基于IMM-RUASFF的网络化目标跟踪算法

针对目前网络化目标跟踪算法存在实时性差、精度低等问题进行了研究。首先,基于网络信息共享需求,建立了网络探测节点的目标跟踪模型;其次,网络探测节点目标跟踪需求和实战要求发现目标经常是有多种运动状态并存,而单一模型的滤波器不能满足对机动目标跟踪性能的要求,采用了基于交互式多模型(Interacting Multiple Model,IMM)的有反馈实时更新的异步状态融合算法。最后,针对多个探测节点目标跟踪的状态融合估计问题,提出了一种有反馈实时更新的异步状态融合算法,通过仿真验证了算法的有效性。     

第19届国际信息融合会议及获奖论文评述

总结了第19届国际信息融合会议的总体情况和主要特点，通过对大会报告、分会场报告以及国际信息融合界一些著名专家团队发表论文情况的统计分析，提炼出国际信息融合界普遍关注的焦点和难点问题；通过对获奖论文的分析，了解到受大会评奖委员会一致认可的年度优秀成果和技术进步点；最后，面向高层信息融合中的不确定性处理，对信息融合领域的发展进行展望。     

单机动目标跟踪建模的新探索

建模是机动目标跟踪领域需要研究的一个重要理论课题之一。根据指挥自动化系统的特点,本文提出了一种新的更符合指挥自动化系统战术要求的圆弧机动模型——非线性机动中心坐标系模型(Nonlinear Maneuver-Centered Coordinates Model—NMCCM),与坐标旋转模型(Coordinated Turn Model-CTM)[4] 和J. A.Roecker的机动中心坐标系模型(Maneuver-Centered Coordinates Model—MCCM)[2]相比,这种新的模型不仅能以较高精度估计出目标的位置、速度和航向,而且能估计出目标圆弧机动的中心和半径,为指挥、辅助决策和实时拦截引导提供更多的参考数据。     

基于HSV模型的运动目标提取与跟踪

为了实现对运动目标跟踪的目的,根据六角椎体模型原理(HSV),运用自适应阈值分割的方法,将运动目标从背景中提取出来,并对目标的运动轨迹进行计算与预测.利用Matlab 6.5,实现了单目标的提取与跟踪.经分析,这种方法速度较快,占用资源较少,非常适合工程应用.     

潜艇水声对抗及水声对抗器材的应用

依据装备的发展,在论述潜艇水声对抗的地位和战术特点的基础上,从水声对抗器材作用原理的角度,把目前国内外水声对抗器材归为噪声干扰、气幕屏蔽、声学诱骗三种类型。通过剖析这些水声对抗器材的对抗机理,深入分析了它们适宜的应用时机和可能实现的战术目的。进而,提出了各类水声对抗器材在使用时机方面对潜艇作战效果所具有的两面性,以及潜艇使用水声对抗器材后自身的机动策略是达成其战术目的的重要环节。     

三关节机器人的神经网络补偿自适应控制器设计

三关节机器人广泛用于工业生产、轮式或履带式排爆机器人,为了补偿由于机器人结构参数、作业环境干扰等不确定性因素造成的机器人动力学模型的不确定性,将机器人动力学模型分解为名义模型和误差模型两部分,其误差模型采用RBF神经网络进行补偿,得到其估计信息,神经网络的输出权值根据Lyapunov稳定性理论采用自适应算法进行调整。所设计的神经网络补偿自适应控制器解决了不确定性机器人动力学系统控制器设计的不确定性问题,同时,通过定义Lyapunov函数,证明了控制器能渐近、稳定地跟踪期望轨迹。机器人的3个关节在控制器的作用下,约在5 s时达到期望轨迹,神经网络约在5 s时逼近机器人动力学模型的误差模型,实验结果表明了机器人关节对期望轨迹具有良好的轨迹跟踪性能。     

空中多飞行器飞行轨迹优化数值仿真

针对空中多飞行器在复杂环境中飞行轨迹的多目标最优问题，分析了多飞行器飞行过程中各种可视和不可视约束条件。基于在回避威胁区前提下燃料消耗最少、飞行时间最短的综合性能指标，采用“多方法组合”思路，提出了改进动态规划法和多点边值法组合算法，并进行了仿真验证，大量C＋＋数值飞行仿真结果表明该算法能够在考虑外界复杂环境和飞行器各种约束条件下快速规划出空中多飞行器的最优飞行轨迹，该组合算法具有一定的实用性和创新性。     

临近空间高超声速目标跟踪方法研究?

临近空间高超声速目标跟踪技术研究在空天防御系统中具有重要军事意义和理论价值。本文综述了临近空间高超声速目标跟踪中的目标运动建模、目标跟踪算法等研究内容的研究进展，并对其存在的问题进行了深入分析。针对这类目标跟踪存在的问题，结合临近空间高超声速目标探测跟踪需求，指出了临近空间高超声速目标跟踪技术的研究思路，为相关研究提供了参考。     

基于不完全测量数据的飞行器轨迹参数估计

提出基于稀疏优化的轨迹参数估计新方法,通过降低参数空间的维数改善模型的病态性。利用B样条函数实现轨迹参数的稀疏表示,根据轨迹参数与测量数据的关系建立估计轨迹参数的稀疏表示寻优模型,采用高斯牛顿法获得模型的解。寻优模型中待估参数的数量取决于样条节点数,利用样条函数的高阶导数在节点处的不连续性建立了选取样条节点的稀疏优化模型,采用凸优化方法求解该模型,实现样条节点数的最小化。仿真结果表明,稀疏优化方法能够大幅度提高不完全测量段落轨迹参数的估计精度。