一种新的星载高分辨宽测绘带SAR运动目标检测与参数估计方法

针对星载多通道高分辨宽测绘带合成孔径雷达系统,提出了一种地面运动目标检测和参数估计方法,该方法利用空时自适应处理进行杂波抑制,采用传统SAR成像处理得到模糊的运动目标图像,接着利用恒虚警检测技术检测出所有运动目标,包括真实目标和由于多普勒模糊引起的虚假目标,再根据模糊图像的空间位置关系,从所有成像目标中检测出运动目标的真实成像位置,根据运动目标的斜距历程得到因运动目标速度引起的图像位置偏移,由此估计得到运动目标速度。该方法具有运算量小、检测精度高等优点,星载仿真数据验证了本文方法有效性。     

改进Costas环的GPS载波跟踪环路

针对高动态环境下载波信号会产生较大多普勒频移而导致跟踪环路失锁的问题,对其基带信号进行双向限幅以改进Costas环的鉴相特性。同时,采用叉积型鉴频器,通过频率牵引使捕获后的频差达到跟踪模块的工作范围,并根据对锁相环和锁频环的特性分析及其各自的优缺点,选择锁频环辅助锁相环的复合结构。仿真试验结果表明,在高动态环境下(运动速度1 200 m/s)该跟踪环可以快速跟踪卫星信号,即时误差趋近于0,且当加速度达到40 g以上时,经过该复合环跟踪后的多普勒频移比传统锁相环减小了50%以上。     

地面防空作战部署评估仿真系统设计与实现

地面防空作战部署方案评估是防空作战中非常关键的一环,优良的地面防空作战部署方案是达到合理使用兵力、充分发扬火力、有效抗击空中之敌的重要前提。分析了地面防空作战部署方案评价指标体系,设计了仿真系统功能结构,探讨了仿真系统关键技术,实现了地面防空作战部署方案评估仿真系统,为指战员提供作战辅助决策。     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

基于分层核粒子滤波的快速运动目标跟踪

针对目标发生快速、运动不规则及遮挡等情况下的跟踪问题,提出了一种分层核采样策略。首先通过先验转移和后验转移分别预测2组粒子来建立联合分布,利用聚类算法近似联合分布粒子集的混合高斯分布;然后对每个聚类进行采样;最后采用均值漂移算法将粒子移动到后验密度的局部极值处。实验结果表明:算法在目标发生快速机动情况时,跟踪性能优于传统粒子滤波、核粒子滤波及分层粒子滤波,且对遮挡具有较好的鲁棒性。     

航天测控通信系统可靠性分析的Krylov子空间投影算法

基于Markov模型对航天测控通信系统进行可靠性分析的过程中,若系统中测控通信设备数量较多,模型中的状态空间随设备数量呈指数增长,将会导致数值计算困难.提出了一种基于Krylov子空间技术的可靠性分析方法,将大规模问题投影至小规模子空间中,求得问题的近似解.实验结果证明,Krylov子空间方法的计算速度及精度优于Ross方法和前向Euler法(forward Euler method,FEM).     

粒子滤波的序列图像运动目标跟踪(英文)

序列图像的运动目标识别与跟踪是计算机视觉主要研究方向之一。研究的重点是要建立一个准确可靠的跟踪系统。针对此问题,传统的帧间差分法进行了改进,并研究了粒子滤波算法。在改进的帧间差分法和粒子滤波的基础上,提出了序列图像运动目标跟踪方法。实验实验表明,这种方法能够在目标被背景云彩遮挡的情况下,实现目标的可靠跟踪。     

激光武器复合轴跟踪瞄准的稳定性分析

复合轴跟踪技术是激光武器精确跟踪瞄准目标的关键技术之一,掌握这门关键技术至关重要。对复合轴跟踪切换的视场匹配和系统设计时的粗、精跟踪系统的带宽比进行分析,从仿真结果得出在设计激光武器复合轴跟踪系统时要对粗、精跟踪系统的带宽和跟踪视场合理分配,选择合适的带宽比以达到跟踪切换的平滑性,实现对目标的精确跟踪。为复合轴跟踪控制系统的设计提供了一些参考思路,也对实现激光武器对目标的精确瞄准有一定的科学参考价值。     

拓展TOPSIS的地面目标关联算法

地面战场复杂的背景环境和目标的强机动性,使得传统关联方法所必需的先验信息不易获得,且传统关联方法仅利用状态信息进行关联,导致关联信息量不足,从而关联正确率不高。针对上述问题,采用无需任何先验假设的TOPS IS,在状态信息的基础上引入属性信息,作为拓展TOPS IS的评价指标,利用熵权确定各指标权重,最后用相对贴近度确定关联排序。仿真结果表明,该算法有效地提高了关联正确率,且能够满足实时性要求。     

含有多普勒频率的毫米波/红外融合滤波算法

由于毫米波雷达(MMV)和红外(IR)两种传感器在跟踪目标方面具有各自的优势,故使用两种传感器进行数据融合可以得到较单一传感器更高精度的目标数据,从而提高滤波精度。针对上述两种传感器的特点,对采样数据进行时空对准,结合UT变换思想,并在此基础上提出一种含有多普勒频率的无迹卡尔曼滤波(UKF)算法。新算法较单一MMV或者IR传感器滤波算法精度有了明显提高,并且较MMV/IR融合的传统扩展卡尔曼滤波(EKF)算法的精度也有提高。仿真结果证明了新算法的有效性和合理性。