基于半定规划的无源跟踪最佳传感器选择

在多站测向定位系统中,观测站与目标的几何位置影响目标定位跟踪精度。以目标估计的克-劳美罗下界(CRLB)行列式最大值为优化指标,在考虑传感器自身的探测能力等实际约束的前提下,建立了无源协同跟踪下最佳传感器选择优化模型。提出了一种基于半定规划(SDP)算法将上述组合优化问题转换为凸优化问题,进行优化求解。仿真结果验证了算法的有效性,与松弛算法和随机选择算法相比,基于SDP的传感器选择可以进一步提高无源协同跟踪的精度。     

基于LabVIEW的地下震源定位系统设计

针对小区域浅层地下震源定位中,由于震动信号受传输介质复杂、传感器不稳定等因素影响,出现初至波提取困难、震源定位低精度等问题,设计了基于LabVIEW的地下震源定位系统,实现三轴信号合成、基于小波变换的阈值去噪、基于改进的长短时窗(STA/LTA)的初至提取、基于时差技术(TDOA)的联合定位算法等功能模块。结果表明,该软件在10 m×10 m×3 m的区域内,初至特征提取精确到10-4s,定位精度精确到0.1 m,可以广泛应用于爆破定位、信息侦查等领域。     

基于MGEKF的单站无源定位跟踪算法

单站无源定位跟踪技术具有隐蔽性强、设备简单,系统相对独立等优点,有着广阔的应用前景.为了提高定位精度和收敛速度以满足实时化需求,在现有的基于多普勒变化率的单站无源定位算法的基础上.详细推导了基于MGEKF的定位算法以解决EKF算法的不稳定性,并通过计算机仿真比较了两种算法的性能,结果表明MGEKF定位算法提高了定位精度、收敛速度和稳定度,定位结果能够满足实际需求.     

基于K-LC1a收发器和DSP的近程测距系统设计

针对FMCW雷达测距原理和差频信号特点,基于价格低廉的K-LC1a雷达收发器和TMS320VC5509A DSP(数字信号处理器)设计了一套近程测距系统。介绍了FMCW(调频连续波)测距原理及系统结构,设计了中频信号的放大滤波处理、模数转换数据采集和数字信号处理等关键模块。最后对目标测试结果进行软件仿真,在不同距离的目标测试下,结果显示正确。该系统工作稳定可靠、受环境影响小、有广阔的应用前景。     

导引头加速度盲补偿技术研究北大核心

雷达导引头对有加速度的目标进行探测,采用传统的FFT相关检测会导致目标能量在多普勒通道上的扩散,使导引头的检测性能下降,通过补偿加速度可以将分散的目标信号能量汇聚在较窄的频带内。将从工程应用角度,提出一种加速度盲补偿技术,首先分析加速度对PD信号检测的影响;接着分析补偿原理,并以此建立加速度盲补偿的数学模型;最后对影响补偿效果的参数进行分析。     

一种基于知识辅助的MIMO-STAP抗干扰算法北大核心

针对有源干扰环境下机载MIMO雷达的杂波抑制问题,利用预白化的思想,提出了一种基于知识辅助的MIMO-STAP抗干扰算法——KA-J-STAP方法,首先利用载机平台运动参数、雷达系统参数、干扰方位等先验信息构造相关协方差矩阵,后利用相关协方差矩阵对接收数据进行预白化,对杂波和噪声预置零,对于预白化后的数据空时自适应处理。仿真结果表明,相比于未采用知识辅助的算法,所提KA-J-STAP算法在干扰环境下仍能保持较好的杂波抑制性能。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

有/无人协同探测编队指挥控制系统结构设计

针对有人机动雷达/无人机集群（manned mobile radar/unmanned aerial vehicle cluster,MMR/UAVC）编队指挥控制系统结构设计问题进行了研究。以未来无人机蜂群探测任务为背景,提出MMR/UAVC协同探测作战模式,结合编队组织结构和作战流程,对指挥控制系统总体设计提出具体要求。在此基础上,设计了包括决策规划层、协同控制层和效能评估层的递阶式指挥控制系统结构,概括了各层次主要功能与逻辑关系。对指挥控制系统的关键模块和支撑技术进行了分析。     

前置点比例导引制导律对抗拖曳诱饵研究北大核心

以典型拖曳式诱饵干扰模式为设计对象,结合导引头跟踪诱饵的工作模式和前置点比例导引制导律的设计,对末制导抗拖曳干扰导引方法进行了理论推导与分析,为导引头抗拖曳诱饵干扰措施的设计与验证提供了理论依据。     

基于事件的视觉SLAM综述

事件相机是一种生物学启发的新型视觉传感器。不同于传统相机输出强度图像帧,事件相机检测每个像素点的亮度变化,当亮度变化超过某一阈值,产生包含像素位置、时间戳及变化极性的像素级事件输出。同步定位与地图构建(SLAM)是一种让机器人独立估计自身位置并同步增量式地构建周围环境地图的技术,使用传统相机进行SLAM已经是一个成熟的话题,但在高速、高动态范围等挑战性场景下,传统图像帧易产生运动模糊。事件相机具有低延时、高时间分辨率、高动态范围等优秀特性,可以在SLAM领域弥补传统相机的不足,但“事件”这种非常规的异步输出形式导致了处理范式的转变。首先介绍了SLAM技术的基本流程,其次介绍了DVS、ATIS和DAVIS三种典型的事件相机,列举了基于事件的SLAM性能评估方法,梳理了事件寿命估计、时间平面表示、事件帧表示等事件数据的不同处理方式,然后回顾了事件相机在国内外视觉SLAM领域的应用研究并进行了总结和对比,最后对基于事件的视觉SLAM技术作了总结并展望了其未来发展趋势。综述表明,事件相机可以进一步拓宽视觉SLAM的应用场景,但新的数据形式和尚不成熟的硬件体系限制了基于事件的SLAM的发展。未来基于事件的SLAM可以围绕以下主题开展进一步研究:新的基于事件的传感器的研发、新的处理事件数据的方法、基于事件的SLAM与深度学习的结合以及基于双目事件的SLAM。