MATLAB环境下目标图像的实时辨识方法

介绍一种在MATLAB环境下彩色立体视觉装置在环的实时图像处理系统 ,用于自动识别前方汽车目标和计算距离。鉴于汽车均具有红色尾灯这一普遍特征和人观测色彩的一致性 ,在此采用了基于色度—饱和度—亮度模型的模糊规则来提取汽车尾灯的颜色特征 ;利用汽车上的反射光或阴影区域的亮度特征来进一步确认辨识结果 ,以克服复杂环境中背景颜色和各种光照视角、强度的变化对图像特征所产生的影响。此外 ,文中还提出一种新颖而快速的自适应“移位滤波器”算法 ,以消除颗粒状和细长带状噪声 ,并给出了实验结果和结论     

H/HCLZ-Ⅱ型测量组合导航系统总体设计

介绍了Ｈ／ＨＣＬＺ－ Ⅱ型测量组合导航系统的功能、组成及软硬件设计．近４年的实船使用表明,该系统功能强、使用方便、可靠性好,研制是非常成功的．     

坦克火控系统的自适应滤波与自适应解命中

在非制导火控系统中,为实现目标信息的自适应滤波与自适应解命中问题,机动目标模型应能动态识别,又要适应工作周期的各种变化.本文提出的“参数辨识模型”能同时满足上述要求,并可将自适应滤波纳入到现代控制理论的正常思路内予以解决.     

电子设备的防电磁泄漏技术研究

本文针对电子设备产生电磁泄漏的基本要素,提出了防止电磁泄漏的技术措施。     

对机动目标的滤波问题和灰色预测

叙述了火控系统中滤波的几种方法,分析了滤波中所存在的问题,并应用灰色系统理论对机动目标进行预测,讨论了火控灰色预测的特点。     

GNSS接收机离散化处理对解扩性能的影响

建立扩频信号防混叠滤波、采样、量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4 bit,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4 bit时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4 bit、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05 dB,对解扩性能提升不明显。该结论可为实用型全球导航卫星系统接收机前端离散化处理优化设计提供理论指导。     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

基于H∞滤波的无序量测更新算法

在目标跟踪系统中,传感器量测因通信延迟无序地到达融合中心,产生无序量测融合问题。针对此问题,将H∞滤波作为基础滤波算法,提出了一种可处理单步或多步延迟无序量测的新算法。新算法借鉴有序滤波思想,利用等价量测来代替无序量测发生时刻后的量测序列,然后从该时刻起利用无序量测和等价量测进行有序更新。仿真实验表明,新算法相比于传统算法有更高的滤波精度,尤其在系统模型误差较大时仍有良好的滤波效果。     

临近空间高超声速目标跟踪技术研究

由于临近空间高超声速目标具有高速度、高机动的特点,对此类目标的跟踪是一个研究热点问题。提出了一种基于容积卡尔曼滤波的临近空间目标跟踪方法,首先分析临近空间高超声速目标的运动特性,建立了临近空间高超声速目标的运动模型。然后通过三站测得时差信息,实现了对临近空间目标的跟踪。最后,对提出的算法与扩展卡尔曼滤波和不敏卡尔曼滤波进行了综合性能对比分析,并通过仿真结果验证了该算法的实时性有效性。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。