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。     

一种基于分组序贯的红外弱小点目标跟踪方法

针对红外序列图像中运动弱小点目标的检测跟踪问题,在多假设跟踪算法(MHT)的基础上提出了一种分组序贯的思想.基于这种思想,给出了一种多组独立检测法.对这种方法进行仿真,并与多级假设检验的截断序贯处理算法进行比较.实验结果证明在相同虚警概率情况下多组独立检测法的检测概率与截断序贯处理算法的检测概率相近,但运算量要远小于后者.     

粒子滤波的重采样方法

粒子滤波是基于递推的Monte Carlo仿真方法的总称,原则上可用于任意非线性、非高斯随机系统的状态估计.但粒子的退化现象是粒子滤波器的最大缺陷,减轻这一现象影响的方法之一就是对粒子进行重采样.阐述了几种重要的重采样算法及其改进策略,并对其进行总结与展望.     

多模自适应滤波算法的性能改进方法

多模自适应滤波算法基于已知的故障情况设计出一组卡尔曼滤波器预测系统对给定输入的响应,根据卡尔曼滤波器的预测输出和系统的测量值确定各滤波器的残差,从而检测出系统是否发生故障及其故障类型.采用传统的多模自适应滤波算法检测故障时会有一定的时间延迟,不利于系统故障的实时检测,因此提出了几种减少多模自适应算法故障检测时间的方法,并将其应用于某无人机执行器和传感器的故障检测和识别,仿真结果证明可以有效地减少故障检测时间.     

基于自适应滤波的4FTSK信号解调方法及DSP实现

针对某型通信设备中无线数传机的信号解调问题,研究了一种基于自适应滤波算法的解调4FTSK信号的方法.采用常用的最小均方误差(LMS)自适应算法,跟踪信号的单一频率,分析输出信号的包络,实现4FTSK信号的解调.详细介绍了此种解调方法的基本原理及实现过程.研究了用DSP技术来实现自适应解调算法,并给出了对4FTSK信号的解调结果.     

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。     

基于强跟踪滤波的捷联惯导/里程计组合导航

针对车载里程计刻度系数受轮胎胎压、温度等的影响实时变化,提出采用强跟踪滤波进行捷联惯导/里程计组合导航。强跟踪滤波利用卡尔曼滤波残差序列相互正交的性质,在线实时调整渐消因子,对突变状态有较强的跟踪能力。提出采用平均速度匹配方法以消除载车振动及里程计量化误差对组合导航的影响,同时将杆臂误差列入状态量,消除不准确的杆臂在载车转弯时对组合导航的影响,建立了捷联惯导/里程计组合导航模型。进行了实际组合导航跑车试验,结果表明组合导航的定位精度优于1‰D。     

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。     

基于单目标双站测距的改进型三角定位法

针对不同传感器的测量值时间不匹配、定位精度低等问题,提出一种改进型三角定位法。引入α-β-γ滤波器,一方面对测量值滤波能够减小输入值误差;另一方面利用滤波得到的角速度和角加速度进行外推,将测量值进行时间配准,旨在提高定位精度。同时,分析了影响定位精度的几个因素,并进行了仿真验证。结果表明改进型三角定位法极大地提高了精度,并在传感器的布阵上给出依据,这对作战指挥决策具有重要的意义。     

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。