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.     

基于矢量分配的组合导航容错联邦滤波算法

针对高动态环境下飞行器组合导航系统因不确定故障导致导航精度下降的问题,提出了一种基于矢量信息分配的容错联邦滤波算法。设计矢量形式的故障检测函数,对各观测量进行单独的故障程度划分,克服了将故障子系统所有观测量同时隔离的缺陷；根据观测量是否异常,重构时变量测噪声矩阵和信息分配矢量系数,对子滤波器的状态变量进行信息分配,在隔离故障子系统异常观测量的同时,最大限度地利用正确观测信息。仿真结果表明,采用该算法能够充分发挥各导航子系统的优势,极大提高了导航子系统信息利用率,具有较高的精确性和容错性。     

H∞鲁棒滤波在机动目标跟踪中的应用

在交互多模型中通常使用的卡尔曼滤波器中，引入广义H∞鲁棒滤波器，以一定的精度为代价，换取满意的鲁棒性能。H∞鲁棒滤波算法可以分解为卡尔曼滤波和鲁棒化两个环节，从而形成一种基于增益失调因子的结构化分解算法。、为验证算法的有效性，进行了Monte Carlo仿真。仿真结果表明，本文算法跟踪复杂机动目标时跟踪性能有较大提高，有很好的可实现性.     

Unscented粒子滤波算法在合成孔径声纳组合导航中的应用

研究了基于捷联惯导(SINS)、多普勒声速剖面仪(ADCP)的水下组合导航方法。建立了基于四元数的SINS/ADCP误差模型。针对一般粒子滤波算法中存在的粒子退化问题,对Unscented粒子滤波算法进行了研究,并应用于SAS导航模型。算法采用Unscented卡尔曼滤波(UKF)引入了最新观测量来产生粒子滤波(PF)的建议密度分布,提高了状态估计的性能。仿真结果表明:在SAS复杂的运动情况下,UPF算法比传统粒子滤波算法具有更高的精度。     

GPS单孔径双极化天线抗干扰算法与性能分析

设计了一种利用单孔径双极化天线进行GPS自适应抗干扰的方法,并对算法的性能进行了详细的分析.新方法在不降低卫星信号质量的前提下,仅占用单个天线位置,就可以对付窄带或宽带干扰,为增强安装受限装备的导航抗干扰能力提供了一种新的解决方案.仿真结果表明,新方法可行、有效.     

一种快速辨识ARMA信号模型参数的方法

本文给出了一种对ARMA信号模型参数进行自适应滤波快速辨识的方法。首先提出将MA模型匹配ARMA模型的理论误差转化为输出端的加性噪声．然后提出了一种新的变步长LMS算法。基于以上两点，本文使用自适应滤波器,通过拟合模型传递函数来辨识模型参数。数值仿真结果及其与IIR SHARF算法的比较证明本文的理论分析。     

一种稳健的自适应IIR陷波器复数级联算法

针对背景噪声中多个复正弦信号的提取问题,提出利用二阶陷波器复数算法的级联来实现,并给出了一种自适应级联算法.基于对软件复杂度和计算量的考虑,在这种算法的基础上又给出一种改进的二阶自适应陷波器级联的复数算法,大大降低了系统复杂度和计算量.仿真实验表明,两种陷波器级联算法均能很好地提取背景噪声中的复正弦信号,并准确估计复正弦信号的频率.     

一种基于激光测距仪测距信息的新滤波算法

针对动能拦截器在大气层外完成反导任务的末制导滤波问题,利用激光测距仪的测距信息与导引头的测角信息,设计了一种非线性θ-D滤波算法.分析了这种滤波算法在实际应用中的一些问题,包括避免滤波发散的条件,权重系数阵的取值等.通过仿真验证,该滤波算法的精度高于工程上常用的α-β衰减记忆滤波.在该滤波算法的基础上,可以得到更精确的弹目相对运动信息,为进一步设计更先进的导引律提供了基础.     

基于证据理论的自适应协同方法在打击目标 排序中的应用

针对指挥员在选择及对打击目标排序时会产生不同结果，采用证据理论进行了协同。以各指挥员的判断作为证据理论的识别框架，采用证据加权法及对各证据的合成，确定了证据的基本可信度分配，降低了各证据间的冲突，筛选出肯定的证据，达成指挥员决策的自适应协同，实现对打击目标更为合理的排序。     

稳定性、收敛性及其它

本文阐述了稳定性、收敛性、自适应估计、平稳/非平稳随机过程概念内函,以便在科学研究和 工程研制中正确运用它们。