浅述SARS病毒检测技术

评述了可用于SARS病毒检测的主要技术方法,包括免疫分析、PCR技术和生物传感器等．     

基于粒子滤波的多异步传感器检测前跟踪算法

针对弱目标检测跟踪问题,提出了基于粒子滤波的多异步传感器检测前跟踪算法。该算法通过对粒子的状态进行时间和空间递推,将雷达对于目标位于不同时刻的回波幅值映射到同一个粒子的权重中,从而通过对粒子状态及权重的融合,将多雷达的回波幅值信息进行融合,并在此基础上实现对目标的检测跟踪,获得目标航迹。仿真试验结果表明,与单雷达效果相比,所提算法能够有效提高目标跟踪精度和目标正确发现概率。     

基于估值修正的分布式传感器网络最小均方算法

为使分布式传感器网络自适应滤波算法在具有快速收敛和低稳态误差的同时,具有对脉冲干扰的鲁棒性,在扩散LMS自适应滤波算法基础上,提出一种基于参数估值p阶范数修正的变步长最小均方自适应滤波算法,算法通过使用参数估值的p阶范数增抗其对脉冲噪声的抗干扰能力,通过合理设置变步长控制因子使得算法在收敛初期的收敛速度及收敛后期的稳态误差在一个较小的范围取得一个较好的平衡。对比实验表明,相比已有算法,所提算法性能更优且具有较好的鲁棒性。     

共形阵列方位依赖幅相误差校正辅助阵元法

针对共形阵列方位依赖幅相误差校正问题,给出了一种新的基于辅助阵元的自校正算法。对共形阵列接收快拍数据延时,构造满足旋转不变关系的时域子对,并计算子对的协方差矩阵和四阶累积量矩阵;基于旋转不变子空间原理完成对阵列流型和信源频率的估计;利用精确校正的辅助阵元和解线性方程组,实现对信源方位和方位依赖幅相误差的估计。所给算法适用于任意共形载体,普适性强,且无需参数搜索和配对,计算量小。Monte-Carlo仿真实验证明了所给算法的有效性。     

附加运动约束的MEMS惯性传感器融合定姿算法

针对MEMS惯性传感器因精度低、误差随时间累积导致无法满足长时间姿态测量要求的问题,提出了一种附加运动约束的姿态估计方法,即在以陀螺仪解算的姿态信息作为系统预测、以加速度计与磁强计解算的姿态信息作为系统量测的基础上,将载体运动约束作为虚拟观测量输入滤波器。同时,针对传统EKF算法精度不高的问题,提出了一种新的滤波融合算法,即迭代更新扩展卡尔曼滤波(iterated update extended Kalman filter,IU-EKF)。新算法通过将当前量测信息逐步引入量测更新过程实现后验状态估计,从而达到减弱观测模型非线性、提高滤波估计精度的目的。数值仿真结果表明:本文算法的姿态估计精度较传统的"双矢量法+EKF"模式有大幅提升。     

改进的Hough变换红外传感器像平面轨迹起始算法

首先研究了基于逻辑的和基于Hough变换的平面轨迹起始方法,并在此基础上提出了一种基于改进的Hough变换红外传感器像平面轨迹起始算法,介绍了算法的具体步骤,并对算法进行计算机仿真实验,分析了算法的相应指标。     

基于矢量传感器的探测系统信息处理

水下武器被动声探测系统中,目标方位估计和航迹估计是两项重要的内容。利用基于声压振速联合信息处理的矢量传感器探测系统,获取目标方位;据探测系统获得的深度、水平方位角、俯仰角三个运动参数,采用扩展卡尔曼滤波(EKF)算法实现对水面运动目标进行航迹估计与跟踪,提高水下武器的精确打击能力。     

航电传感器系统多源数据统计模型评估方法

提出一种基于统计模型的航空电子传感器多源数据评估方法。分析航空电子传感器量测数据可知,航空电子传感器部分量测数据直接或间接来自两个以上信息源,针对该类型的待评估数据,建立数据评估的统计模型,进而进行系统评估。仿真实验和实际应用表明:该方法能够进行航电传感器多源数据的评估,且取得了理想的评估效果。     

无线传感器网络通用后台分析管理系统研究与实现

在无线传感器网络的研究与开发中,经常需要获得关于网络运行的各种宏观和微观信息。针对该需求,结合大部分管理节点和计算机之间的通信都是使用串口这一特点,对系统的功能通用性和硬件独立性进行了研究,设计并实现了一个这样的系统。该系统能够对来自不同传感器的数据进行存储、解析、显示和模拟,支持星形、簇树和网状网络的拓扑和路由显示,并具有节点查询功能。该系统为传感器网络的设计与开发提供了快速灵活的通用平台。     

基于二进制传感器网络的目标运动方向估计方法

介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。