闭环校射中雷达跟踪弹迹的滤波和预测方法

闭环校射武器系统中,要求实时测量弹丸和目标之间的偏差,因此火控雷达要同时完成对弹丸运动和目标运动的跟踪任务,实现对弹丸目标的精确跟踪对火控雷达来说是一个新任务.建立了一种针对此类问题的滤波和预测方法,这种方法充分利用关于弹丸运动规律的已有知识,突破了常规动目标跟踪方法的限制,使滤波和预测误差比常规方法减小数倍,成功地解决了闭环校射武器系统中的一个技术难点.     

基于目标运动角速度的火控滤波技术

在跟踪传感器可以提供目标运动角速度基础上,研究了一种将目标运动角速度信息引入火控滤波的方法。针对量测的目标运动角速度物理特性,研究了将目标瞄准线坐标系运动角速度转换为地理坐标系线速度的方法,利用标准卡尔曼滤波算法,将目标速度引入到火控滤波中。仿真结果表明,在保证目标速度精度条件下,引入目标速度信息可以显著改善火控滤波性能,缩短滤波收敛时间。     

角速率火控原理研究

论述并研究了角速率火控原理,利用“滤波──识别”方法,提出了一套新的角速率火控滤波和外推模型。仿真结果表明,这种模型对于机动运动的反舰导弹可以明显提高火控预报精度。     

基于外弹道算法的C-RAM火控处理技术

本文针对RAM目标的特点,在敌方射面坐标系建立了目标运动模型,并利用此弹道微分方程建立目标状态方程和量测方程,在得到RAM目标的火控滤波数据后,利用弹道质点运动方程预测求取飞行时间后的目标未来点,从而提高了火控系统对RAM目标的解算精度。通过仿真计算,验证了此处理方法的有效性。该论文的主要内容是从工程实践中的总结,有一定的创新性。     

用于闭环校射系统雷达跟踪弹丸的弹丸运动模型

以国产某型舰炮为例,结合动目标跟踪理论和外弹道理论,分析研究了弹丸运动的局部变化规律,提出了一种简化的弹丸运动数学模型,适用于闭环校射火炮武器系统火控雷达对弹丸目标的实时跟踪,可以有效地降低弹道滤波和预测的计算量并提高弹道滤波和预测的精度,使之满足武器系统对跟踪精度和处理速度的严格要求,具有重要的工程应用价值.     

对机动目标的滤波问题和灰色预测

叙述了火控系统中滤波的几种方法,分析了滤波中所存在的问题,并应用灰色系统理论对机动目标进行预测,讨论了火控灰色预测的特点。     

用于机动目标跟踪和预测的闭环系统的设计

通过对机动目标的运动分析,应用自动控制理论,误差相消原理和自适应控制原理设计闭环跟踪滤波系统,经十条航路仿真计算证明,能适应机动目标跟踪,结果比符合假定的最小二乘法精度高,反应时间短。充分利用滤波的现在点位置信息,对预测点位置偏差的时间序列值进行校正,可使此模型更适合於打击机动目标。     

目标运动角速度的火控滤波改进方法

针对目标运动的角速度测量信息,研究了目标瞄准线坐标系量测信息转换地理坐标系方法,同时分析了位置量测误差对目标速度的影响,建立了目标位置量测误差与速度误差关系。在此基础上,提出了一种基于最小二乘的量测预处理的改进滤波方法。仿真结果表明,改进的滤波方法提高了火控滤波精度及稳定性。     

灰色系统理论在火控随动系统中的应用设想

本文是“用灰色系统理论预测目标运动规律探讨”一文的姊妹篇,文中介绍了灰色控制的简况及其在工业技术应用的主要技术成果,提出了将灰色控制的原理与方法应用于火控随动系统中的若干想法。     

基于"当前"统计模型的火控预测器

分析了二阶多项式模型对机动目标进行跟踪和预测时存在的不足,研究了"当前"统计模型在火控预测器中的应用;通过仿真计算,比较了基于"当前"统计模型的火控预测器和基于二阶多项式模型的火控预测器对横向机动目标提前点的预测性能     

基于空域相关滤波的雷达回波信号降噪方法

对雷达探测来说,如何有效地增强真实目标回波信号、提高信噪比水平是非常重要的。传统的降噪方法如平滑滤波、傅立叶降噪很难有效地降低与目标频谱相重叠的噪声。空域相关滤波算法是小波滤波算法中的一种,能够有效地解决这个问题。该算法是利用真实信号与噪声在尺度间的不同表现来实现的,能够在保留信号细节的同时,有效地降低噪声。仿真表明,该算法在雷达回波的降噪中取得了较好效果,有效地降低了噪声。     

基于“当前”统计模型的综合滤波-参数识别模型

在机动目标“当前”统计模型的基础上建立了新的综合滤波－参数识别模型,并用识别－滤波两步走的方法在线识别机动示性参数和量测噪音参数,由此实现对机动目标跟踪的动态建模,使数学模型更加符合实际情况。     

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.     

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明：所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。     

目标自动跟踪参数辨识模型的工程化动态辨识

为解决机动目标参数辨识模型工程应用问题,采用扩张状态观测器等先进的非线性滤波算法,从实测的含有观测噪声的目标位置数据的序列中,直接估计出机动目标运动的一阶、二阶、三阶导数,并结合目标运动模型辨识的理论算法,在工程应用上首次实现了机动目标运动模态和运动模型的双重动态辨识,完成了目标模型动态辨识的工程化设计.     

一种修正的机动目标模型及自适应滤波算法

在"当前"统计模型的基础上,通过修正目标加速度的概率分布、机动加速度与方差的自适应关系及过程噪声协方差矩阵,提出了一种修正的机动目标模型及其自适应跟踪算法。理论分析和仿真结果表明,该模型能够准确描述目标的各种机动情况,跟踪算法具有良好的跟踪性能,具有实际应用价值。     

量测坐标系下的纯距离自适应跟踪算法

为避免传统雷达数据处理方法中因坐标变换而导致噪声统计规律变化的问题,基于“当前”统计模型,在量测坐标系下提出一种纯距离自适应跟踪算法。算法基于拟合的思想,利用纯距离信息在量测坐标系下进行滤波计算,避免了由于坐标系的变换而产生的偏差和耦合误差。针对目标发生机动的情况,实时地调整加速度方差,从而达到自适应跟踪目标的效果。仿真结果表明,该算法对目标状态的估计更加精确,对机动目标具有较好的跟踪性能。     

GPS定位中2种自适应滤波的组合算法

分析了卡尔曼滤波发散的原因,并给出了指数加权的衰减自适应记忆滤波和噪声加权自适应滤波2种算法用来抑制发散,相应地分析了衰减因子的选取以及噪声模型的在线估计,最后提出这2种定位方式组合的定位算法。仿真结果表明,衰减自适应记忆滤波和噪声加权自适应滤波明显提高了卡尔曼滤波的定位精度并且抑制了发散,组合算法在提高定位精度、抑制发散的同时,使这2种定位方式的优点形成了互补,增加了算法的稳定性。     

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.     

红外图像序列运动小目标检测的预处理算法研究

就如何检测复杂背景下低信噪比的运动小目标展开讨论,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,接着采用邻域判决的方法实现运动目标的进一步分离,最后用图像流分析法进行目标的最终检测。实验结果表明,该算法能够对小目标甚至是点目标的运动进行可靠的检测