扩展状态UKF和水下地形匹配的捷联系统误差估计方法

捷联系统进入匹配区时导航一定时间后已积累了一定的误差,采用适当的信息融合策略对误差进行估计并补偿可提高后续航行精度;通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究了其估计效果,并与非扩展状态UKF算法进行了对比研究.仿真结果表明:所提出的方法可行,而且基于扩展状态UKF的误差估计方法相比非扩展状态UKF方法具有更好的估计精度,研究结论为匹配区内估计捷联系统导航误差提供了参考.     

优化多星协同观测的改进广义模式搜索算法

多星协同观测可以最大化卫星的整体效能,如何对多星进行部署是一个设计空间大、设计变量多的优化问题.对此,提出了基于Kriging模型的改进广义模式搜索算法.在算法的搜索步,通过代理模型最优和最大期望提高在当前网格内进行选点,避免选择的盲目性;在筛选步,利用代理模型预测筛选集中各点提高的比例并排序,减少不必要的仿真分析.最后,采用该算法对多星部署方案进行优化,通过对比发现,算法性能优于STK-Analyzer,证明了算法的可行性和有效性.     

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。     

限定广义纳什均衡及其控制罚算法

广义纳什均衡问题通常有很多解,只有在相当严格的条件下,才有可能得到唯一解。如果任意选取其中之一作为该问题的解,显然是不合理的。为此,提出限定广义纳什均衡的概念。通过给共同约束相对应的拉格朗日乘子增加约束的方法,找出具有某些特性的解。为了求解限定广义纳什均衡,还进一步给出了控制罚算法。     

隶属度信息辅助的红外多目标模糊关联算法

针对红外多目标跟踪,利用红外序列图像中目标隶属度信息建立改进的多目标关联算法。该算法是基于模糊c均值聚类方法,以红外目标运动状态和背景环境变化引起的红外目标隶属度信息变化为选择门限,适时切换算法赋值策略,以提高特殊环境下多目标关联的适应性。通过仿真对比证明了该方法具有更好的跟踪精度和稳定性。     

目标定位和跟踪的卡尔曼滤波加 BP 神经网络的方法

首先分析了卡尔曼滤波应用于单目标定位与跟踪时需要校正的因素,接着用具有反向传播（ＢＰ）学习算法的前向网络,建立校正原理和校正网络体系结构,最后分别给出了它对第１类和第２类火控系统应用的数学模型。     

卡尔曼滤波在坦克目标状态估计中的应用

分析了现有机动目标数学模型及其卡尔曼滤波算法,并用数字信号处理器(DSP)对一个实际算法进行了实验.实验结果表明目标机动性能的提高将使坦克火控系统由于采用现行目标运动模型而产生较大的误差,因此,在火控系统中采用其他模型,如自适应模型等,势在必行.同时,对于跟踪精度高、实时计算量大的卡尔曼滤波算法,应用DSP技术实现具有良好的发展前景.     

神经网络在比例导引目标定位和跟踪中的应用

本文主要讨论了人工神经网络在近程反导中的应用,利用共轭梯度法和黄金分割法对BP网络进行了改进。把BP网络和卡尔曼滤波结合起来,建立对目标定位和跟踪的数学模型。并且对该模型进行了模拟计算。     

虚拟现实系统中的视觉延迟及其克服算法

虚拟现实(VR)技术问世以来,用户在使用基于VR的飞行模拟器时有时出现恶心、头晕等不适感,这种现象已引起人们的关注。研究表明,视觉延迟是引起这种不适感的重要原因之一。分析了VR系统中视觉延迟产生的原因,并基于卡尔曼滤波技术,设计了视觉延迟克服算法。算法首先假定头部运动是一个随机过程,且有较大的随机加速度,活动幅度一般不超过80mm,建立了头部运动的随机数学模型;其次,采用了测量数据预处理技术以提高预测精度。理论分析和仿真检验都表明,该算法与以往的预测算法相比,计算量增加很少,但预测精度得到了明显的提高。进而减缓了图像的抖动和对操作者头部运动的限制,提高了与虚拟场景的适应能力。     

带混合误差的Ishikawa迭代格式

将Ishikawa型迭代格式的收敛性问题推广到带混合误差的Ishikawa型迭代格式的情形 ,同时所用的证明方法和技巧有所改进