数据处理的敏感性和精度,在研究基于关系矩阵的数据融合方法的基础上,提出了基于统计加权的数据融合方法,并对两种方法进行了对比分析。实例仿真表明,基于统计加权的数据融合方法优于基于关系矩阵的数据融合方法,该方法能减小无效测量值的范围,并且对测量值的变化更敏感。     

飞行器交会对接中基于滤波方法的传感器故障诊断处理

针对两个空间飞行器交会对接过程中追踪飞行器上的各单个测量传感器,探讨了其基于滤波方法的动态过程故障诊断及相应的处理,并特别针对目标相对于传感器的最大机动指数较低的情况,分析了相应的故障诊断及处理方法。     

一种倾角传感器观测补偿方法

基于电导率原理的倾角传感器,常被用于测量被测物的倾角值,为系统的角度解算提供倾斜角度值.通常安装倾角传感器时,使其敏感轴向与被测物的横倾轴、纵倾轴平行.则认为传感器的输出即为观测得到对应轴的倾斜角度值.然而,通过分析,发现两轴观测角度之间存在某种耦合关系.为了使输出观测值更接近于真实倾角值,提出一种基于电导率原理双轴倾角传感器的解耦模型,并利用几何方法得到用于补偿观测角度的公式.通过对测量数据的计算,证明补偿后的倾斜角度观测值更加接近对应轴所倾斜的角度真值.     

基于矩阵分析的D-S证据理论的多传感器雷达体制识别

采用不确定推理的矩阵分析方法,建立了用于雷达体制识别的多传感器数据融合的数学模型,提出了一种基于矩阵分析的多传感器信息融合的新算法,结合多传感器多测量周期的雷达体制识别给出了具体的实例.识别结果说明了该算法的有效性.     

多层次信息融合技术在燃气轮机故障诊断中的应用

探讨了信息融合技术在燃气轮机故障诊断中的应用,构建出一种燃气轮机多层次信息融合故障诊断模型.在模型的数据融合层,采用了自适应加权融合算法,以最小化传感器测量不确定度为目标对同源测量数据进行了融合,其结果再经特征层进行故障特征的提取和融合,最终通过决策层给出诊断判定.数值实验结果证明,该故障模型能有效减小传感器测量不确定度对于诊断的不良影响,所得诊断结果的合理性和精度均得到了提高.     

多传感器数据融合技术在防空C3I中的应用

为了增强防空C3I系统的整体作战效能,在介绍多传感器数据融合技术的基本理论、一般处理模型、体系结构设计和MSPDAF数据融合算法的基础上,利用多传感器数据融合方法建立了一种防空C3I系统结构模型,并以探测某型巡航导弹为例,对其进行数学仿真.根据仿真结果可知,应用多传感器数据融合技术能够有效提高对目标的探测精度.     

基于Jerk模型的一种改进多传感器数据融合算法

简要介绍了目前存在的一些机动模型和基于状态估计的滤波算法。将Jerk模型与强跟踪滤波算法有机地结合起来,并提出了一种通过时空综合分析的测量方差自适应估计方法以优化强跟踪滤波算法中次优渐消因子和滤波增益的在线选择,同时结合多传感器数据融合具有改善滤波精度的性质,最终给出了一种基于Jerk模型的改进多传感器数据融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

基于多传感器径向速度测量的目标跟踪方法

针对基于位置信息的目标跟踪在初始跟踪和运动模型变化阶段航向估计精度低的情况,利用传感器径向速度测量精度较高的特性,提出了一种基于多传感器径向速度测量的目标跟踪方法,解决数据更新周期长、定位精度低情况下目标跟踪的精度问题。仿真实验证明采用文中所提方法对跟踪精度有较大的提高。     

基于HHT军用电源逆变器电力谐波检测分析

电能逆变器是军用电源系统的核心,为提高军用电源输出电压电力谐波分析效果,提出改进型希尔伯特-黄变换(HHT)方法的检测分析方法,并设计基于LabVIEW平台的电压谐波检测和分析装置。在研究双闭环控制策略的基础上,针对模态混叠问题,先使用数字滤波器对输出电压信号进行预处理,再进行改进HHT分析,得到输出电压谐波分量的幅频分布,并利用MATLAB对军用电源逆变器模型进行仿真。结果表明该方法可以对军用电源变换器输出谐波分量实时检测和分析,计算精度高,分析效果好,为下一步的谐波抑制方法研究提供有力支持。     

滤波器阶数对导航接收机时域抗干扰的影响分析

滤波器阶数是影响卫星导航接收机时域自适应抗干扰性能和计算复杂度的核心参数。为了解决当前阶数选取严重依赖工程经验而影响分析不足的问题,分析了滤波器阶数对导航接收机时域自适应抗干扰性能的影响,可为导航接收机低复杂度时域抗干扰的研究提供理论支撑。该分析面向不同干扰环境,分别以滤波器幅频响应和信号载噪比为评估指标,并通过仿真实验和实测对传统最小均方算法和改进型最小均方算法进行验证,提出了一种基于数字滤波器设计的自适应最优滤波器阶数的设计方法。实验数据分析表明,通过适当提升滤波器长度,可以有效提升时域自适应滤波器的抗干扰性能;在实际应用中,可根据实际抗干扰需求,对滤波器阶数进行优化设计。     

多传感器测向定位方法研究

无源定位技术具有良好的隐蔽性,对于提高系统在电子战环境下的生存能力有着十分重要的意义.因而采用多传感器的无源定位技术在军事领域中有着广泛的应用.建立了仅利用有角度信息的多传感器无源定位模型,在测向时间同步的条件下,利用基于UKF的序贯滤波算法提高定位精度.仿真结果表明滤波算法有效.     

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。     

大攻角下基于卡尔曼滤波的大气参数修正算法

针对新一代航空飞行器在大攻角飞行时大气数据系统测量精度严重下降问题,提出了基于卡尔曼滤波的大气参数修正算法。该算法利用大气数据测量信息和惯性导航信息,基于飞行器力学方程构建卡尔曼滤波器,通过卡尔曼滤波的方法实现对大气参数的修正。仿真结果表明,经卡尔曼滤波修正后的大气参数能够有效消除大攻角下原始大气参数的剧烈波动性误差,并与真实大气参数吻合较好,有效的提高了大气数据系统在大攻角飞行状态下的测量精度和可靠性。     

目标跟踪系统中野值的判别与剔除方法

目标跟踪系统观测的目标坐标值,不仅包含随机误差,有时由于干扰等原因,使得测量值含有远大于随机误差的粗大误差,通常称为野值。带有野值的测量值将导致滤波系统产生记忆效应和误差,甚至导致滤波过程发散。因此,对测量过程产生的野值应予剔除。结合对Kalman滤波原理的分析,说明了基于Kalman滤波的野值判别与剔除方法,并提出了野值判别门限值的计算方法。     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。