交替极化阵列滤波性能研究

针对极化敏感阵列在工程应用中所受到的诸多限制条件,本文提出了一种新型交替极化阵列结构,分析了其在滤波抗干扰中的理论极限性能,并与极化敏感阵列滤波性能进行对比研究。研究表明:相对而言,交替极化阵列在设备量减半、信号处理自由度减半的条件下,滤波抗干扰性能逼近极化敏感阵列,克服了极化敏感阵列系统复杂性带来的一系列问题,因此在阵列雷达领域具有广泛的应用前景。     

影响水下距离选通激光图像光学相关识别的若干因素

针对水下距离选通激光图像光学相关识别技术的应用,研究了引起图像畸变从而导致光学相关识别相关峰输出效率降低的若干因素,并通过实验的方法采集了不同系统参数设置下的激光成像图片,然后采用相位匹配的方法对图片进行相关性分析,同时应用PCE、Disc等指标联合评价输出的相关峰质量,从而衡量各因素所引起的成像畸变对光学相关识别性能的影响程度.MATLAB软件仿真结果证明:激光单脉冲能量、ICCD增益、成像距离等因素变化均会引起图像相位特征畸变,导致相关识别鉴别率降低.该结果可为建立水下距离选通成像系统控制模型和设计匹配滤波器提供参考.     

军工专利大视野

◎中国第一件发明专利第一件实用新型专利均出自军工系统中国第一件发明专利"可变光学滤波实时假彩色显示装置",设计人"胡国华、杨治贵",专利号"85100001.0",专利申请日期"1985年4月1日",专利权人"航天工业部第二研究院二○七所"。中国第一件实用新型专利"杯式感冒理疗器",设计人"刘端章、李培田、段志强",专利号"85200001.4",专利申请     

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。     

基于改进多模滤波算法的控制系统故障诊断

应用分层多模自适应滤波算法对控制系统的故障进行诊断时,只能识别出故障的类型,如识别出是传感器还是执行器发生故障,并不能判定出故障的大小.提出一种改进分层多模自适应滤波算法,应用此算法可使分层多模自适应滤波算法不仅可以检测出控制系统的故障类型,而且能够确定发生故障的执行器局部故障程度.将此算法应用于某无人机控制系统的故障诊断,仿真结果验证了该方法的有效性.     

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。     

基于抗差Kalman滤波的航空发动机测试数据预处理技术

针对使用标准Kalman滤波算法不能准确处理包含粗差的航空发动机测试数据的问题,在分析标准Kalman滤波算法准则和观测误差对滤波估计结果影响的基础上,采用动态调整观测信息在滤波估计结果中权重的方法,给出了基于抗差M估计理论的抗差Kalman滤波准则和递推公式。对不同的发动机测试数据分别采取序列滤波的方法,减少了运算量。基于常加速度模型,建立了测量参数的状态空间方程和测量方程。以包含粗差的某型涡扇发动机稳定工作过程的模拟测量数据为例,采用所设计的抗差Kalman滤波器对其进行预处理,与标准Kalman滤波算法处理的结果对比表明,在模型误差一定的情况下,抗差Kalman滤波算法具有更好的估计精度。     

惯导系统摇摆扰动基座对准技术

摇摆扰动基座上惯导系统初始对准扰动干扰信号强度较大,有用量测信号强度小,系统信噪比弱,对准过程滤波收敛慢.为提高惯导系统在摇摆扰动基座上的对准精度及对准快速性,设计了基于马尔科夫递推滤波参数估计的对准方案,通过开路粗对准及闭路精对准,实现游移方位惯导系统在扰动基座上的平台调平、航向确定及陀螺漂移测定,试验结果表明,所设计的方案达到了较好的效果.     

基于“当前”统计模型的衰减因子自适应跟踪算法

针对机动目标跟踪问题,叙述了加速度方差自适应的"当前"统计模型.提出了一种具有自适应衰减因子的滤波算法,并对该算法进行了较为深入的理论分析.这种衰减记忆滤波具有集机动检测与参数自调整于一体的能力,最后Monte-Carlo仿真结果表明,这种自适应算法较原算法有较大的改进.     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。