机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

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。     

自适应低空机动目标角跟踪算法

在现代战争中,空中目标的低空作战方式严重威胁了地面的作战单位。针对轻型防空武器系统,提出了一种基于角度的跟踪算法,对低空机动目标的飞行特性进行分析,采用"当前"统计模型,利用扩展卡尔曼滤波理论,同时通过最小均方算法对机动频率进行自适应调整,实现了对目标的角跟踪和预测。仿真结果表明,与固定机动频率的角跟踪算法相比,该角跟踪算法具有更好的跟踪性能,误差明显减小,并且该算法具有计算速度快、稳定性好等特点。     

干扰条件下基于MMSE准则的弹载雷达认知波形优化

针对杂波、噪声和干扰环境中弹载雷达扩展目标检测识别问题,结合认知理论,在频域基于最小均方误差(minimum mean-square error,MMSE)准则提出一种新的雷达发射波形优化算法,用以抑制杂波和对抗干扰。建立雷达信号时频模型,通过目标参数贝叶斯估计构造以均方误差为代价的功率受限目标函数,利用拉格朗日乘子法得出最小代价发射信号频域能量最优波形表达式。仿真结果表明,算法能够针对目标频率响应和杂波、干扰的相对强度合理分配发射信号的频域能量,提高目标估计精确度,优化雷达检测识别性能;仿真条件下,最小均方误差准则优化波形目标识别性能优于互信息量准则。     

静止观测站下机动目标的推广卡尔曼角度跟踪算法

采用"当前"统计模型,提出了静止观测站下机动目标的推广卡尔曼角度跟踪算法,实现了对目标的角度跟踪和预测,并对此算法进行了Monte-Carlo计算机仿真.通过分析目标角度的误差均值与误差均方值,表明此算法有较好的角度跟踪与预测能力.     

高超声速滑翔目标多层递阶轨迹预测

为给高超声速滑翔目标态势与威胁评估、拦截防御等提供先验知识,提出一种多层递阶轨迹预测方法。该方法借鉴多层递阶预测理论对预测模型进行随机补偿,将轨迹预测问题分解成气动参数和模型误差的混合预测以及在此基础上对目标轨迹的预测。方法首先利用气动参数增广状态向量进行动力学建模,对气动参数和模型误差进行混合估计,根据参数估计值进行时间序列预测。然后,在参数预测的基础上,利用动力学模型积分预测目标轨迹。仿真设计了2种有规律的飞行模式仿真场景,分析跟踪与预测时间对预测精度的影响,结果表明算法具有稳定可靠的轨迹预测能力。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。     

IMM-Singer模型的机动目标跟踪算法

交互式多模型(IMM)算法是一种有效机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关。Singer模型算法可以实现对机动目标的跟踪,但该算法存在机动频率和过程噪声大小等参数难以选取的问题。针对以上情况,利用IMM算法易于结合其他算法的特点,提出一种基于IMM-Singer模型的机动目标跟踪算法,实现Singer模型参数的自适应选择。仿真结果表明,该算法比单一的Singer模型算法或一般的IMM算法更能有效提高机动目标跟踪精度。     

自适应交互多模型火控跟踪算法

以舰载近程防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法,模型集合取为"当前"统计模型和匀速直线模型.该算法采用后验估计的方法在线辩识及自适应调整上述两个模型的噪声方差,并且采用加权系数限定准则,实现机动目标运动模式与模型集合的自适应.仿真计算证明了该模型算法的有效性.     

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。     

A high performance waveform and a new ranging method for the proximity detector

Signal modulation is an essential design factor for proximity detectors and directly affects the system’s potential performance. In order to achieve the advantages of chaotic codes bi-phase modulation (CCBPM) and linear frequency modulation (LFM) simultaneously, this paper designed a waveform which combined chaotic codes bi-phase modulation and linear frequency modulation (CCBPM–LFM) for proximity detectors. The CCBPM–LFM waveform was analyzed in the aspect of time delay resolution (TDR) and Doppler tolerance (DT) based on ambiguity function (AF). Then, a ranging method, which we called instant correlation harmonic demodulation (ICHD), was presented for the detector using the CCBPM–LFM waveform. By combining time domain instant correlation with harmonic demodulation, the ICHD solved the problem caused by combination modulation and made the most of the linear frequency modulation (LFM) harmonics and the correlation of chaotic codes. Finally, a prototype was implemented and ranging experiments were carried out. From the theoretical analysis and experimental results, the proximity detector used the CCBPM–LFM waveform has an outstanding detection performance.     

双变因子LMS自适应滤波算法

为提高最小均方(LMS)自适应滤波算法的性能,在步长因子与误差信号满足一种改进的Sigmoid函数关系式的基础上,提出了一种双变因子控制下的变步长LMS自适应滤波算法。该算法具有初始状态收敛速度快、稳定状态均方误差小、抗噪声性能好、适应系统跃变能力强的优点。计算机仿真结果验证了该算法的优越性。     

磁性目标跟踪的后验克拉美罗下限分析与计算

为了求解磁性目标跟踪问题的后验克拉美罗下限(PCRB),提出了PCRB-GMSPPF算法。该算法利用高斯混合采样粒子滤波算法对目标状态的真实后验概率密度分布进行抽样,再通过蒙特卡洛积分法迭代求解每个观测时刻的Fisher信息矩阵,进而得出目标状态估计的PCRB;克服了基于PF算法求解PCRB过程中由于粒子退化和贫化问题造成不能从后验概率分布中正确抽样的缺点;在建立磁性目标跟踪的状态模型和观测模型的基础上进行仿真分析,将求解出的PCRB与采用GMSPPF及PF算法进行跟踪的均方根误差做对比,验证所提的PCRB-GMSPPF算法的有效性,结果表明:针对磁性目标跟踪问题,PCRB-GMSPPF算法较PCRB-PF算法具有更好的准确性,并可用于一般的非线性模型跟踪误差下限分析。     

基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

多指数连续相位调制信号的早迟环定时同步

针对多指数连续相位调制信号提出基于序列检测的早迟环定时同步,利用维特比算法的幸存度量构造定时误差估计器。根据误差估计的S曲线和方差,优化定时误差捕获范围和估计精度、消除环路假锁点,同时利用多指数连续相位调制的脉冲幅度调制分解对定时误差估计器进行简化。仿真结果表明,优化后的早迟环定时误差捕获范围最大可达±0.5个符号周期,估计精度在中低信噪比下能够接近修正的克拉美罗界,在高信噪比下也有较好的估计性能;当早迟环定时支路的分支度量简化至最大似然序列检测的1/8时,对多进制、部分响应的多指数连续相位调制信号,造成的解调性能损失小于0.5 d B。     

BDS导航信号抗电离层闪烁载波跟踪的自适应卡尔曼滤波算法

电离层闪烁会引起导航信号幅度和相位的快速衰落,严重影响跟踪环路的精度和稳健性,而相比频率跟踪和伪码跟踪,载波跟踪环路更易受电离层闪烁的影响而失锁。因此,提出一种基于相位锁定指示自适应扩展卡尔曼滤波的北斗导航信号抗电离层闪烁载波跟踪算法,其以同相与正交支路的积分结果估计相位锁定指示值,并采用该指示作为控制参数对不同闪烁场景下扩展卡尔曼滤波的观测向量进行自适应调整,这不仅能够提高跟踪环路的精度和稳健性,而且能够降低扩展卡尔曼滤波发散的概率。实验结果验证了相关分析和所提跟踪算法的有效性。     

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。     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。