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。     

病态线性回归模型系数的0─c型岭估计

针对病态线性模型病态的实质,提出回归系数的０－ｃ型岭估计。首先研究它的均方误差的最优化问题,给出了参数的最优值或最优值的一个上界和下界,证明可以选择参数,使它在均方误差的意义下优于ＬＳ估计。其次,研究它的偏差,证明存在０－ｃ型岭估计优于ＬＳ估计,且比岭估计β（ｋ）具有较小偏差。最后证明它的可容许性,并讨论在实用中它的岭参数选择方法的优点。     

用于军事态势估计的协作知识模型

分布式人工智能（ＤＡＩ）是ＡＩ领域的一个新分支。ＤＡＩ研究的主要目的在于分析和设计大型复杂的协作智能系统。本文以军事智能决策过程中的重要环节──态势估计任务为背景,提出了用于实现分布式协作求解的知识表示框架ＤＥＳＷ系统。文章简要分析了军事态势估计领域背景,然后从系统设计的三个方面依次介绍了ＤＥＳＷ的系统组织模型、主体概念模型和分布式协作推理模型。     

角速率火控原理研究

论述并研究了角速率火控原理,利用“滤波──识别”方法,提出了一套新的角速率火控滤波和外推模型。仿真结果表明,这种模型对于机动运动的反舰导弹可以明显提高火控预报精度。     

导弹落入概率的统计特性

该文讨论了导弹落入概率最简单情形的统计特性,包括参数估计、落入概率的抽样分布、期望及方差,并给出了落入概率的一致最小方差无偏估计（ＵＭＶ－ＵＥ）。     

用四无数法设计一种新型动基座初始对准

利用捷联制导系统固有的硬件资源可构造一种新型的动基座初始对准方案,运用广义卡尔曼滤波技术及四元数法表示,给出了实施初始对准的失调估计器的设计方法,仿真结果表明,该设计可有效地在飞行过程中实施快速初始对准。     

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。     

一种新型非线性滤波器在目标状态估计中的应用

研究了球坐标系中目标状态估计问题,应用一种新型非线性滤波器设计了目标状态估计器,选择了机动目标“当前”统计模型作为目标加速度模型,对所设计的状态估计器进行了仿真,仿真结果表明该估计器具有令人满意的性能。