基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。     

通用扩张状态观测器鲁棒飞行控制方法

针对存在参数不确定、外界干扰与测量噪声情况下飞行控制问题，提出一种基于通用扩张状态观测器的鲁棒飞行控制方法。首先基于状态相关的Riccati方程（SDRE）控制方法，对飞行器俯仰通道非线性模型进行扩展线性化；而后引入基于通用扩张状态观测器的控制方法，设计干扰补偿增益，实现对外界干扰的估计与补偿；最后通过在线解算状态相关矩阵及代数黎卡提方程，得出状态反馈增益与干扰补偿增益，实现对飞行器期望攻角的跟踪控制。通过与已有方法进行对比，验证了本文所提方法不仅对系统模型不确定性与外界干扰具有较强鲁棒性，而且在较大测量噪声情况下，其依然能够保证良好的跟踪控制效果，具有较强的工程应用价值。     

基于自适应累量算法的舰船轴频电场信号检测方法

提出一种新的舰船轴频电场信号检测方法.该方法利用高阶累量对高斯噪声的抑制作用,首先使用基于自适应累量算法的FIR滤波器对接收信号进行滤波消噪处理,以提高信噪比;然后再对滤波输出信号进行滑动功率谱检测.实测数据处理结果表明了该方法的稳健性和有效性.     

一种非均匀采样的宽带雷达数字正交解调方法

数字正交解调是宽带雷达数字接收机的重要组成部分,灵活性和实时性是数字正交解调设计的关键问题。从二阶采样和多相滤波的原理出发,提出了基于非均匀采样的数字正交解调方法,给出了算法的实现结构,并通过仿真验证了算法的正确性。通过与低通滤波法、多相滤波法比较结果表明,基于非均匀采样的数字正交解调方法具有优化的实现结构和更好的实时性,可以用于宽带雷达数字接收机的设计。     

基于“当前”统计模型的改进自适应滤波算法

针对"当前"统计模型算法跟踪弱机动目标性能较低的缺陷,在分析当前统计模型算法及滤波增益特性,参考了几种修正的当前统计模型算法思路的基础上,根据能够抑制滤波发散的渐消因子构造了基于"当前"统计模型的自适应滤波算法。仿真结果表明该算法克服了当前统计模型的缺陷,在实时性与精度两方面得到了平衡,易于工程实现。     

一种JPDA的快速算法

为使标准JPDA算法能在实际工程中实时应用,着重在JPDA的主要计算环节进行了改进和实时性提升,提出了一种JPDA的快速算法。通过引入"关联目标类",对确认矩阵进行降维,即把一个高维数矩阵分解成若干"相互独立"的低维矩阵。提出了一种互联概率的递归计算方法,减少拆分矩阵巨大的内存占用需求。同时还对相关波门和滤波方差计算进行了改进。仿真结果表明,快速算法比标准JPDA算法的计算时间有显著缩短,在不是"太密集"的多目标环境下具有一定的工程应用价值。     

潜艇TMP问题透析与展望

针对潜艇指控系统目标运动要素解算(TMP)存在的主要问题,从算法理论和作战使用要求等方面进行了系统分析.探讨了潜艇目标运动要素解算的合理结构,肯定了理论模型整个TMP过程中所起的主导地位,并对未来研究所具有的潜力进行了挖掘.强调TMP过程人机交互和多条件综合控制的重要性,指出了TMP今后的研究发展方向.     

基于单GPS观测的SINS姿态校正方法

针对车(船)载惯性和GPS组合导航系统(INS/GPS),研究单天线GPS对INS的姿态校正方法。提出一种基于单天线GPS进行捷联惯导(SINS)机动中对准和姿态校正方法,该方法以GPS两个不同时刻的不共线速度向量为参考向量,利用TRIAD算法进行姿态确定,并设计了Kalman滤波器估计姿态四元数。仿真试验表明该方案能较好地校正惯导系统的初始对准误差,并通过实时校正保持长期的姿态精度。     

月球轨道超长波天文观测微卫星在轨数据预处理方法

围绕“嫦娥4号”月球轨道超长波天文观测微卫星展开研究，针对微纳卫星对地数传资源的限制，提出一种在轨信号预处理方法：通过10通道数字下变频链路实现原始数据的变频接收，再利用多级滤波器抽取获得低采样率基带数据，下变频本振频率可调，在对地数传资源约束下保证了不同频带数据的灵活选取。以上方法实现了一种10频点超窄带梳状滤波，仿真验证表明，采样率80 MSPS基带带宽为1 kHz的情况下，此方法可在现场可编程门阵列平台上稳定运行，能保证带内平坦度和线性相位等关键技术指标, 数据量与直接下传原始数据相比，降低了3个数量级以上。     

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。