基于递推最小二乘的单站无源定位仿真分析

为达到无线射频注入的定位精度和实时性要求,提出采用递推最小二乘算法(RLS)进行定位.首先讨论了无线射频注入的定位精度需求,建立了机载无源单站定位模型,得出了最小二乘(LS)解.然后依据无线射频注入的实时性要求将其转化为递推形式.仿真结果表明,RLS算法与LS算法的定位精度和收敛速度接近,但前者实时性好,运算复杂度低,所需存储空间小,能够满足无线射频注入的定位需求.最后依据仿真结果给出了提高定位精度和收敛速度的措施.     

由序列图像获取点目标的三维运动参数和空间位置

利用图像获取目标的运动参数和空间位置在目标定位、跟踪和计算机视觉中具有重要的意义。本文在目标和成像系统都运动的情况下,给出了由单目序列图像获取点目标绝对运动参数和三维空间坐标的条件,提出了利用多帧单目序列图像和应用非线性递推滤波算法来估计点目标的运动参数和空间位置。实验仿真结果证明,本文提出的算法是有效的。     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。     

视频编码标准H．264运动矢量搜索算法

高清视频的信息量巨大,传输比较困难。 H．264作为视频压缩的主流标准,可以有效去除视频的冗余信息,提高视频的网络传输能力。针对H．264中运动估计算法耗时严重的问题,提出一种新的X型搜索算法。 X型算法由粗到细地进行搜索,先以X型快速搜索确定运动矢量的可能范围,然后在可能范围内进行局部全搜索,最终确定运动矢量。试验结果表明,X型搜索能够在保证视频质量的情况下大幅度缩短编码时间,有效提高运动估计算法的效率,兼顾了速度与精度,为高清视频的实时传输提供了保障。     

多因子动态加权威胁估计方法

在分析了以往威胁估计方法不足的基础上,提出了多因子动态加权威胁估计方法,该方法中给出了诸因子新的有作战背景的威胁隶属度函数,并运用层次分析法（ＡＨＰ）计算出权系数,而且随着作战环境的变化可动态调整之。     

自调整交互多模型

本文提出了一种在X-Y平面内跟踪机动目标的新算法。该算法使用模糊if-then规则和指数衰减方法在过程噪声方差增加和减少时调整噪声方差值的大小.此外还提出了一种估计转弯机动角速度的新方法。并通过仿真数据和真实的数据对该算法和交互多模型(IMM)算法进行了比较。     

变结构MM估计器的模型集合序列条件估计

变结构多模型(VSMM)估计最重要、自然和实用的方法是递归自适应模型集合(RAMS)方法。它由两个功能部分组成:模型集合自适应和模型集合序列条件估计。本文是针对第二部分。具体一点,就是通过推广著名的交互多模型(IMM)算法得到基于任意时变模型集合序列的一般的最优单步高效的递归模型集合序列条件估计。这种递归提供了一种在RAMS中是最优的为新激活的模型分配概率并且对基于这些模型的滤波器进行初始化的自然和系统的方法。此外,还给出了基于任意两个模型集合(未必是不相交)获得整体估计的最优和高效的融合方法。最优递归和融合为模型集合序列条件估计问题提供了对于大多数实际问题都相当令人满意的解决方案。这里给出的结果已经应用在最近建立起来的两个变结构MM估计器,似然模型集合和模型群切换算法中。这些算法是普遍适用和容易实现,并且明显优于可用的最好的固定结构的MM估计器。     

时间与精度关系估算采样点数不等式的精确估计

本文给出了《论作战系统中时间与精度关系》论文中采样点数关系不等式的精确估计。     

弱通信条件下基于MPC与融合状态估计的多UUV编队控制方法

多无人水下航行器(UUV)编队控制在实际复杂海洋环境中面临着水声通信时延大、多中断和丢包等弱通信难题,如何提高其对通信的鲁棒性是重点研究方向之一。首先,建立了多UUV编队模型;其次,将多UUV编队航行分为有无参考路径两种状态,针对已知编队期望路径条件,将编队问题分解为路径跟踪与速度同步问题,设计了基于模型预测控制的路径跟踪控制和速度误差同步机制;再次,针对编队处于机动过程而缺乏参考路径的条件,提出了基于最小二乘的融合状态估计及其一致性编队控制方法;最后,在仿真环境最大队形误差0.6 m,验证了算法的有效性。与单积分器系统一致性编队控制算法对比分析表明,所提方法在队形控制精度、队形恢复时间以及编队的稳定性方面均具有一定优势,研究结果对多UUV编队应用具有重要的指导意义。