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。     

用于自适应阵超角分辨的非均匀线阵设计问题

文中讨论了非均匀线阵自适应超角分辨问题,证明了在入射场条件一定的情况下,特征矢量角谱性能完全由阵列因子决定。通过分析与仿真,说明最小冗余阵(LMR) 是一种性能优良的超角分辨阵。并讨论了非均匀线阵存在的栅瓣问题,给出避免栅瓣的单位间距的上限公式。     

差分GPS/惯导组合导航系统

本文简述了提高GPS定位精度和系统性能的两条主要技术途径(差分GPS、GPS/INS组合)的特点和问题,提出了差分GPS/惯导组合系统方案,研究了组合系统的卡尔曼滤波器设计并作了计算机模拟仿真。仿真结果表明,差分GPS/惯导组合导航系统可以达到1～2米的实时定位精度。     

无线电引信海杂波自适应抵消器

本文分析了海杂波干扰对无线电引信反导效果的影响,提出了采用自适应噪声抵消器来消除海杂波干扰的方法,并对有关参数的选取进行了探讨,最后给出了用电荷耦合器件CCD组成自适应海杂波抵消器的原理方案。     

阻尼的非线性最小二乘滤波算法

为提高在弱可观测条件下滤波器的稳定性,本文把非线性优化方法应用于递推滤波,形成了阻尼的最小二乘迭代滤波算法。同时还得出了该方法的信息平方根滤波形式。     

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。     

火控系统最佳采样率问题的研究

先从滤波器和信号的频域特性出发给出了滤波器在频域的采样率匹配原则。第二部分从滤波器预测误差最小的原则出发导出了一组求解最佳采样时间的方程,并给出部分计算结果。第三部分提出了速度平滑处理法,解决了提高采样率引起的速度估计误差增大的矛盾。随后给出了典型航路下,综合各影响因素的模拟跟踪结果,并与“×型”指挥仪的跟踪结果作了分析对比。最后提出了针对不同空中目标的最佳采样率的建议     

机动目标跟踪的修正输入估计(MIE)算法与自适应α-β算法

机动目标的跟踪是雷达数据处理中的重要问题,对此进行了探讨的代表性的算法有Singer算法、IE算法、VD算法、IMM算法等。本文提出了修正的输入估计(MIE)与自适应的α—β两种新算法。MIE算法性能与IE算法相当,但运算量比IE算法小。自适应α—β算法的性能略低于以上几种算法,但运算量则大大低于上述几种算法,在对性能要求不很高的情况下,采用这种算法是较为合适的。     

适用于GPU处理的长更新周期卫星导航信号载波相位跟踪环路

针对短环路更新间隔下GPU处理效率受限而长更新间隔下传统跟踪环路在高动态场景下不稳健的这一矛盾,提出一种可适应高动态场景的长更新间隔载波相位跟踪算法,该算法设计了一种低复杂度线性调频信号参数估计方法,实现跟踪初始阶段多普勒及变化率的精确估计进而消除大部分信号动态,在跟踪过程中采用4阶卡尔曼滤波对残余信号相位及动态进行精细跟踪。经仿真验证,200 ms更新间隔下,可实现多普勒一次/二次变化率分别达800 Hz/s、64 Hz/s²正弦运动场景下载波相位的快速稳定跟踪,1次更新即可收敛,跟踪灵敏度低至23 d B-Hz,相位跟踪精度远优于传统3阶锁相环路。