As-IPDA算法的天波超视距雷达目标跟踪研究

天波超视距雷达(OTHR)具有低数据率、低检测概率和低量测精度特征对目标跟踪提出挑战.针对OTHR在低检测概率下跟踪目标存在失跟率高的问题,将As-IPDA算法应用到OTHR目标跟踪中,通过大量的仿真实例验证了As-IPDA算法在超视距雷达目标跟踪应用中的可行性,并分析了平滑步长、航迹存在性转移参数、目标检测概率对算法性能的影响,给出了算法参数选择建议,为工程应用提供理论参考.     

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。     

一种基于当前统计模型的模糊交互多模型算法

研究了模糊交互多模型算法(FIMM)和基于当前统计模型(CS)的自适应滤波算法,提出了一种基于当前统计模型的模糊交互多模型算法(CSFIMM)。该算法克服了模糊交互多模型算法精度较低和当前统计模型自适应滤波器方差调整有限的缺点。通过仿真,对所提出的算法和交互多模型(IMM)算法以及FIMM算法在估计精度和计算量两个方面进行了比较。     

惯导系统摇摆扰动基座对准技术

摇摆扰动基座上惯导系统初始对准扰动干扰信号强度较大,有用量测信号强度小,系统信噪比弱,对准过程滤波收敛慢.为提高惯导系统在摇摆扰动基座上的对准精度及对准快速性,设计了基于马尔科夫递推滤波参数估计的对准方案,通过开路粗对准及闭路精对准,实现游移方位惯导系统在扰动基座上的平台调平、航向确定及陀螺漂移测定,试验结果表明,所设计的方案达到了较好的效果.     

基于三级数据关联的红外点目标跟踪方法

介绍了目前红外系统的目标跟踪方法；在目标跟踪时的数据关联阶段，提出了三级门限数据关联算法，根据门限级别所划分的疑似目标点位置，算法采用不同的数据关联策略。该算法能减少轨迹分叉时的计算量，能有效地检测出速度〈1像素／帧的运动点目标。实验结果证明了该算法的有效性。     

跟踪雷达无塔校相方法及应用

在测控、火控和情报侦收等系统中,雷达的跟踪校相依赖于标校塔。通常的无塔校相是以浮空信号源代替标校塔,仍会在实战中暴露我方的位置和参数,招致反辐射导弹的攻击。首次提出伪相关解调技术,只需在跟踪接收机内增加一移相器,便可利用雷达通常都有的上行自检信道实现校相。方法极为简单、经济,适用于各种单脉冲跟踪体制,对迅捷完成大量现有雷达的改造,提高战场隐身能力,有很大参考价值。     

基于“当前”统计模型的衰减因子自适应跟踪算法

针对机动目标跟踪问题,叙述了加速度方差自适应的"当前"统计模型.提出了一种具有自适应衰减因子的滤波算法,并对该算法进行了较为深入的理论分析.这种衰减记忆滤波具有集机动检测与参数自调整于一体的能力,最后Monte-Carlo仿真结果表明,这种自适应算法较原算法有较大的改进.     

基于模型跟踪变结构控制的飞行重构控制律设计

提出一种基于模型跟踪变结构控制的飞行重构控制律的设计方法.利用该方法能实现受控对象对理想模型较高精度的跟踪,使重构飞行控制系统具有较好的控制性能.首先设计了一个比例-积分滑模面以确保消除稳态误差,采用极点配置技术使滑模具有良好的动态品质,其次利用饱和控制技术来减少变结构控制引起的抖振现象,最后以某型飞机纵向飞行控制系统为例进行了相应的数字仿真.结果表明重构系统不仅实现了无抖振模型跟踪,而且还具有较强的鲁棒性.     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。     

基于模糊多传感器数据融合的目标跟踪系统

为了克服使用单个传感器的局限性,目标跟踪系统中引入了多传感器数据融合(MSDF)算法.MSDF能有效减小污染传感器测量量的噪声,又可排除估计过程中的无效测量量.它既能处理线性传感器的数据融合问题,又能处理含噪声的非线性传感器的数据融合问题.为了克服缺乏目标运动的前期信息的不足,目标跟踪系统中还运用了模糊运动学过程模型.因此,尽管缺乏有关目标运动及估计过程中所包含的传感器前期统计信息,该目标跟踪系统的性能却与基于已知目标精确过程模型的广义卡尔曼滤波器的目标跟踪系统相当.