弱机动目标的参数估计

本文探讨了卡尔曼滤波用于估计弱机动目标状态参数问题。在极坐标系下建立目标机动的相关加速度模型,通过对运动目标斜距二阶变化率和方位角加速度的定量分析,建立了自适应估计目标动态模型噪声强度的弱机动目标参数估计算法。对几种典型航路的模拟证实了在选择适当参数时该算法对目标机动,不同类型的机动间的转换,不仅能较好地压制随机量测噪声,而且能满意地估计目标的速度和航向。     

面目标仿真与缩比测量问题

面目标特性研究作为反低空突防,遥感、侦察的基础研究项目,日渐显示其重要性。基于统计电动力学的随机粗糙表面的双尺度模型,可作为此类目标仿真与缩比测量的理论依据。以宽带信号获得高距离分辨力,用小天线或聚焦口径天线保证近距离上为平面波前并有高的角分辨力,加上精心的模板设计,可以得到良好的仿真或缩比测量结果。该技术具有很好的经济性与实用价值,值得我们重视与探讨。     

多体系统 Lagrange 方程的算法研究

分析了欧拉角描述多体系统球铰的有关数值病态问题 ,提出在一定条件下 ,引入相应约束的解决思路以及混合伪坐标拉格朗日方法。     

SAR图像目标分割与方位角估计

图像分割和目标方位角估计是进行SAR (SyntheticApertureRadar)图像自动目标识别的重要步骤。文章提出了一种基于MRF (MarkovRandomfield)模型的SAR图像分割算法 ,利用ICM (IterativeConditionalMode)局部优化方法 ,获得MAP (maximumaposteriori)准则下的图像分割结果 ,将图像分割为目标、阴影、背景三部分。然后确定目标离雷达最近的点 ,从而得到目标的主导边界 ,并估计出目标的方位角。用MSTAR (MovingandStationaryTargetAcquisitionandRecognition)数据进行实验 ,估计方位角的准确性与现有算法的结果相比 ,具有明显提高     

多层局部回归神经网络在激光陀螺捷联惯导系统惯性敏感器误差补偿中的应用

惯导系统误差补偿技术对提高武器装备的性能具有重要的意义 ,而误差补偿的关键在于误差模型的辨识。探讨将多层局部回归神经网络引入到惯性敏感器误差建模中 ,详细介绍了网络结构和对应的自适应动态梯度算法。仿真算例说明 ,多层局部回归神经网络在惯性敏感器输出误差建模时具有一定的优点 :网络收敛速度快、较好的跟踪性能、稳定性好。     

神经网络指导贝叶斯决策准则用于运动目标分类

本文利用目标的动态特性开发了神经网络指导的贝叶斯决策准则进行目标分类。系统由特征提取器、指导条件概率生成器的神经网络、新颖的序贯分类器组成。所应用的主要特征是从每个航迹中提取的速度和曲率序列。类似于隐式马尔可夫模型(HMM),用隐含状态训练神经网络,网络的输出则是给定观测下出现隐含状态发生的条件概率。然后用这些条件概率作序贯贝叶斯分类器的输入进行分类。一旦接收到新的扫描数据,分类结果递推更新。为了说明所述方法的有效性,介绍了关于高杂波率的多扫描图象的模拟结果。     

Boring算法定位精度分析

介绍了大地主题解算法的Ｂｏｒｉｎｇ公式和影响定位精度的因素,给出了精度分析模型,对其进行了精度分析     

军用红外目标图像识别跟踪系统的现状与研究

红外目标图像识别跟踪系统在军事上具有重要而广泛的用途。针对其关键组成：红外探测器、信号处理、目标识别与跟踪,文章阐述了红外探测器（焦平面阵列）技术的发展现状,探讨了信号处理对系统作用距离的影响,综合分析了红外目标图像预处理、识别、跟踪算法,以及红外隐身目标探测与识别的技术途径,并进行了简要的硬件实现分析。     

多变量稳定裕度的计算方法综述

稳定裕度是评价一个控制系统的重要性能指标,它的作用在于告诉人们系统稳定的可靠程度。经典的Ｂｏｄｅ或Ｎｙｑｕｉｓｔ图能很好地度量出ＳＩＳＯ系统的稳定裕度,但其对ＭＩＭＯ系统却无能为力。文章介绍了当前用于计算多变量稳定裕的９种方法,并简要地进行了评述。最后,把计算简单而保守性又相对较小的奇异值方法应用于某ＢＴＴ导弹自动驾驶仪俯仰／偏航通道的鲁棒稳定性分析。     

多速视线指令滤波控制器设计

在许多现代便携式武器中所采用的视线指令制导方案,其本质是数据采样系统,它需要运用离散控制与估计理论。文章涉及了多速数字滤波－控制器的设计和测试。该滤波控制器适用于视线指令制导截击静止目标,将慢波束信息与弹上采用最优多速估值技术的快速测量结合起来。文中给出了详细的图解来说明所产生的滤波控制器的周期性,其工作速率与弹上快速测量相同。可以看到,多速滤波－控制器的性能仅在少数情况下比波束快速更新时所得到的差些。