改进的最速跟踪微分器滤波效果仿真

为保证获得数据的实时性以及滤除数据在获取过程中存在的一系列野值干扰,利用鲁棒滤波理论对最速跟踪微分器的跟踪和抗野值功能进行了改进,利用误差反馈的思想,对最速跟踪微分器进行实时在线的补偿修正,并将改进型跟踪微分器与标准最速跟踪微分器和鲁棒Kalman滤波器仿真结果进行了比较,表明经改进的最速跟踪微分器有更好的跟踪、滤波以及抗野值效果。     

坦克稳定器的模糊滑模控制方法

针对坦克水平稳定器这一类非线性和不确定性的复杂控制对象,提出一种模糊滑模控制方法.该方法将滑模控制与模糊逻辑相结合,通过Lyapunov稳定定理获得最终的控制量.从理论上证明了滑动平面的稳定性,并且通过仿真验证了该结果.仿真结果表明该设计方法大大优于经典设计,为实际设计提供了一种可行的新方法.     

基于IMM的雷达伺服系统变结构控制

提出了基于转换量测的IMM雷达伺服系统变结构控制方法,一方面用该算法对输入信号进行滤波降噪,消弱了伺服系统的抖振;另一方面利用算法估计的目标角速度、角加速度状态,减小了伺服系统动态滞后。仿真验证了该算法的有效性。并在实际工程应用中取得了良好的控制效果。     

自动跟踪算法的研究

本文简要地介绍了目前用于实时电视图像自动跟踪的跟踪算法 ,对于几种常用的跟踪算法进行了简要的分析和比较得出 :相关跟踪算法具有跟踪距离远、可靠性高等特点     

基于Lyapunov方法的轮式移动机器人全局轨迹跟踪控制

针对轮式移动机器人的运动学模型,通过设计复合跟踪误差,利用Lyapunov直接法,构造出了具有全局渐近稳定的全局渐近跟踪控制器,实现对参考轨迹的全局渐近跟踪,并根据Lyapunov稳定性定理证明了系统的全局渐近稳定性.最后,给出的仿真结果表明,初始跟踪误差很快收敛于零,轨迹跟踪效果良好,闭环系统具有良好的动态性能和全局稳定性,适用于轮式移动机器人的全局轨迹跟踪控制.     

基于SVM-UPF的雷达弱小目标检测前跟踪算法

针对低信噪比条件下雷达弱小目标的检测与跟踪,提出了基于支持向量机和无迹粒子滤波的检测前跟踪算法。该算法采用无迹卡尔曼滤波生成粒子滤波的重要性密度函数,提高了粒子的使用效率,在此基础上将支持向量机引入到粒子重采样步骤中,通过构建状态的后验概率密度函数来获得多样性的新粒子,有效解决了粒子贫化问题,仿真结果表明,该算法提高了目标的检测概率和跟踪精度。     

跟踪目标的动态模型问题的评述

本文提出跟踪飞机一类机动目标的动态模型,对这些模型的特点和应用范围作出评述。     

坦克火控系统机动目标的自适应滤波与自适应解命中问题

在非制导火控系统中,为实现目标信息的自适应滤波与自适应解命中问题,机动目标模型应能实时识别,并要适应工作周期的各种变化。本文提出了“参数辨识模型”,首次完全满足了上述要求。     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。