基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

基于定点DSP的计算阶次跟踪研究

对于转速变化的旋转机械,常规的频谱分析方法不能反映其振动信号的真实状态;同时,在转速变化剧烈的情况下,传统阶次分析仪器采用的转速脉冲到达时刻测量方法精度不高。针对以上问题,采用基于定点DSP的计算阶次跟踪方法,通过TMS320C5402定时器的精确计时功能实现高精度转速脉冲到达时刻的测量,同时利用DSP的McBSP(Multi-channel Buffered Serial Port,多通道缓冲串行口)同步采集振动信号,实现混合信号的采集和处理,完成基于DSP的实时阶次跟踪,并通过变速箱启动的实例验证了算法的有效性。     

基于纯方位信息的目标跟踪线性修正模型?

在基于几何关系的纯方位航迹不变量信息处理过程中，对非线性模型进行细致分析，提出了线性修正模型，在处理问题时更加清晰、可靠，减小了大量的计算和计算误差，使纯方位信息的非线性处理实用化。     

基于交互式多模型的多假设航迹起始算法

多假设(MHT)方法是一种理想的航迹起始算法,将交互式多模型算法(IMM)应用于MHT算法中(IMMMHT),改进了MHT算法在滤波时单独采用一个模型会受到模型自身局限性的影响使得滤波的精度不高的缺点.通过仿真表明,IMMMHT算法在虚警概率、快速性和跟踪精度上都优于原MHT算法.     

适应教学改革需要 理清教与学的关系

为了不断适应教学改革的需要，进一步提高教学质量，彻底理清“教”与“学”的关系，不断更新观念，增强教学效果，本文从教学实践和哲学的角度分析了教与学的关系，并对当前的“教为主导、学为主体”观点进行了分析，进而提出了“师生皆为主体，教员要主导，学员要主动”的观点。     

“动中通”系统中的跟踪识别技术

天线跟踪与卫星识别是"动中通"系统中的关键技术.首先在对各种跟踪方式比较分析的基础上,提出了一种基于惯性制导、程序跟踪和圆锥扫描跟踪的组合天线跟踪方案,缩短了系统搜索卫星的时间,提高了天线跟踪卫星的精度;而后通过分析卫星可供识别的特征,提出了应用解码后的数据流特征进行识别卫星的方案,降低了系统对传感器部件的精度要求,降低了系统成本.     

基于统计势能的水平集特定目标轮廓提取方法

介绍一种基于统计势能的水平集特定目标轮廓提取方法.首先通过计算统计势能得到水平集曲线与目标边界相关程度,然后由此推导出区域决策影响因子并将其引入到水平集函数演化方程中,最终实现利用目标区域信息提高水平集目标轮廓提取质量.红外图像目标轮廓提取实验结果表明,该方法能够有效地克服目标轮廓提取中存在的边界泄漏问题.     

分布式火控网的数据融合研究

针对火控网的特点,采用了分布式结构。分析了自适应滤波算法的原理,采用航迹融合算法对各探测器的跟踪航迹进行了融合,仿真分析融合前后的距离、方位、俯仰的误差大小。仿真结果表明,分布式火控网经过航迹融合后,系统的精度有较大改善,跟踪性能比融合前有大幅度提高。     

基于Rényi信息增量的机动目标协同跟踪算法

针对基于多传感器组网进行机动目标跟踪的传感器管理问题,提出了一种基于Rényi信息增量的机动目标协同跟踪算法。首先结合"当前"统计模型和交互式多模型不敏卡尔曼滤波算法设计了一种变结构多模型算法,来进行机动目标的状态估计;然后以Rényi信息增量为评价准则,选择使Rényi信息增量最大的单个传感器进行目标跟踪;最后利用得到的最优加速度估计进行网格划分,更新变结构多模型中的模型集合。在一般机动及强机动场景下进行了算法性能分析,仿真结果表明,该算法能够合理地选择传感器,提高了对机动目标的跟踪精度。     

基于随机搜索策略的中继卫星调度方法

高质量的调度方案不仅能满足用户的需求,还能为中继卫星系统的计划编制提供科学的决策手段和依据。针对日益多样化的用户需求,采用全新的中继卫星调度应用模式,允许用户提交多个可以滑动的时间窗口。面向这种调度模式,考虑中继业务中任务调度的灵活性和任务间的冲突,构建考虑多滑动窗口的中继卫星调度模型,并设计基于随机搜索策略的中继卫星调度算法。算法包括任务资源匹配与邻域生成、可用时间段生成、任务冲突分析、邻域搜索与冲突消解以及资源与任务集更新5个算子。通过仿真实验将该算法与基于时间自由度的启发式算法进行对比,验证了算法的有效性。