时差与测向结合解高重频信号定位模糊的方法

被动时差定位系统对高重频信号定位模糊的问题,一直以来是关注的热点.采用时差与测向相结合的方法,依据雷达布站结构,对空域进行合理划分,减少时差配对过程中的虚假配对,在不要求系统具有很高测向精度条件下,有效地改善了对高重频信号定位模糊的问题.     

基于扩展卡尔曼滤波的机动目标航迹跟踪

针对高速飞行目标航迹跟踪问题,进行了扩展卡尔曼滤波的曲线拟和仿真试验研究.首先建立目标跟踪的数学模型,确定了系统对应的参数及状态方程,进而将线性卡尔曼滤波器进行扩展,将函数形式的滤波模型在函数自变量估计值附近进行泰勒级数展开,求导获得相应雅克比矩阵,在获得观测及系统误差的基础上,得到针对此问题的扩展卡尔曼滤波方程.仿真结果表明该方法的有效性.     

非均匀照明单峰直方图图像的目标分割法

大多数阀值算法在对具有单峰分布和非均匀光照的图像进行分割时存在着许多困难。本文提出的自动生成生长种子的边沿区域增长算法，可以较好地实现对这类图像的分割。该算法根据图像的灰度值分布，自动生成生长种子，与常用的Otsu法相比在分割单峰分布和非均匀照明的图像时，被分割的目标图像边界更精确，更清晰。     

基于熵最优分组的雷达信号参数特征提取算法

雷达信号参数特征提取是电子情报侦察系统中的一个关键步骤,常采用直方图法.但直方图法中有一个关键且较难解决的问题:最优分组问题,且该问题对直方图法的有效性有着决定性的作用.根据信息熵的物理意义及其基本性质,提出一种基于熵最优分组判定准则的直方图算法,对雷达信号参数特征进行提取.并由仿真实验验证了该方法提取雷达信号参数特征的有效性.     

一种强干扰下均匀圆阵弱信号测向新方法

为了解决强干扰背景下常规空间谱估计算法对弱信号不能正确测向的问题,基于均匀圆形阵列(UCA),提出了一种扩展噪声子空间弱信号波达方向(DOA)估计算法。首先将强干扰方向向量并入噪声子空间形成扩展噪声子空间,然后构造波束函数和新的方向向量进行谱峰搜索。本算法能有效抑制强干扰的影响,对弱信号方向进行正确估计。最后计算机仿真实验验证了本算法的有效性和正确性。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。