基于Lyapunov法和势场法的对峙跟踪研究

现有的基于Lyapunov导航向量场算法的对峙跟踪研究中尚未有考虑避障要求的。针对单架无人机对峙跟踪单个移动目标,通过Lyapunov导航向量场法使无人机对目标对峙跟踪。在遇到障碍时,通过距离控制,切换为使用势场法避开障碍区域。在满足一定的距离条件后,通过角度控制,恢复对峙跟踪方式,从而使无人机在对峙跟踪时可以避开障碍区域。仿真结果表明,不管是在单障碍的条件下还是多障碍的条件下,该方法能使无人机有效地避开障碍区域完成跟踪任务。     

战场数据融合仿真系统设计与实现

介绍了一种战场数据融合仿真系统的设计与实现方法。该系统由场景设定、信号产生、融合跟踪处理、目标识别、态势与威胁估计与数据库支持等功能子系统组成,模拟了数据融合的整个信息处理流程,包括:主动探测雷达、雷达侦察设备、通信侦察设备和敌我识别器获取敌我目标观测信息、利用多传感器跟踪数据对目标进行融合跟踪、提取辐射源电磁信息特征对敌方目标识别,进而形成态势与威胁估计。最终在Visual C#开发平台上利用MapX和ORACLE开发了战场数据融合仿真系统,并成功应用于实际系统中,取得了较好的效果。     

多站多目标雷达数据融合

多站多目标跟踪是雷达数据融合的主要问题。提出了一种对测量数据聚类,在类间进行数据融合,之后基于目标的融合状态,采用强跟踪滤波器(STF)对多目标进行跟踪。利用上述方法,进行了各种态势下的仿真实验。     

小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。     

临近空间拦截弹最优弹道跟踪制导律

针对拦截临近空间高超声速飞行器的弹道跟踪过程,基于线性二次型调节器理论和高斯伪谱法设计一种跟踪制导律。为了对标称弹道进行精确跟踪,考虑线性二次型跟踪问题,应用最优控制理论推导最优解的充要条件,得到带时变增益的线性状态反馈控制量的表达式;基于高斯伪谱法,在离散的勒让德-高斯点上利用标称弹道数据计算差分矩阵和系数矩阵,求得状态扰动反馈控制律。仿真结果表明,与基于求解矩阵黎卡提方程的方法相比,该方法选取较少的节点即可获得高精度的反馈控制量,且运算效率大幅提高,满足在线实施要求。     

基于双目视觉的自动跟踪系统应用

在研究双目视觉系统发展现状的基础上,提出将计算机双目视觉技术应用于物体目标的自动跟踪。计算机立体视觉是机器人研究的重要内容,被人们广泛研究。随着研究的不断深入,计算机双目视觉技术在生物医学、制造工业和信息工业等领域逐渐显示出很好的应用前景。主要研究从两幅二维图像获得物体运动轨迹。     

高超声速滑翔飞行器变轨段自适应跟踪制导方法

针对高超声速滑翔飞行器变轨段大偏差条件下的标准轨迹跟踪问题,提出一种基于权值矩阵自适应修正的变轨段跟踪制导方法。分析了变轨段主要控制方式和标准轨迹特性;将简化的纵向运动方程在标准轨迹附近线性化;采用将误差项引进线性二次型性能指标加权矩阵的方式,设计了改进的权值自适应修正跟踪制导方法。CAV-H飞行器仿真分析表明,该方法能够实现高超声速滑翔飞行器变轨段高精度自适应跟踪制导,对初始及过程偏差具有良好的鲁棒性。     

基于转弯模型的自适应交互式多模型跟踪算法

针对舰炮火控系统中搜索雷达对来袭导弹跟踪为背景,提出一种基于坐标转弯模型(CT)的自适应交互多模型跟踪算法(AIMM-CV/CT),模型集取为一个匀速和一个坐标转弯模型,滤波器采用各子滤波器模型噪声方差在线计算调整的自适应交互式多模型算法;给出了比例导引规律来袭导弹的航路仿真方法,并对AIMM-CV/CT与IMM-CV/CT算法进行了仿真比较.仿真结果证明了本文算法的正确性和有效性.     

卫星导航天线阵的载波联合跟踪算法

测量卫星导航信号在天线阵各阵元上的载波相位之差可用于卫星波达方向解算,但传统的各阵元独立跟踪算法在干扰条件下无法实现高精度跟踪且容易失锁。针对此问题,通过将天线阵各阵元的载波相位分解为公共的平均载波相位和低动态的残余载波相位,提出了一种联合载波跟踪算法。该算法利用平均载波相位为每个阵元共有的特点,通过对全部阵元的联合处理来提高其跟踪精度,同时通过缩小环路噪声带宽来提高残余载波相位跟踪精度。理论分析与仿真结果表明,该算法提高了波达方向解算所需的阵元间载波相位差的测量精度及跟踪灵敏度,四阵元天线阵在典型应用条件下,跟踪灵敏度提高4d B,相同载噪比下载波相位差测量精度提高3倍。     

矢量多边形并行栅格化数据划分方法

针对多边形并行栅格化中的负载不均衡问题提出一种新的数据划分方法,主要包括:迭代计算划分线的位置,在每次迭代中保证分块间的计算量大致均衡,完成数据划分、实现负载均衡;提出基于二叉树的划分结果融合策略,以解决跨边界多边形的融合问题。在多核CPU环境下实现并行算法,选用多个典型土地利用现状数据集进行测试。结果表明:针对不同类型多边形数据集,所提方法较传统方法可获得更高的并行加速比和更好的负载均衡;针对大数据量数据集,以多边形节点数为度量标准可更精确地估算分块计算量,从而更好地实现负载均衡。