液压伺服系统的H_∞观测器设计

针对液压伺服系统的故障诊断问题,提出一种新的全维状态观测器--H_∞观测器的设计方法.该方法简化了液压伺服系统的传递函数描述,建立了系统状态空间描述的能观规范型;在考虑过程噪声与测量噪声的前提下,设计了系统的鲁棒观测器结构,并运用H_∞滤波理论确定观测器的性能指标,求解了系统的矩阵Riccati方程,计算了观测器的反馈增益矩阵.设计实例的性能测试表明,该观测器具有良好的敏捷性和敏感性.     

H∞鲁棒滤波在机动目标跟踪中的应用

在交互多模型中通常使用的卡尔曼滤波器中,引入广义H∞鲁棒滤波器,以一定的精度为代价,换取满意的鲁棒性能。H∞鲁棒滤波算法可以分解为卡尔曼滤波和鲁棒化两个环节,从而形成一种基于增益失调因子的结构化分解算法。、为验证算法的有效性,进行了Monte Carlo仿真。仿真结果表明,本文算法跟踪复杂机动目标时跟踪性能有较大提高,有很好的可实现性.     

基于粒子滤波的红外小目标跟踪方法

提出了一种基于粒子滤波的红外小目标自适应跟踪方法.首先根据红外小目标的特点,建立灰度统计直方图分布模型对目标进行描述,采用基于Bhattacharyya系数定义的距离进行相似性度量,建立目标观测模型,然后通过这个模型将粒子滤波和均值位移方法结合起来,实现对红外小目标的跟踪.实验证明,该方法能够较好地处理图像序列中由于局部遮挡所带来的影响,准确地对红外小目标进行跟踪.     

一种基于时频域滤波的ISAR瞬时成像算法

为了得到机动目标的瞬时像,需要采用时频分析的方法.分析了2种Cohen类时频分布Wigner-Ville分布(WVD)及Choi-Williams分布(CWD)的时频特性.基于时频域滤波的思想提出一种兼备高时频集聚性和交叉项抑制能力的瞬时频率估计方法.由此得到一种新的ISAR瞬时成像算法,对机动目标数据进行成像处理,结果说明了算法的优越性.     

粒子滤波算法在单站无源定位中的应用

单站无源定位是目标跟踪领域的一个研究热点问题.首先介绍了采用增加观测信息量的方法来实现单站无源定位的技术,即方位/多普勒频率联合定位方法,对其定位原理以及实现进行分析讨论.引入一种新的滤波器-粒子滤波器方法(Particle Filter,PF)探讨了海面上运动的观测平台对远距离运动目标定位的应用背景,对目标的原始定位结果进行滤波处理,以减弱测量噪声的影响,提高定位的精度.仿真结果表明了这一处理算法的有效性以及高精度.     

舰载平台下的光电跟踪技术

针对舰载近程舰炮武器系统振动、烟雾等使用环境,提出了基于目标航迹滤波算法及舰炮火控技术相结合的光电记忆跟踪技术,并在某型舰载近程舰炮武器系统中应用,应用分析表明,此技术大大提高了光电在舰炮射击时的跟踪稳定性,也为后续解决高频振动和炮口烟雾等对光电跟踪影响提供了思路.     

用一种自适应UKF滤波器跟踪机动目标

在非线性系统中用自适应Kalman滤波器跟踪机动目标时,必须采用扩展Kalman形式,但扩展Kalman有精度低、易发散的缺点.在标准UKF滤波器的基础上,应用无迹变换将测量坐标系下的滤波残差统计特性转换到三维笛卡儿坐标系下,根据三维坐标下的滤波残差变化实时改变过程噪声协方差矩阵的大小,实现了自适应UKF滤波.滤波器既具备UKF滤波器精度高,不易发散的优点,同时不需了解目标机动的先验信息.仿真表明了本滤波器的有效性.     

改进的光学图像边缘检测融合算法

鉴于目前用于光学图像边缘检测的方法的局限性;针对光学图像的边缘检测特性,提出了一种基于小波和Canny理论相结合的融合算子;利用相似度性质,综合评估了融合算子与其他经典边缘检测算子相比的优越性;通过实验仿真,表明该融合算子能够较好地提取运动中的光学辐射目标的边缘.     

数据同化系统中的集合时间局地化鲁棒滤波方法

针对传统的卡尔曼滤波方法对不确定因素不具备鲁棒性问题,在集合鲁棒滤波的基础上,提出一种从观测角度构建优化数据同化的方法,称之为放大观测协方差矩阵的集合时间局地化鲁棒滤波,并推导了新方法的算法准则和递归公式。利用非线性系统Lorenz-96模型,基于性能水平系数、驱动参数、观测数目和集合数目变化的条件,对新方法和集合卡尔曼滤波方法的鲁棒性和同化精度进行比较。结果表明:集合卡尔曼滤波方法的均方根误差大于时间局地化鲁棒滤波的;在观测数或集合数较少的情况下,集合卡尔曼滤波出现了滤波发散问题,而鲁棒滤波的均方根误差波动较小;相较于传统的集合卡尔曼滤波算法,观测角度构建的时间局地化的H_∞滤波方法对系统参数的变化更具鲁棒性,滤波精度更高。     

非线性系统中的机动目标跟踪算法

对于非线性系统中的机动目标跟踪问题 ,首先针对“当前”统计模型的缺陷提出了一种修正算法 ,然后应用转换测量Kalman滤波算法进行跟踪。仿真结果表明在非线性观测条件下 ,算法明显提高了对弱机动和非机动目标的跟踪性能 ,同时保持了对强机动目标的高性能跟踪