基于信息融合和扩维Kalman滤波技术的系统误差估计算法研究

针对采用复合制导体制的面空导弹武器系统,目标支路和导弹支路分开后,引起中末制导交班误差增大,必须进行相对系统误差补偿,探讨了相对系统误差的估计技术.基于信息融合和扩维Kalman滤波技术,建立了估计模型和算法,通过2种不同情景的仿真,验证了模型和算法的正确有效性.     

通信侦察中的伪码序列盲估计算法

针对卫星通信侦察与对抗,提出了一种DS-SS通信信号的伪码序列盲估计算法.首先采用循环自相关方法估计信号载频,对截获的中频信号进行解调,得到基带信号,再采用循环自相关估计PN码周期.然后利用分段互相关方法估计信息码与PN码同步调制起始点.在此基础上,完成对伪码码序列的识别.仿真实验结果表明,该方法在极低信噪比条件下可以得到准确的伪码序列估计.     

变结构多模型估计第V部分——可能模型集合算法

本文提出了一种称为可能模型集合(LMS)算法的变结构多模型(MM)估计器,它适用于大多数混合估计问题并且比较容易实现。在任何时刻使用所有与系统模式匹配的模型。本文讨论了该模型的不同版本。最简单版本通过删除所有不太可能的模型,激活所有主要模型可能跳变的模型来获得模型集合的自适应,从而获得可能的期望系统模式转移。通过一个跟踪机动目标和一个失效检测和识别的例子来演示了LMS估计器设计和应用的通用性、简单性和容易性。文中也给出了算法同其它一些固定结构-变结构估计器在费效比方面的比较结果。     

变结构多模型估计第IV部分:模型群切换算法的设计和评估

在第Ⅲ部分提出了一种称为模型群切换算法(MGS)的变结构多模型(VSMM)估计器。它是第一种通用的、可应于一大类具有混合(连续或离散)不确定性问题的VSMM估计器。在这种算法中,模型集合通过在一定数目预先确定的模型群之间的切换来实现自适应。它比固定结构MM(FSMM)估计器,包括交互多模型估计器(IMM)具有更大的潜力获得更高的费效比。本文研究了算法应用中的一些比较重要的问题,包括模型群自适应逻辑和模型群的设计。研究的结果通过一个机动目标跟踪问题的详细设计例子进行了演示。这个跟踪问题使用一个时变模型集合,每个模型由目标的加速度期望值表征。仿真结果用来证实在仔细设计和非常随机和确定的情况下,MGS算法同使用所有模型的固定结构IMM(FSIMM)估计的性能(基于更合理和完全的度量,而不是仅使用通常的rms误差)和计算复杂程度的比较。     

用批递归估计器纯方位跟踪机动目标

本文介绍一种新的批递归估计器用杂波中的纯方位量测跟踪机动目标(即,低信噪比(SNR)目标)。标准的递归估计器跟广义卡尔曼滤波器(EKF)一样由于缺乏初始目标距离信息而造成粗劣收敛和不稳定状态。另一方面,批估计器不可以处理目标机动。为了纠正这些缺陷,本文用概率数据互联将批最大似然——概率数据互联估计器(ML-PDA)同递归交互多模型(IMM)估计器组合,在有杂波的条件下产生较好的航迹初值和航迹保持结果。还论证,批递归估计器可以用于基于目标状态估计的自适应己舰机动决策,以提高目标的可观测性。跟踪算法对有8dB信噪比的目标被证明是有效的。     

炮兵雷达组网校射评估系统的设计与实现

针对多部雷达保障校正射击时各个雷达获得的数据精度不高、数据传输自动化程度低、炸点坐标缺乏数据融合等问题,采用VC＋＋和SQLServer为软件开发平台,设计并实现了炮兵雷达组网校射评估系统。讨论了系统的基本组成和软件结构。同时根据最小方差原则,按照各雷达的精度分配权值,设计了多雷达组网对炸点测量数据最优融合估计的数据融合算法。通过实弹射击保障应用表明,该系统提高了雷达对炸点数据测量的精度及炮兵指挥自动化能力。     

视频编码标准H．264运动矢量搜索算法

高清视频的信息量巨大，传输比较困难。 H．264作为视频压缩的主流标准，可以有效去除视频的冗余信息，提高视频的网络传输能力。针对H．264中运动估计算法耗时严重的问题，提出一种新的X型搜索算法。 X型算法由粗到细地进行搜索，先以X型快速搜索确定运动矢量的可能范围，然后在可能范围内进行局部全搜索，最终确定运动矢量。试验结果表明，X型搜索能够在保证视频质量的情况下大幅度缩短编码时间，有效提高运动估计算法的效率，兼顾了速度与精度，为高清视频的实时传输提供了保障。     

飞行器有源对消隐身技术

隐身技术已经成为现代高性能飞行器设计的重要支撑,是先进战机的基本要求。现行的隐身设计方法主要包括气动外形优化以及隐身材料涂覆。随着雷达探测能力的不断提升,尤其在米波雷达探测背景下,外形优化与隐身涂层变得不再有效,有源隐身技术被重新予以重视并有望成为新的隐身技术突破点。本文着重分析了有源对消技术的基本概念、技术现状以及相应的关键技术,对该技术体制的优势和特点进行了归纳和总结。     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。