智能天线在伪卫星增强系统中的抗干扰作用

过去的十年中,卫星导航技术在武器系统的导航和制导领域得到了很好的应用.但是,系统的应用过程中无线电射频干扰对其通信链路的性能会产生极大的影响,智能天线技术是一种比较有效的抗干扰措施.对伪卫星增强系统多种智能天线的自适应算法进行了比较分析.结果表明SMI算法相对其他算法而言在收敛速率和天线方向图的效果上皆有相当的优越性.适合于伪卫星增强系统的干扰抑制应用.     

数字化扩频接收机的自适应抗干扰滤波方案研究

讨论了自适应抗干扰滤波在最小频移键控的直接序列扩频(DS-MSK)数字化接收机中的应用问题,对非线性滤波加以改进,提出了部分解扩非线性滤波(PDNF)结构,将快速更新子带自适应滤波(FRSAF)算法用于PDNF结构以提高收敛速度。结合FRSAF算法的PDNF自适应抗干扰滤波方案在收敛速度、稳健性和输出信噪比等方面明显优于结合LMS算法的传统非线性抗干扰滤波方案,仿真结果验证了上述结论。     

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.     

几种UWB-SAR窄带干扰抑制方法的分析和比较

SAR(Synthetic Aperture Radar)信号处理窄带干扰抑制技术是SAR抗干扰技术的重要内容。对3种UWB-SAR(Ultra-W ideBand Synthetic Aperture Radar)窄带干扰抑制方法———陷波滤波法、AR模型参数化干扰抑制法以及小波包分析自适应干扰抑制法进行了分析,利用自行开发的成像软件,对SAR理想点目标和实录数据进行干扰抑制仿真实验,从定性和定量的角度对3种方法的干扰抑制效果作了比较。     

多传感器参数融合研究

防空导弹武器系统为了适应“网络中心战”,对多传感器参数融合进行了研究。给出了同时间点参数融合的加权最小二乘法与不同时间点参数融合的Kalman综合滤波法。对于各方法的性能,不仅进行了简要的理论分析,还给出了仿真实验的数据结果。理论分析与仿真实验都证明了这2种方法具有优异性能。     

基于Kalman滤波对运动目标状态最优预测

给出了运动目标状态空间表达式,Kalman滤波递推公式及算例,实现了目标状态的滤波及预测,对于提高打击运动目标的精度,缩短火力反应时间及简化指挥程序具有较强的实践意义。     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

用于纯方位机动目标跟踪的机动探测法

假设目标在某时刻发生折线机动,并且目标在机动前后都是做匀速直线运动。所提出的机动探测算法通过探测这种变化得到探测时刻。这种算法是基于对方位预测误差的均值变化进行分析的。然后估计出目标机动时刻,并从机动时刻起重新设置滤波器,估计出目标机动后的运动参数。典型的机动TMA态势仿真结果表明,该算法对于一般的目标折线机动可以有效地进行跟踪。     

一种自适应指数加权衰减记忆滤波算法

根据衰减记忆因子为一个常数的不尽合理性的假设,深入研究了指数加权衰减记忆滤波因子,根据滤波收敛条件和滤波模型准确时的新息(残差)特点,提出了具有自适应性、抑制滤波发散的指数加权衰减记忆滤波算法,并通过仿真试验验证了自适应抑制滤波发散的有效性。     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。