目标跟踪系统中野值的判别与剔除方法

目标跟踪系统观测的目标坐标值,不仅包含随机误差,有时由于干扰等原因,使得测量值含有远大于随机误差的粗大误差,通常称为野值。带有野值的测量值将导致滤波系统产生记忆效应和误差,甚至导致滤波过程发散。因此,对测量过程产生的野值应予剔除。结合对Kalman滤波原理的分析,说明了基于Kalman滤波的野值判别与剔除方法,并提出了野值判别门限值的计算方法。     

带有状态噪声的限定记忆卡尔曼滤波方法

在已有限定记忆卡尔曼滤波方法的基础上 ,引入状态噪声 ,并推导了新的限定记忆卡尔曼滤波公式。从而降低了记忆长度的选取难度 ,扩大了已有模型的适用范围     

用于目标弱信号处理的三重相关匹配滤波技术

分析了在二重相关匹配滤波技术的基础上实现三重相关匹配滤波的方法。三重相关匹配滤波对于目标的弱信号进行检测和处理 ,具有广泛的实用价值。给出了一个红外搜索目标信号处理的计算机模拟结果 ,并对计算机模拟结果进行了分析 ,证明了三重相关匹配滤波技术相对于二重相关和三重相关检测技术的优越性     

激光捷联惯导在某雷达导航系统中的应用

介绍了法国 SAGEM公司生产的激光陀螺捷联惯导系统 - Sigma30的基本结构和导航原理 ,研究了由 JupiterGPS接收机与 Sigma30构成的组合导航系统的组合方案 ,并从工程的角度讨论了其在某雷达组合定位定向导航系统中的应用     

半带脉冲成形滤波器设计及性能分析

为了减少调制带宽、抑制带外杂散,通信系统中通常在发射端设置脉冲成形滤波器,而为了获得最大信噪比,在接收端通常使用匹配滤波器。以半带滤波器为基础,利用多级级联方法,设计了一种新型的脉冲成形滤波器,通过最小、最大相位分解方法,使得滤波器便于在实际通信系统中的使用。仿真结果表明,设计的成形滤波器与升余弦滚降滤波器相比,通带起伏小,硬件资源耗费少,在低信噪比时对不同调制方式均有额外的功率增益。     

联邦滤波器公共信息分配方法

目前的导航系统多采用以惯导为主的组合导航方案,其组合算法有集中卡尔曼滤波和联邦卡尔曼滤波两种.针对联邦滤波器公共信息分配的问题,分析了常规的固定分配系数的方法及其特点,之后详细讨论了动态分配方案,列出了几种分配模型.最后给出了INS/GPS/ADS组合导航系统公共信息动态分配的算例.     

基于卷积神经网络与滤波融合算法的某惯导系统剩余寿命预测模型建立

在对产品中具备大量运行观测性能数据的关键系统部件进行剩余寿命预测的过程中,因寿命数据稀少难以建立寿命分布模型。而对产品性能观测数据进行退化建模,传统退化过程分析模型对于产品性能观测数据适应性差导致产品寿命预测精度低、有效性弱的问题,充分挖掘部件退化数据信息,依据相关退化分析技术,基于统计模型中的滤波预测方法与机器学习技术中的回归卷积神经网络（regressive convolutional neural networks, RCNN）预测方法建立产品剩余寿命预测融合模型。融合模型结合了滤波预测模型对产品退化状态的挖掘能力、不确定表达能力与RCNN网络模型良好的数据适应性、预测的准确性,提高了产品退化数据分析的准确性及有效性,可对产品关键部件的寿命进行有效预测,为产品中具备大量运行观测数据的关键系统部件健康管理提供辅助参考。     

海战场作战仿真系统的雷达建模与仿真

兵力实体建模是海战场作战仿真的关键环节。以海战场作战仿真系统,根据雷达系统工作原理,结合工程实际,建立了雷达系统的相关功能数学模型。深入研究了雷达的截获概率模型、测量误差模型和滤波计算模型。仿真结果表明所建立的雷达模型的有效性,满足仿真试验的要求。     

基于雷达与红外传感器量测融合的改进EKF算法

针对扩展卡尔曼滤波在递推过程中状态协方差可能失去正定性,从而引起滤波发散现象的问题,在滤波过程中用协方差平方根代替协方差进行迭代计算,保证其正定性。对一组异类传感器(红外传感器和雷达)观测数据采用加权最小二乘法进行融合,然后用平方根扩展卡尔曼滤波对融合的数据进行滤波。蒙特卡罗仿真结果表明,平方根扩展卡尔曼滤波和加权最小二乘数据融合方法可以保证滤波精度,并且能有效抑制滤波发散。     

自适应补偿H_∞滤波器在组合导航中的应用

针对传统递推式鲁棒H∞滤波收敛条件在工程中较难满足的问题,提出了一种自适应补偿的递推式鲁棒滤波算法。在分析滤波器收敛条件的基础上,对滤波器中迭代矩阵进行补偿程度自适应的修改,并结合实际系统要求给出了滤波误差定量度量指标,即响应时间、偏离度、波动程度,以验证算法的正确性。GPS/IN S等组合导航系统仿真结果表明,此方法滤波误差下降速度、无偏性及平稳性均优于改进前滤波算法,且计算量几乎不增加;此方法克服了收敛条件不满足导致滤波精度下降的缺陷,扩大了递推式鲁棒滤波的应用范围,具有较大的工程应用价值。