机载脉冲多普勒雷达对运动目标可检测性模型分析

针对机载脉冲多普勒雷达检测目标时存在的径向速度盲区问题,通过建立载机与目标的相对运动模型的方法对检测盲区的产生原理进行分析,论述了载机与目标相对径向速度的求解方法,推导了目标可检测速度门限的表达式。仿真分析验证了本结论的有效性,说明此结论能够为研究改善机载雷达检测目标性能的方法提供可靠依据。     

对机动目标的滤波和预测(下)

因反超音速导弹和末端机动导弹的需求,必需解决对机动目标的跟踪滤波和预测问题.根据对机动目标运动特性和噪声特性的分析,指出不能用处理平稳随机过程的最佳滤波方法来处理非平稳随机过程的滤波问题.利用自动控制理论、自适应控制方法和误差相消技术,构建了对付机动目标的滤波器,并给合常用的几条航路和一条完整的末端机动导弹航路,进行了模拟仿真计算,获得了较好的结果.最后,还给出了能补偿系统偏差的预测方法.     

多普勒雷达测速信号滤波方法分析

针对四波束多普勒雷达测速信号的特点,提出了适用于光纤捷联惯导/多普勒雷达/气压高度表组合导航系统应用的多普勒雷达测速信号滤波方法.分别分析了卡尔曼滤波、经典数字滤波和小波变换滤波方法在从含有噪声和野值的多普勒雷达测速信号中提取出原始信号的特点,并对实际跑车试验中测得的多普勒雷达测速数据进行了滤波处理.结果表明:小波滤波方法在降噪以及剔除野值方面性能更好,更能适用于组合导航中对多普勒雷达测速信号的精度要求.     

一种新型杂波环境下突发机动目标跟踪算法

针对杂波环境下突发机动目标跟踪性能下降问题,提出了一种基于自适应匀加速模型的交互式自适应概率数据关联算法。该算法在交互式概率关联算法基础上,采用带渐消因子的自适应匀加速模型(ACA)与匀速模型(CV)相交互,克服了卡尔曼和扩展卡尔曼滤波的三大缺陷,保证了在突发机动下的良好跟踪性能,扩大了机动目标的跟踪范围,实现了杂波环...     

基于集合Kalman滤波的目标被动跟踪系统

针对传统的目标被动跟踪技术计算量大和滤波不稳定的问题,引入了基于集合预报思想的集合Kalman滤波算法,联合利用到达角和多普勒频率信息实现机动目标被动跟踪,探讨了不同条件下集合成员的数量和初始集合的差异对目标被动跟踪性能的影响。仿真结果表明,集合Kalman滤波能够应用到目标被动跟踪系统中,并且跟踪性能更好。     

核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解.通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性.     

基于鲁棒高阶容积滤波的无人机相对导航状态估计方法

由于无人机相对导航系统具有非线性强、噪声非高斯的特点,传统的基于卡尔曼滤波算法设计的相对导航滤波器存在估计失准甚至发散的问题。考虑到高阶容积卡尔曼滤波和最大熵滤波算法分别在解决非线性问题和非高斯问题时的优势,利用最大熵滤波的量测更新方法对高阶容积卡尔曼滤波的测量更新方程进行了改进,将传统的量测更新问题转换成了线性衰退的求解问题,避免了对测量噪声进行高斯假设,同时解决了系统非线性和量测噪声非高斯的问题。进行了相应的数学仿真,仿真结果表明:所提算法的估计精度超过了高阶容积卡尔曼滤波和最大熵滤波算法的,验证了算法的有效性。     

典型线性火工分离装置作用过程数值模拟及试验研究

针对目前线性火工分离装置的优化设计主要依靠试验验证,成本高且设计优化迭代慢的问题,采用任意拉格朗日-欧拉方法建立典型线性火工分离装置的数值模型。通过火工分离试验和光子多普勒测速试验对上述数值模型进行验证,发现该数值模型具有较好的精度。使用该模型研究上述火工分离装置分离瞬态过程的力学机理,并定量分析多种因素对分离装置重点部位等效塑性应变等关键特征量的影响。研究发现,芯药线密度、分离板削弱槽底部的圆角半径对分离装置的作用过程有重大影响。此外,保护罩材质、削弱槽开口角度、分离板槽结构尺寸等因素对分离过程也有一定影响,但其影响相对较小。研究结果可以为典型线性火工分离装置的优化设计提供基础。     

统计线性化无序量测更新算法

在实际的多传感器系统中,由于各种传感器具有不同的采样率,预处理时间,以及数据通信延迟,因而会出现多个传感器量测不同步到达融合中心的现象。进一步地,当较早时刻产生的量测在较晚时刻产生的量测之后到达融合中心时,无序量测问题就出现了。针对离散时间非线性系统,提出基于统计线性化固定点平滑器的最佳统计线性化无序量测算法,它可以处理单步和两步延迟(甚至多步)无序量测,且能达到与重新滤波法相同的估计精度。     

非高斯背景条件下水声信号粒子滤波性能分析

基于贝叶斯滤波原理,介绍了粒子滤波(Particle Filter,PF)的基本思想和具体算法实现步骤。针对非高斯噪声对水下信号目标跟踪的影响,分别对符合高斯分布、韦伯分布和伽马分布的随机噪声序列,在噪声均值和方差相同的条件下,对比分析了扩展卡尔曼滤波(Extended Kaman Filter,EKF)算法和PF算法的估计精度。仿真结果表明,在非线性非高斯环境下EKF算法跟踪性能严重下降,而PF算法能继续保持较好的跟踪精度,证明PF算法在非线性非高斯系统中的有效性。