结合流形滤波的矩阵信息几何检测器

针对小样本、非均匀杂波下的信号检测问题,提出一种基于流形滤波的矩阵信息几何检测器,将信号检测问题转化为矩阵流形上的几何问题。将每一个样本的相关性数据建模为一个托普利兹正定矩阵,在此基础上,利用每一个样本数据的邻近矩阵进行加权平滑滤波,去除一部分杂波能量,提升目标与杂波间的区分性。计算了辅助样本数据对应矩阵的几何均值,通过比较待检测样本数据矩阵与几何均值矩阵之间的距离与检测门限的大小,以实现信号检测。实验结果表明,与自适应匹配滤波相比,本文方法在小样本、非均匀杂波下具有明显的性能优势。     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

融合阈值法和边缘提取的图像分割算法

针对阈值法分割目标区域不完整和边缘提取断续边缘多的问题,提出了一种融合阈值法分割和多尺度边缘提取的图像分割算法。该算法充分利用阈值分割提供的目标区域信息和边缘提取给出的边缘信息,采用基于区域生长的最大轮廓法连接断续边缘,填充目标孔洞,完成目标分割。利用Matlab平台对该算法进行了验证,结果表明:该算法能有效分割出目标完整轮廓。     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

一种提高舰炮精度的观测数据处理新方法研究

传统舰炮对目标观测数据处理以舰炮安装部位为基准,舰艇由于摇摆和船体变形等造成基准点变化会产生观测目标数据处理误差,影响舰炮射击精度,研究分析了舰艇平台状态和舰炮基准假设对舰炮射击理论精度的影响,提出了以舰艇摇摆中心为基准的观测目标数据处理新方法,建立了观测目标参数计算数学模型,提高射击诸元的解算精度。     

基于SDE模型的雷达组目标角度跟踪方法

针对低信噪比下的组目标实时跟踪精度低的问题,提出一种基于随机微分方程(stochastic differential equation,SDE)模型的多输入多输出雷达目标角度跟踪方法.应用随机微分方程进行建模描述,利用马尔可夫链蒙特卡罗粒子滤波算法来进行连续推理.仿真结果验证了该方法的有效性,并显示低信噪比情况下的组目...     

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合.并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性.     

舰载平台下的光电跟踪技术

针对舰载近程舰炮武器系统振动、烟雾等使用环境,提出了基于目标航迹滤波算法及舰炮火控技术相结合的光电记忆跟踪技术,并在某型舰载近程舰炮武器系统中应用,应用分析表明,此技术大大提高了光电在舰炮射击时的跟踪稳定性,也为后续解决高频振动和炮口烟雾等对光电跟踪影响提供了思路.     

一种搜索鲁棒的中国余数定理的多基线相位解缠绕技术

多基线相位解缠绕的性能深受噪声水平制约，比如基于经典中国余数定理的相位解缠方法，由于其糟糕的抗噪声性能，限制了其在实际中的广泛运用。基于搜索鲁棒的余数定理，通过引入公因子，构建新的同余方程组，提出了一种搜索鲁棒的中国余数定理的相位解缠方法。仿真实验验证了该方法的有效性，并表明选择合理的公因子可以有效提高算法的抗噪声性能。     

基于粒子滤波技术的电机信号降噪方法

为了给电机故障诊断提供准确的诊断数据,提出了粒子滤波降噪方法。首先基于离散余弦变换建立电机信号的状态方程,状态变量即为离散余弦变换的各系数,此状态方程是一种非线性状态方程;在此基础上,基于粒子滤波方法对含噪测量信号进行状态估计,即可获得离散余弦变换的各系数,然后,通过对这些系数进行重构得到故障诊断所需的实际信号。最后,通过对实际数据进行降噪分析,结果表明所提方法是可行有效的。