多因素观测来源不确定的多目标跟踪算法

杂波、低检测概率和目标间观测相互干扰等因素,使得目标观测的来源难以辨别,提出一种基于改进GMPHD滤波的多目标跟踪算法,通过引入目标标记和权重向量,增广了标准GMPHD迭代中目标信息.基于高斯分量合并策略、目标状态估计策略和高斯分量优化策略,能够有效地改善目标状态估计精度和滤波迭代效率.目标跟踪仿真实验结果表明了所提算法的有效性及鲁棒性.     

针对无人机集群目标的舰炮对空射击方法

利用低成本无人机集群实施饱和攻击,将成为未来海战场突破舰艇对空防御系统的一种新型作战样式.从现有中小口径舰炮武器系统的射击体制出发,详细分析了现有追踪射击方法在打击此类密集目标时的能力不足,为增强现役中小口径舰炮武器系统打击无人机集群目标的能力,提出了基于未来空域窗的对空射击新方法,该方法控制武器系统内的单脉冲雷达波束对集群目标进行空间拉偏扫描,并通过最大似然估计的超分辨算法,获取迎弹面上的集群目标分布特征,改进传统未来空域窗射击方法中弹头均匀散布的设计思路,通过求解高斯混合模型配置弹丸散布中心,使得迎弹面上的弹丸散布概率与集群目标分布特征相匹配.仿真结果表明,该射击方法现实可行,可用于提升中小口径舰炮武器系统对无人机集群目标的打击能力.     

箔条干扰下雷达信号自相关检测方法研究

箔条是雷达无源干扰的常用材料,由于目标的雷达回波信号被淹没在箔条云强背景噪声中,雷达难以探测和跟踪目标,提出利用自相关方法检测箔条干扰下目标的雷达回波信号.对箔条云回波噪声进行了数学描述和仿真分析,可以看出箔条噪声是多个随机高斯分布的叠加;介绍了自相关检测箔条干扰下雷达回波信号的基本原理,并用SIMULINK软件对具体实例进行分析,利用接收的回波信号自相关函数反推出信号周期,并利用自相干法把淹没在噪声中的信号提取出来,所提取的信号和原信号具有很高的相似度,该方法对提高雷达抗箔条干扰有重要的研究意义.     

基于多元高斯概率分布的无线局域网定位方法研究

针对无线局域网环境及室内目标定位需求,研究了基于接收信号强度指示的定位技术,提出了一种基于多元高斯概率分布的信号强度模式匹配方法,讨论了定位系统框架。试验结果表明,该方法具有较好的室内定位效果。     

RAMS和HYPACT模式在核化生事件预测及评估中的应用

采用中尺度气象模式RAMS模拟计算了福建厦门地区复杂地形条件下烟团的释放过程,同时采用扩散模式HYPACT模拟计算了源高为100m的瞬时源扩散过程,为进一步开发复杂地形下的核化生事件预测及评估软件提供了基础。     

基于径向基神经网络的水下振动物体辐射噪声级别分类研究

运用径向基神经网络,利用水下振动物体内表面加速度信号对其辐射噪声级别进行分类,达到判断其声隐身性的目的.该方法的运算量较传统方法大大降低,极大地提高了计算速度.实例表明,该方法能较准确地对水下振动物体辐射声场声压级别进行分类,进而对其推广应用于潜艇提供了较好的依据.     

1．06μm连续激光辐照GaAs探测器的理论研究

建立了高斯型连续激光辐照GaAs探测器物理模型,近似解析计算了圆柱形GaAs靶板的三维温度场.数值分析了激光辐照时GaAs探测器的信号异常及熔融损伤的情况,并计算了相应的损伤阈值.理论计算与实验结论能够精确的一致,理论模型为评论同类激光效应以及激光对抗的激光加固提供了参考.     

从图像中提取文字

提出一种从图像中检测目标的思路 ,并利用它提出了从图像中提取文字的新方法。该方法可以用于图像数据库内容检索 ,视频检索 ,以及将纸张出版物中的文本转化为电子出版物。新方法分为如下两个基本步骤 ,首先检测出可能存在文字的候选区 ;其次 ,利用Hough变换方法分析候选内扫描线灰度分布对候选区进行证实 ,并对候选区的形状进行修剪 ,使其尽可能紧凑地包含文字。该方法适用于检测出不同大小、字体、排列方向、灰度 (颜色 )的文字。由于该方法所有操作都是基于像元进行的 ,所以便于硬件并行实现。所做的实验证实了方法的有效性     

数值许瓦尔兹－克力斯托夫变换与数值高斯－雅可比型积分

本文研究的主要内容是数值许瓦尔兹─克力斯托夫变换和它所涉及的数值奇异积分问题。利用牛顿─拉夫森迭代法导出了求解许瓦尔兹─克力斯托夫变换各个参数的数值过程。为了提高奇异积分精度,本文对数值高斯─雅可比型积分进行了研究,并用该积分方法对数值许瓦尔兹─克力斯托夫变换公式中出现的奇异积分进行了计算,取得良好结果。本文最后给出了示例,进行了验算。     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。