组合滤波方法在实时数据处理中应用

针对某种滤波方法独立用于飞行器试验,引起实时数据处理精度欠佳的问题,为了提高实时数据处理精度开展组合滤波方法研究。分析飞行器轨道特点和滤波器收敛特性,提出了将飞行器的轨道按时域分段,根据不同时域以α-β-γ滤波为主、多项式中心平滑滤波为辅,或将主、辅关系颠倒过来组合使用,并将滤波器初始以及测量数据中断点作为特殊情况加以处理。结合以往工程实际应用的经验,给出不同时间段落和数据中断点的滤波器使用原则和控制流程,为组合滤波方法在工程上实现奠定了基础。     

阵列互耦条件下运动目标角度跟踪方法研究

针对观测过程中角度发生变化时的运动目标跟踪问题,同时考虑到常规阵列中所普遍存在的互耦效应,通过分析均匀线阵互耦矩阵的带状Toeplitz结构,提出利用在原始阵列两侧增加辅助阵元的方法补偿互耦效应对阵列响应函数的影响,并将粒子滤波技术与原始阵列经互耦补偿后的观测数据相结合,实现了阵列互耦条件下对角度变化目标的高精度方向跟踪。仿真实验验证了新方法的优良性能。     

一种新的自适应粒子滤波算法*

在对实时性要求高的系统中,粒子数的选择对粒子滤波至关重要,需要在滤波精度与计算复杂度乏间取折衷.提出了一种基于决策规则的自适应粒子滤波算法,在定义综合性能代价函数的基础上,推导出粒子数与滤波误差方差之间的关系,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数,以使滤波的综合性能达到最优.通过Monte Carlo仿真实验表明,新算法在与基本粒子滤波算法(PF)保持同等精度的条件下,大大降低了算法的计算量,约为PF的六分之一.     

一种新的概率数据关联滤波算法

在密集多回波条件下对单个机动目标跟踪的情况下,综合利用"最近邻"法和概率数据关联滤波算法,推出了一种基于"最近邻"方法的概率数据关联滤波算法,采用关联区域内总数固定的候选回波来更新被跟踪目标的状态,并进行了计算机仿真.结果表明,新滤波算法的跟踪性能明显要优于概率数据关联滤波算法,而且降低了概率数据关联滤波算法的计算量.因此,可以通过回波的残差协方差矩阵进行衡量,挑选总数固定的"最近邻"回波,取这些回波的加权和作为目标回波用于概率数据关联滤波算法中更新被跟踪目标的状态.     

自适应Kalman滤波的战术数据链自主时间同步算法

分析了战术数据链自主时间同步机制及各类误差源特性,给出了降低时间同步误差源影响的设计途径。针对复杂物理环境下时钟漂移模型难以准确建立的问题,设计了一种基于自适应Kalman滤波的自主时间同步算法,提高了不利条件下数据链的时间同步性能,实验结果证明了所采用方法的有效性。     

基于混沌高斯频率调制的距离-多普勒雷达成像

提出了利用混沌映射产生随机抽样的方法。进一步证实了高斯抽样可以通过两类随机数产生器结合混沌映射生成。利用高斯抽样,得到了高斯调频雷达信号。研究结果表明,通过这种高斯调频信号得到的模糊函数接近2维delta函数,它在距离-多普勒平面上的旁瓣是均匀分布的。对该高斯调频信号进行傅立叶处理可以得到高分辨率的距离-多普勒图像,图像品质较高。     

基于动态时间规整算法的车辆目标分类研究

将动态时间规整(Dynamic Time Warping)算法应用于地面车辆目标的分类识别中。基于微多普勒效应原理,建立了轮式车辆和履带式车辆雷达回波模型,对两种车辆目标微多普勒信号的差异性进行了分析,并结合实测数据,验证了理论分析的正确性。在杂波抑制及速度归一化处理的基础上,利用动态时间规整算法,将提取出的车辆目标的累积失真距离作为目标分类识别的依据,实现了轮式车辆和履带式车辆的自动分类。基于实测数据的实验结果表明,该方法在不同信噪比条件下都具有较好的分类性能。     

调频脉冲信号辐射源多普勒信息提取方法研究

提出了一种基于单脉冲频率及频率变化率联合估计和多脉冲联合估计脉冲重复周期变化率的调频脉冲信号辐射源目标多普勒参数提取方法。该方法解决了无源定位系统数据采样频率与辐射源脉冲重复周期不匹配造成的频率偏差问题,在脉冲到达时间的提取上避免了对脉冲边沿的判断,使得利用中频采样信号计算脉冲重复周期成为可能。介绍对了该方法所采用的频率及频率变化率联合估计关键技术,并在此基础上讨论了该方法所能达到的理论估计精度及误差分析,最后通过仿真试验验证了该方法的可行性和有效性。     

稳像火控中目标角速度测量误差及滤波方法

对稳像火控系统中目标角速度的测量过程进行了分析,指出采用自动传感器测量目标角速度仍存在误差,且对射击诸元的影响较大;在计算机采集数据的有限时间段内,该误差序列为均值不为零的随机干扰噪声,采用均值—中值加权滤波方法可有效减小该嗓声对射击诸元影响.     

一种基于时变噪声统计的异步多速率传感器信息融合算法

以异步多速率传感器信息融合理论和同步单速率传感器时变噪声统计理论为基础,提出了一种适用于时变线性系统的异步多速率传感器时变噪声统计系统的信息融合算法.通过原理分析和数学推导,将异步多速率传感器动态系统建模为同步同速率系统.进而利用噪声统计估值器和相应的自适应Kalman滤波方法进行状态估计,利用联邦分布式数据融合方法进行信息融合,获得基于所有现测信息的最优估计.理论分析和仿真结果均表明,该算法的融合效果优于任一单传感器Kalman滤波的效果.