雷达极化信息处理技术的研究现状

有关目标散射波中信息的利用,到目前为止,还主要限于其幅度、相位、频移和波形,很少涉及极化信息的利用。本文简要评述国内外学术界在雷达极化信息处理研究领域,具体包括检测、最优化/信号增强、杂波抑制及目标识别等方面的研究现状。     

灰色系统理论在目标跟踪中的应用

本文将灰色系统理论引入目标跟踪算法,提出了极坐标系下的等维GM(1.1)残差模型算法和直角坐标系下的一种变形算法,并进行了仿真计算。仿真结果表明,灰色滤波方法是一种实用有效的对付机动目标的方法。     

方差约束下H~∞状态估计

利用一个修正的Ｒｉｃｃａｔｉ方程讨论了一种混合方差／Ｈ∞状态估计器,导出了估计器存在条件,及其解的一般表达式;揭示了其与Ｋａｌｍａｎ＃波之间的内在联系．最后用一个例子说明了这种状态估计方法在机动目标跟踪中的应用。     

一个适用于处理激光测距信息的非线性滤波器

本文分析了在激光信息处理装置里滤波方案的重要性及影响滤波精度的各种因素,对于作等速直线运动的目标的距离D(t),本文提出了一个非线性滤波方案。该方案的特点足通过其他途径先得到(?)(t)的精确估计,再把此估计值代入滤波公式,并通过参数最佳化技术,大大减小信息模型的误差,从而显著提高了滤波器的精度。文末还列出了三种滤波方案的计算结果。     

一种判决方法在激光信息处理中的应用

激光信息处理装置必须给出判别真假回波的准则。本文用判决理论研究真假回波的判别问题,讨论了两类错误的危害,给出了具体的判别式,并给出了综合真假回波判断,剔点处理以及滤波预测的统一递推公式。     

U-D分解单步迭代滤波在飞行状态估计中的应用

针对单步迭代滤波常规算法数值鲁棒性差、滤波易于发散的缺点对误差协方差矩阵使用了 U - D分解 ,从而形成了一种基于 U - D分解的单步迭代滤波算法。该算法提高了数值鲁棒性 ,并且对相关的量测噪声有一定处理能力 ,应用于飞行状态的估计问题 ,获得了较为满意的结果     

一种基于灰色粒子滤波算法的机动AUV航深内测方法

本文提出了一种将灰色预测和小波变换与标准粒子滤波相结合的灰色粒子滤波算法（GPF）,并将其应用于机动AUV的航深内测。GPF针对机动AUV航深内测过程中由于AUV运动状态未知和测量噪声不断变化而导致的滤波失效问题,在粒子采样过程中结合了标准采样和灰色预测采样,保证了采样得到充分多的有效粒子。在计算粒子权重时,利用小波变换跟踪测量噪声统计特性的变化,提高了各粒子似然概率计算和权重分配的正确性。最后以外测法测得的高精度的机动AUV航深作为真实航深,对该GPF算法进行了实验对比验证,并与EKF和MMPF算法的结果作对比,实验结果表明了本文方法的有效性和实用性。     

基于迭代卡尔曼粒子滤波的目标跟踪算法研究

粒子滤波在基于图像序列的目标跟踪中获得了广泛应用．针对其计算量较大的问题,提出一种迭代卡尔曼粒子滤波算法,将非线性跟踪问题分解为线性子结构的全局状态空间模型和非线性子结构的局部状态空间模型,利用粒子滤波在卡尔曼滤波估计值的局部范围内搜索目标,逼近真实目标状态．将实验结果与粒子滤波进行比较,结果表明,迭代卡尔曼粒子滤波减少了粒子数,降低了计算量,能够对高机动目标进行实时稳定的跟踪．     

融合地理信息的粒子滤波被动跟踪算法

在粒子滤波机动目标跟踪中,为避免粒子集退化现象,通常采取大量的初始粒子数,因而带来了运算量大、跟踪精度低的问题.融合目标舰可能的航线及地理位置先验信息,将约束条件加入到粒子更新迭代中,对粒子的分布和权值进行调整.通过仿真对比加入约束前后算法的跟踪性能,可以看出融合地理信息后,较好地解决了粒子滤波计算量大的难题,提高了纯方位跟踪定位的精度.     

杂波环境下机动目标跟踪算法研究

杂波环境下的机动目标跟踪问题具有非线性、非高斯、不完全观测的特点,其难点在于观测值与目标的对应关系及每一时刻的运动模式均呈现高度不确定性。文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的杂波环境下机动目标跟踪算法——多模型辅助粒子滤波算法(MMAPF)。仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在相同的情况下,具有更高的滤波精度和较好总体性能。