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.     

超凸度量空间中KKM理论的一些应用

在超凸度量空间利用广义度量KKM映象原理的特性得到一类新的广义极大极小不等式,并进一步借助这类极大极小不等式,在更广泛的条件下,获得鞍点问题的一个新的存在性结果。     

一种发送速率精确可控的分布式网络流量生成方法

介绍了一种灵活高效的分布式网络流量生成方法；通过加入权重因子，利用反馈机制不断对产生的网络流量进行调整直至流量大小误差符合用户设定需求；结合ON／OFF模型，采用分布式结构产生了流量速率可调节的具有自相似特性的网络流量。通过该方法产生的网络流量大小精确可控，且具有自相似性，能更好地反映出真实网络流量的特性。     

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。     

求解互补问题的极大熵微粒群混合算法

首先,利用NCP函数,将互补问题转化为一个非光滑方程组问题,然后用凝聚函数对其进行光滑化,进而把互补问题的求解转化为无约束优化问题,最后利用微粒群算法对其进行求解。利用3个测试算例对其进行测试并与其他算法进行比较,计算结果表明:该算法在求解的准确性和有效性方面均优于其他算法。