带有状态噪声的限定记忆卡尔曼滤波方法

在已有限定记忆卡尔曼滤波方法的基础上 ,引入状态噪声 ,并推导了新的限定记忆卡尔曼滤波公式。从而降低了记忆长度的选取难度 ,扩大了已有模型的适用范围     

数据融合的精确极大似然配准算法

数据融合是一个对来自多源的数据和信息进行互联、相关、组合处理以求得精确位置和识别估计的过程。本文考虑其中的配准问题,它是数据融合系统求得精确估计和修正系统误差所必需的预先处理。文中介绍了配准的精确极大似然算法(EML)。该算法通过两步递归最优化方法来实现,并采用改进的高斯—牛顿法来确保算法的快速收敛性。文中研究了该算法的统计性能,其中包括对一致性和有效性的讨论。我们特别地推导并给出了渐近协方差和克拉默—劳边界(CRB)的显式。最后,用仿真和实际的多雷达数据来评估该算法的性能。     

基于稳健统计特征的飞机识别方法

本文介绍了基于统计特征(StaF)的分类器,它是一种稳健的、用于高距离分辨率(HRR)雷达的飞机识别(ID)方法。在对特征的数量或位置不作先验假定的情况下,我们实时地选择HRR图像的峰值特征。特征提取依靠所观测到图像的信息内容,把特征的数量、位置和幅度作为随机变量。本项研究的主要目的是,通过把对未知目标的识别错误减少到最小,同时维持对已知目标的高识别率的方法来增强分类器的稳健性。结果表明,这种StaF分类器能够显著地减少与未知目标有关的识别错误,同时维持高概率的正确分类。     

使用低分辨率雷达和社会网络进行舰船目标识别

本文研究使用低分辨率下靶区雷达包络线,预处理和神经网络工具进行舰船目标分类的方法。     

基于熵权TOPSIS法的多方案保障性评价研究

为了提高武器系统的综合保障能力和系统决策水平,将一种基于熵权TOPSIS的多方案评价方法应用于保障性评价当中。通过指标数值间的差异程度确定熵权,并将熵权与专家权重进行综合,克服了传统熵权评价法只反映客观的信息,而忽略人的主观重视程度的弊端。实例分析表明,该方法能够主客观相结合,可操作性较强,具有一定的应用价值。     

航迹与航迹的最优融合

在多传感器融合中,航迹与航迹融合占有重要的地位。人们在这方面做了大量工作,丛氏等人[5-7]给出了任意通信模式下的最优融合公式。对于确定性来说,该公式是最优的,这里指的确定性是:过程噪声为零或使用全速率通信(即两传感器每接到一次新数据就通信一次)。但在实际操作中,因目标机动而不能完全忽略过程噪声;或者为节约通信宽带,传感器间不采用全速率通信。这两种情况下,系统都存在公共过程噪声,因此两传感器的量测不是条件(给定目标预先状态)独立的,所得融合公式[7]只是近似最优。文献[1]中也谈到这种情况,作者推导出了一个公式来计算不同传感器的两条航迹估计的协方差、基于[1]的结果,文献[2]考虑了两个传感器航迹估计的相关性,并得到一个融合公式来组合局部估计。遗憾的是,文献[2]中进行贝叶斯推导时,所做的假设并不符合实际。本文中,我们指明[2]中结果潜在的近似性,并证明该结果只在ML{最大似然}意义下最优。然后,我们提出一种性能评估方法来研究各种航迹与航迹融合方法的性能。其结果给出各种操作条件下不同融合方法的性能范围。     

使用低分辨率雷达和神经网络进行舰船目标识别

本文研究使用低分辩率下靶区雷达包络线、预处理和神经网络工具进行舰船目标分类的方法。文中使用改进的傅里叶离散梅林变换来提取对雷达姿态角变化不太敏感的某些特征。使用Kohonen的学习矢量量化(LVQ)自组织映射对这些特征矢量进行分类。文中也研究了使用反向传播算法进行训练的前馈网络在目标分类中的应用,并将这一分类系统用于模拟和真实两种数据。对于目标姿态角误差不超过30度的真实数据,分类的正确率高达90％。