基于粒子滤波的目标跟踪抗野值算法

运用粒子滤波对目标位置进行跟踪时,测量数据的异常突变点、目标的机动转弯、粒子数量的制约和重要性密度函数的优劣都会导致估计误差较大的野值出现,这将严重影响雷达对目标的跟踪精度。现有的野值剔除方法在目标发生机动时,都存在误剔率较高的问题。针对这个问题,采用莱特准则与机动门限准则相结合的方法,提出了不确定观测点的概念,设计了一种适用于机动目标的抗野值粒子滤波算法。仿真结果表明,该方法能较好地检测和更新野值,降低跟踪误差,提高跟踪精度。     

一种基于多项式和α-β-γ滤波的双工跟踪模式研究

针对测控实时数据处理中,α-β-γ滤波器启动阶段弹道参数误差较大的问题,提出了一种双工的跟踪模式。该模式下α-β-γ和多项式滤波器同时对弹道参数进行滤波,只选取一套滤波后的数据输出,通过数据的优选,最终得到高精度弹道参数。理论分析和仿真结果表明:双工的跟踪模式跟踪精度高,适合实时系统应用。     

基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.     

进化粒子滤波算法在雷达目标跟踪中的应用

进化粒子滤波算法通过模仿生物进化体制,以牺牲大量的计算量为代价增加样本集的多样性,从而较好地缓解了样本贫化现象.将进化粒子滤波算法应用于雷达目标跟踪过程中,变异强度的选择参考系统噪声与观测噪声性质,并通过粒子匮乏现象的强弱选择是否应用进化算法,从而大大减少了计算量.仿真结果显示所提出的算法对雷达目标跟踪有较好的应用价值.     

释放点排布方式对水雾红外遮蔽性能的影响

水雾作为一种优良的红外伪装措施，受到了越来越多的关注。水雾遮蔽性能的仿真研究也成为了关注的焦点，但是始终没有一种有效的仿真途径来探讨水雾释放点排布产生的影响。针对这一问题，基于高斯扩散理论与Mie散射理论，提出了一种空间划分的建模方案，解决了这一问题，并根据仿真结果，简单分析了相同条件下不同释放点排布方式对其红外辐射遮蔽性能的影响。所得结论对制定有效的红外对抗策略有一定的参考价值。     

新型管压传感器的研制及应用

针对目前外卡式管压传感器存在的问题，设计制作了一种新型外卡式ICP（Integrated Circuit Piezoelectric）型管压传感器。利用该传感器采集了柴油机高压油管压力信号，通过对测试信号的无延时实时滤波、去趋势项和归一化处理，实现了柴油机转速的准确计算；通过时域波形的分析，提取了4个喷油特征点。研究结果表明：该传感器具有使用方便、性能可靠和测试准确的特点。     

择集滤波及其在图像信号处理中的应用

探讨了择集滤波的原理及聚类择集滤波的实现方法 ,并在漏磁检测中的裂纹三维图像重建中进行了应用 ,达到了保护图像信号结构成分及一些细节的目的 ,提高了图像清晰度。     

一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。