基于SNF的一种检测和跟踪性能优化方法

对于一个监视系统,跟踪性能的优化要求检测系统和跟踪系统通过引入反馈进行联合设计,针对最大量测幅值邻域滤波器(SNF),提出了先验和后验检测跟踪优化准则,通过分析得出先验优化准则不可行这一结论,而利用后验优化准则同时对检测阈值和门值的联合优化,仿真结果表明,用后验优化准则进行检测和跟踪性能优化,不仅具有比恒虚警率更好的跟踪精度,而且其计算代价也大为降低.     

二值化编码和相位相关的鲁棒景像匹配方法

结合二值化编码和相位相关,提出了一种快速有效的鲁棒景像匹配方法.首先利用2×2窗口上主对角线上像素灰度值的升降对实时图和基准子图进行二值化编码;然后,搜索二值化后的实时图在基准图中的位置,即,根据二值化后的实时图和基准子图的相位相关函数进行定位.多组实验与分析表明,该景像匹配定位算法对部分遮挡、图像灰度与对比度变化以及复杂噪声干扰等都具有比较强的鲁棒性.     

扩张状态观测器的机动目标跟踪算法

跟踪算法是自动跟踪火控系统的关键.提出了一种新的基于模板匹配的跟踪算法,可应用于实时的跟踪系统.该算法由扩张状态观测器(ESO)和序贯相似性(SSDA)匹配算法组成.首先使用扩张状态观测器,可以预测出目标在下一帧图像中的位置,再使用SSDA算法,在预测位置的邻域内进行搜索从而获得目标的准确位置.基于扩张状态观测器的模板匹配算法减少了搜索位置,提高了算法的效率,同时也克服了传统卡尔曼滤波用于目标预测时需要目标模型已知且滤波时间长的缺点.仿真实验证明该算法可以满足实时性要求.     

提高视线转率精度的一种改进方法

视线转率算法的改进是提高视线转率精度的重要途径之一。提出了一种计算视线转率的修正的几何算法,并利用该算法改进了α-β滤波器,改进的α-β滤波器具有更高的精度,其性能与Kalman滤波器相当,但算法更简单、可靠。仿真结果验证了该方法的有效性。     

基于矩阵乘法的高速卫星成形滤波器的FPGA实现

根据高速8PSK卫星调制器的要求,针对数字化基带成形滤波的信号处理特点,文中提出一种基于矩阵乘法的高速卫星成形滤波器设计方法及基于查找表的硬件实现方案。该方法将成形滤波直接抽象为矩阵乘法的运算,将多个卷积相乘项相加后再量化,减少了量化次数,提高了量化信噪比。用片内的BLOCK-RAM精心设计查找表,在8万门的芯片VIRTEX2-80中就能实现此方案。MODELSIM的时序仿真结果表明,可支持高达200Mbps的输入数据,满足卫星通信高速成形的要求,并针对未来更高速率的成形滤波器给出了一种通用硬件实现方法。     

3种非线性光学晶体光参量放大相位匹配特性的比较研究

利用Nd∶YAG激光的倍频、三倍频和四倍频谐波脉冲,对3种非线性光学晶体K2Al2B2O7(KABO),CsLiB6O10(CLBO)和β-BaB2O4(BBO) 产生宽频带的飞秒激光I型非线性光参量放大相位匹配特性进行了系统的理论计算和分析.分别讨论了放大共线以及非共线情况,计算了在不同非共线夹角下的相位匹配角度.研究结果表明对于这3种晶体,都能够产生宽频带的飞秒脉冲激光.增大非共线角,相位匹配带宽增加.在相同的条件下,CLBO晶体具有最宽的波长可调谐范围,CLBO晶体相位匹配特性优于KABO晶体,KABO晶体优于BBO晶体.这对于高效率地产生脉宽极短的飞秒参量激光、扩大飞秒激光的调谐范围以及通过参量技术放大飞秒脉冲都具有重要的意义.     

分层搜索在景象匹配中的应用研究

针对景象匹配制导系统的实时性问题,分析和论证了采用分层搜索策略的必要性,设计出分层搜索的算法模型,并详细阐述了分层搜索中可以采用的两种序贯判决搜索算法。研究表明,分层搜索技术对于提高景象匹配算法性能具有重大意义。     

基于虚拟检测函数下的IMM-UKF机动目标跟踪

为了有效提高对机动目标的跟踪效果,将无迹卡尔曼滤波(UKF)引入到交互多模型(IMM)算法框架内,加强状态估计精度;引入强跟踪滤波器(STF)到UKF算法中,避免对强机动目标的过大时间延迟和跟踪性能差的缺点;提出虚拟检测函数法,在跟踪过程中自适应调整"当前"统计模型的机动参数,加大模型集与目标真实运动模式匹配概率。仿真结果验证了改进算法的有效性。     

一种小样本数脉冲信号的样本子图分选算法

针对交错的雷达脉冲信号中,辐射源脉冲样本数较少而无法统计脉间参数规律实现脉冲提取的问题,提出了一种基于自提取样本子图的全脉冲匹配分选算法。该算法利用全脉冲移位匹配搜索自相关函数极大峰值,序贯提取辐射源时间维样本子图,同时筛选出匹配脉冲,无需对脉冲特征参数做统计分析,因此,可实现小样本数雷达信号的脉冲提取。仿真实验表明在有脉冲漏失的信号环境中,算法处理样本数充足情况下的脉冲信号与传统多参数统计方法性能相当,而且能提取出小样本数的脉冲信号。     

改进的强跟踪容积卡尔曼滤波的机动目标跟踪北大核心

机动目标的跟踪在实际中有着广泛的应用,其核心问题是机动建模和滤波算法。采用当前统计模型和容积卡尔曼滤波对机动目标进行跟踪。针对容积卡尔曼滤波在目标突发机动时跟踪性能较差的问题,借鉴强跟踪滤波思想,将渐消因子引入滤波过程,提出了一种改进的强跟踪容积卡尔曼滤波算法,该算法实现简单,估计精度高,鲁棒性强。仿真结果表明,该算法有效增强了系统对目标突发机动的自适应跟踪能力,并保持了对弱机动和非机动目标良好的跟踪性能,且运算速度较快。