大型卫星地面站故障诊断的增强分层有向图方法

为了解决传统分层有向图模型在卫星地面站故障诊断面临的问题,提出了基于增强分层有向图模型的故障诊断方法。在建模过程中,考虑到卫星地面站故障征兆多、建模复杂,依据各设备工作状态的故障传播方式合并同类节点,以减小模型规模;同时,在模型中加入节点有效性使能函数,克服传统分层有向图模型中设备主备切换导致系统结构发生改变时需要重新建模的问题。在故障诊断推理过程中,采用反向回溯和正向推理相结合的方法减小故障源搜索空间,并基于各节点被搜索次数给出故障概率,提高诊断效率。以北斗卫星无线电测定业务地面站为例对单故障和多故障报警场景下的故障诊断方法进行了验证。结果表明,基于增强分层有向图模型的故障诊断方法可以提高故障诊断的准确率和全面性。     

自旋载体中的超紧组合GNSS接收机跟踪环路设计

自旋载体是全球导航卫星系统接收机的一种典型应用。当全球导航卫星系统载体自旋时,旋转产生的高阶动态将导致传统跟踪环路失锁;全球导航卫星系统与惯性导航系统组合可以有效补偿信号的高阶动态。因此,提出了一种利用惯性导航信息辅助卫星导航信号跟踪的超紧组合导航接收机环路设计方法,并分析了惯性导航信息辅助速率、自旋载体转速和信号载波相位误差之间的关系。通过仿真验证了所提接收机环路结构可以有效解决自旋载体接收机的信号跟踪问题,且相比于卫星导航单系统三阶环路而言,所提超紧组合环路结构可以显著提升自旋载体接收机的定位精度。     

基于极坐标多普勒伪状态的最佳线性无偏估计算法

理论和实践已经证明,除位置量测外,包含目标速度信息的多普勒量测具有有效提高目标状态的估计精度的潜力。基于目标匀速运动场景在直角坐标系下提出了一种可使用多普勒伪量测(即距离量测与多普勒量测的乘积)和多普勒伪状态的跟踪算法。从理论上讲,它是在最佳线性无偏估计准则下的近似最优线性无偏滤波器,并且避免了量测转换方法的根本缺陷。通过与目前几种流行的方法进行仿真比较,验证了新算法的优越性和可靠性。     

机动目标IMM三维并行滤波跟踪算法

由于复杂的空中目标机动,其三维方向的机动强度是不一致的,传统IMM算法存在模型匹配不准确的问题,提出一种机动目标IMM三维并行滤波的跟踪算法。算法以CV和修正的CS模型为子集,在3个坐标轴上分别根据目标机动的分量实际更新其模型概率,并行IMM滤波方法,尽量确保模型的适配性,提高滤波精度。仿真结果表明,该算法比传统IMM方法跟踪精度更高,对空中机动目标跟踪适应性更强。     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

满足线性二次型调节器性能指标的群系统编队跟踪问题优化控制方法

针对群系统编队跟踪问题,提出一种满足线性二次型调节器性能指标的优化控制方法。建立编队跟踪问题的数学描述和设计编队跟踪控制协议。给出群系统实现编队跟踪的充要条件,借助李雅普诺夫第二方法分析系统的稳定性。得到了控制协议能够最小化线性二次型调节器性能指标的拓扑条件,设计了编〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCWL.TIF;%129%129〗听语音 聊科研与作者互动 队跟踪算法。仿真实验验证了控制方法的有效性。     

基于改进IMM-UKF的弹道导弹再入段跟踪数据滤波?

针对弹道系数未知的弹道导弹再入段跟踪雷达测量数据滤波这类非线性强的滤波问题,提出可变多模型无迹卡尔曼滤波算法。利用无迹卡尔曼滤波逼近精度高,计算量小,适应于任意非线性模型的特点,将其作为多模型的基本滤波器;滤波算法根据各模型正确描述目标状态的概率,动态地改变多模型数量和模型参数。上述方法的综合运用,提高对目标状态估计精度,降低了计算的复杂度,仿真实验验证了方法的有效性。     

基于概率图模型的海上多目标跟踪

针对海上复杂环境中多运动目标跟踪问题,提出了一种融合概率图模型和粒子滤波的跟踪方法.该方法采用二元马尔可夫随机场构建多目标模型,利用势函数表示其联合概率分布,最后用变差分法和粒子滤波推理后验概率密度.通过二阶回归模型准确构建状态转移方程,以及Mean-Shift迭代加速粒子采样,提高了算法精确度和运行效率.实验表明:该方法能很好地实现海上复杂环境中的多目标实时跟踪.     

基于检测的人体跟踪算法

传统的目标跟踪算法需要人为标定跟踪区域,且受到漂移问题的影响。为了解决这些困难,针对人体跟踪问题,提出了一种新的基于检测的跟踪算法。为了减少漏跟踪,使用了多个检测算子,用来定位多个身体部位,将其检测结果映射到一个相同的身体区域。为了适应快速运动的目标,使用KLT跟踪和凝聚聚类将检测窗口连接起来形成人体轨迹。实验结果表明:使用多个检测算子明显地提高了跟踪性能;KLT跟踪对于快速运动目标具有适应能力。该算法基本满足实时性。     

一种双门限自适应多模多目标跟踪算法

针对机动目标的交互多模跟踪滤波器,提出了基于模型过程噪声自适应调整的双门限的AIMM算法,并对其性能进行了研究,该算法对模型初始参数不敏感,具有稳定性,在目标模型与目标实际运动偏差较大的情况下,具有较好的跟踪性能;针对密集杂波和多目标情况下的目标跟踪,将多模交互滤波的模型自适应调整算法与JPDA算法结合,提出了AIMMJPDA算法的思想与实现。仿真结果显示该方法在机动目标跟踪方面具有模型调整简单、跟踪实时性良好的效果。