机动目标IMM三维并行滤波跟踪算法

由于复杂的空中目标机动,其三维方向的机动强度是不一致的,传统IMM算法存在模型匹配不准确的问题,提出一种机动目标IMM三维并行滤波的跟踪算法。算法以CV和修正的CS模型为子集,在3个坐标轴上分别根据目标机动的分量实际更新其模型概率,并行IMM滤波方法,尽量确保模型的适配性,提高滤波精度。仿真结果表明,该算法比传统IMM方法跟踪精度更高,对空中机动目标跟踪适应性更强。     

修正的交互加速度补偿机动目标跟踪算法

为了提高交互加速度补偿算法(IAC)的滤波精度,通过引入一个改进因子自适应地调整过程噪声协方差,给出了一种新的算法.在给定的初始条件下,通过蒙特卡罗仿真,将修正的IAC算法与IAC算法进行比较,结果表明修正的交互加速度补偿算法在目标发生机动时具有更好的跟踪性能.     

基于分数低阶矩的水声信号滤波新方法

依据分数低阶统计量理论和舰船辐射噪声信号特性,建立了水声信号新的噪声模型,回顾了常规LMS滤波方法,并分析在非高斯噪声下性能退化的原因,提出了一簇基于分数低阶P-范数的LMP水声信号自适应降噪滤波新方法,理论分析和计算机仿真结果表明这种方法在高斯和非高斯(α稳定分布)条件下都具有良好的韧性。     

冲激杂波下的圆阵天线二维DOA估计方法

为提高复杂电磁环境下海上通信的安全性、可靠性及抗干扰能力,舰船采用均匀圆阵天线实现有向通信,达到不需转动天线也能形成360°均匀覆盖的波束和干扰零陷的目的。针对存在显著冲激性噪声时传统波束形成方法不能得到满意结果的问题,提出了一种非高斯稳定分布噪声模型下均匀圆阵分数低阶矩MUSIC韧性波束形成新方法,并对比分析了所提的分数低阶矩MUSIC与传统MUSIC方法在稳定分布噪声下的波束形成性能。结果表明,新方法的DOA估计性能优于传统算法,适应复杂噪声环境的韧性强,应用前景广阔。     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

分数低阶统计量的水下目标信号调制谱分析方法

传统水下目标噪声信号调制谱分析方法是建立在具有二阶统计量的高斯噪声环境下实现的,而多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从α稳定分布,二阶统计量的调制谱分析算法性能可能会下降,甚至不再稳定收敛.针对此问题提出了分数低阶统计量的目标信号调制谱分析方法,并进行仿真和实验数据验证,其结果表明所提方法具有稳健性.