多基纯距离测量条件下基于全局收敛策略的目标定位方法

在多基阵纯距离测量条件下,为提高目标定位精度,首先建立了多基纯距离目标定位系统最小二乘估计模型;然后,将全局收敛策略与高斯-牛顿法相结合,得到了解决多基纯距离目标定位问题的基于全局收敛策略的牛顿迭代算法,算法保留了二阶以上的观测误差;最后,对算法进行了仿真实验。仿真实验表明:与线性近似法相比,基于全局收敛策略的牛顿迭代算法提高了定位精度,增强了定位稳定性,有效地改善了多基纯距离目标定位系统的定位性能。     

全局收敛策略静止目标纯距离测量下的参数估计方法

将全局收敛策略与高斯-牛顿法相结合,得到了解决非线性最小二乘问题的改进高斯-牛顿法;并将该方法应用于静止目标纯距离测量下的参数估计问题;仿真试验表明,改进后的高斯-牛顿方法对测量误差不敏感,具有更快的收敛速度和更高的精度。     

纯方位目标运动状态的极大似然估计及迭代算法

针对非线性最小二乘法在国内目标运动分析中应用较少的现状,首先在二维平面内推导出关于纯方位目标运动状态的极大似然估计的计算公式并给出了基于高斯-牛顿迭代算法的计算过程及步骤,随后分析了极大似然估计的性能和迭代算法的收敛性.仿真计算的结果表明:当迭代初值与目标真实状态充分接近时,用所推导出的计算公式能够快速稳定地得到关于目标运动状态的极大似然估计,迭代算法形式简洁,计算量小.该研究成果可应用于舰艇作战系统目标被动跟踪定位软件.     

融合初值校准与二阶逼近的单星测频定位算法

为减小单星测频定位的误差,提出一种融合初值校准与二阶逼近的单星测频定位算法。该算法在卫星接收信号多普勒频移为零的时间点,通过测距获得卫星到定位目标的距离信息,利用距离信息修正轨道平面与定位目标的几何关系,为初值的选取提供校准手段;将校准的初值代入含二阶级数的定位方程泰勒展开式,通过较少次数的迭代得到定位目标的真实位置,从而降低定位的算法复杂度,提高定位精度。仿真结果表明,所提出的算法与多普勒单星定位算法相比,迭代次数和定位误差大幅度减小,其实现简单、计算量少、误差小,在单星定位研究领域具有较高的理论价值和实用价值。     

多基纯方位目标交叉定位中的非线性最小二乘方法

纯方位目标定位方法广泛应用于被动探测系统中,通常采用最小二乘方法对多基平台交叉定位结果进行估计定位.在纯方位定位估计中的最小二乘方法主要采用线性近似法,但难以满足实用中的非线性特性,因此导致定位精度难以提高.从非线性估计出发,利用牛顿迭代的非线性最小二乘估计算法对交叉定位结果进行估计,保留了二阶以上的观测误差,迭代趋于收敛.仿真结果表明与线性近似法相比,牛顿迭代法提高了定位精度,增强了定位稳定性,有效地改善了多基纯方位目标定位系统的定位性能.     

基于入侵杂草算法的水下目标TDOA定位方法

针对水下传感器网络中定位精度不高的问题,提出了一种基于入侵杂草算法的水下目标定位方法.利用入侵杂草优化算法,以定位误差为目标函数,优化设计未知节点的位置初值;利用初值和距离干扰参数估计粗略解,并引入目标定位误差来构造新的定位方程;根据加权最小二乘算法求解获得未知节点的精确解.通过与克拉美罗下界进行比较,验证了算法性能.仿真结果表明,提出的优化定位方法可得到更好的定位精度.     

层次分析法中相对权重的改进算法

以层次分析法为背景,分析了确定相对权重的常用算法存在的诸多问题.将和行归一法、方根法与乘幂法相结合,解决了迭代初值的选取问题.将Aitken加速技术引入乘幂法,构建了新的迭代数列,列出了新的算法步骤,解决了线性收敛问题.通过实例对比验证了改进算法的优越性.     

非线性最小二乘算法在双基地雷达目标定位中的应用

双基地雷达的目标定位解是一个非线性优化问题,引入了高斯-牛顿迭代法解非线性最小二乘方程组,为了提高迭代的收敛性和目标位置解的准确性,采用精度最高的一组测量子集单元解算出的定位解作为迭代初始值,并充分利用了所有的观测信息.仿真结果表明,采用该种算法迭代次数少,比简化加权最小二乘算法(SWLS)有更准确的目标定位解,从而使得整个受控区域内的定位精度有较大提高,定位性能得到优化和改善.     

神经网络在某交流伺服系统建模中的应用

针对某交流伺服系统的模型辨识问题,提出了基于遗传算法优化的BP神经网络的辨识方法.BP神经网络在非线性系统的辨识中已得到了广泛的使用,但是其存在易陷入局部极小值和对网络结构初值要求高等缺点.根据遗传算法具有全局寻优的特点,先用遗传算法优化得到神经网络权值和阈值的初值,再由BP算法进行局部寻优.辨识结果表明,该算法辨识精度高、收敛速度快.     

一种基于正交迭代的无人直升机着舰相对位姿估计方法

针对基于视觉的舰载无人直升机自主着舰过程中的相对位姿估计问题,选取着舰标志图像的角点特征进行求解,提出了一种基于正交迭代的位姿估计算法。该算法为满足位姿估计结果精确、鲁棒和高效的要求,采用目标空间误差作为误差函数,并基于透视投影模型给出迭代初值,相对于随机给定初始值而言,使得迭代次数减少,收敛速度提升;在迭代过程中,通过绝对定向方式来求解空间共线性误差最优值问题。仿真结果表明:该方法实时性好、精度较高,具有全局收敛性。