纯方位跟踪问题研究及算法性能

针对纯方位跟踪系统的特点,对修正增益扩展卡尔曼滤波、伪线性滤波、基于无迹变换的卡尔曼滤波、修正球坐标系下的扩展卡尔曼滤波、直接对角度信息建模的卡尔曼滤波等被动目标跟踪算法予以详细的讨论,并在满足可比性的条件下,对各个跟踪算法进行了仿真实验,比较和分析了仿真结果,指出了修正增益扩展卡尔曼滤波的算法优势,对实际工程应用中算法选择问题提出了参考性建议.     

火灾探测技术研究

火灾探测技术是传感技术和火灾探测算法的结合产物。从火灾探测的基本原理和火灾探测算法这两个方面详细分析了火灾探测技术,为消防工作中火灾探测器选择提供指导,并对火灾探测技术的现状和新兴技术进行了归纳分析,为进一步研究火灾探测技术指明了方向。     

提高视线转率精度的一种改进方法

视线转率算法的改进是提高视线转率精度的重要途径之一。提出了一种计算视线转率的修正的几何算法,并利用该算法改进了α-β滤波器,改进的α-β滤波器具有更高的精度,其性能与Kalman滤波器相当,但算法更简单、可靠。仿真结果验证了该方法的有效性。     

一种快速的矢量脱靶量测量算法

为了满足一些矢量脱靶量测量系统实时性的要求,提出了一种快速的矢量脱靶量测量算法.测量中使用了一个小型天线阵列,基于快速傅里叶变换算法,雷达回波的多普勒频率和不同天线接收信号的相位差能够快速地被估计出来,进一步利用非线性优化的方法估计出目标的矢量脱靶量参数.计算机仿真结果表明,该方法原理正确,能够满足实时要求.     

基于BP神经网络的D-S证据理论及其应用

命题基本概率分配(BPA)的确定是D-S证据理论得以广泛应用的关键之一.目前,大部分确定方法受专家知识偏好影响较大,难以反映客观情况.将BP网络运用到基本概率分配的确定过程中,使得BP网络和D-S证据理论两者有机地联合应用,这样既可利用D-S证据理论来表达和处理不确定信息,又可以充分发挥BP网络的自学习、自适应和容错能力.文中建立了基于BP网络的D-S证据理论的故障诊断模型,并给出了证据的融合算法.仿真实验表明,该模型可行.     

一种含最优变异的多微粒群优化算法

针对微粒群优化算法中的固有缺点,提出了带有最优变异算子的多微粒群优化算法,采用多个微粒群对目标函数进行寻优,并在寻优过程中对子群中最优微粒引入了最优变异算子。通过这样的处理,算法可以预防早熟收敛并具有更快的收敛速度和更好的局部开发能力。对一组测试函数的模拟实验结果表明,带最优变异的多微粒群优化算法可以摆脱局部最优解对微粒的吸引,在较少的代数内就能够获得好的优化结果。     

一种基于多组PSO的支持向量机参数优化算法

支持向量机具有优良的学习能力和推广能力,然而其性能依赖于算法参数的选取.在粒子群优化算法的基础上,提出了一种基于多组粒子群优化的支持向量机参数优化算法,该算法将各粒子自动分成多个组,能较快地在支持向量机算法参数取值范围内搜索到相应数据的算法最优参数和最优性能.     

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。     

用于时空综合被动定位的种子分裂算法

针对传统TMA方法的局限性,运用时空综合被动定位(STI)理论,探索如何利用拖线阵列声纳的基阵探测信息估算目标运动要素。采用种子分裂算法(SDA)原理,通过选取合适的初始种子,进行高效率的穷举,从而得出最优解。经过仿真计算及分析发现,与遗传算法相比较,计算量大大缩小;本艇不机动时,即使在低信噪比的情况下,该算法既满足了可靠性的要求,又缩短搜索迭代过程。     

雷达辐射源识别的算法研究

针对现有雷达辐射源识别算法的不足,探索雷达辐射源数据库识别的新算法。运用属性测度理论建立了雷达辐射源属性识别模型,结合距离算法、灰关联算法和神经网络样本训练思想,设计出基于属性测度模型的雷达辐射源属性识别算法。通过仿真验证,该算法兼具识别准确度高和识别速度快优点,实用性较强。