对辐射源信号到达角的自适应跟踪估计

为提高信号到达角(AOA)的测量精度,采用修正的窗函数加权平均算法和基于机动加速度的非零均值时间相关模型的自适应卡尔曼滤波算法,将信号到达角的变化轨迹看作是一种做加速度机动的运动,实现对连续变化信号到达角的参数估计.计算机仿真验证了算法的有效性和可行性,证明该方法有一定的应用价值.     

舰艇编队多声纳数据融合

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行比较.结合各种声纳的探测特性和水下目标的特点,建立了舰艇编队的数据融合方案.选用简单凸组合融合算法作为舰艇编队协同反潜的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

基于自适应训练的一种新的软决策融合算法

为了提高系统的检测性能,本地检测器应用了软决策算法,提出一种新的结构框图.将本地判决送至自适应训练器来估计本地检测器的性能参数,然后将得到的性能参数反馈至本地检测器来控制本地的检测门限.另外又将本地判决和可信度送至融合中心进行融合判决得到最终的判决,随后给出了迭代算法.最后通过三检测器系统仿真说明了算法的可行性,检测性能比硬判决有所改善.     

基于自适应神经网络滤波的引信去噪声研究

设计了自适应神经网络噪声抵消系统,该系统不需要关于噪声信号的先验知识,非线性映射能力强,具有自学习能力,计算量小,实时性好.利用该系统对含噪声的非线性信号建模,达到消除噪声的目的.通过LMS算法,对不同信噪比(SNR)的含噪引信信号进行滤波,仿真结果表明,该滤波器能有效地抑制噪声.     

自适应权值的嵌套式轮循调度算法

服务质量是目前网络应用研究的一个热点.采取何种队列调度算法则是确保服务质量的关键因素之一.针对NDRR算法不能很好地满足实时业务队列突发情况下的延迟性需求,提出了自适应权值的嵌套式轮循调度算法.当实时业务队列处于突发情况时,能够实现动态增加其权重.理论分析表明该算法有较好的公平性,并能降低实时业务队列的延迟上界,且算法的复杂度为O(1).仿真结果表明,该算法明显改善了突发状态下实时业务队列的延迟性能.     

基于卡尔曼滤波器的GPS动态滤波方法

提出了一种解决随机误差影响GPS动态定位精度问题的方法.首先将GPS定位中的各种误差源在各方向造成的总误差等效为一个当前均值与一个符合一阶马尔可夫过程的有色噪声之和;其次对于GPS机动载体的加速度采用当前统计模型,然后通过扩展状态变量的思想和采用自适应算法建立相应的卡尔曼滤波器模型.该模型直接从GPS接收机输出的定位结果入手,实时性好,滤波后定位精度得到提高.     

超声波扩频测距及其信道自适应均衡技术

在扩频通讯系统框架中,建立一种新颖的多阵元超声波测距定位系统。从测距系统的仿真结果来看,采用二进制相移键控(BPSK)直序信号数字相关解调技术和基于最小均方算法的超声波接收信道自适应均衡器,不仅可以克服本地载波(相干解调)相位偏移所带来的不利影响,而且可以抑制多径信道噪声干扰和接收信道增益、相位随机漂移对测量精度的影响,从而提高了超声波测距系统的信噪比和分辨率。此外,采用伪随机码扩频解扩方法,容易实现码分多址(只要给安装在大范围测量区域中多个传感器分配相应的伪随机码,就可以方便地辨认出各个区域传感器发出的信号),扩大超声波测距系统的测量范围。     

高超声速飞行器低可探测性滑翔弹道优化方法

为进一步提高高超声速飞行器的突防性能,提出高超声速飞行器低可探测性滑翔弹道优化方法。考虑飞行器180°×360°方向的雷达散射截面,针对原数据尖峰多、收敛难的难题,运用高斯滤波法对其进行预处理,既不改变原数据趋势又加以平滑,提高优化问题收敛性能。为使计算所用雷达散射截面数据具备较强的保真性,采用三次样条插值方法调用离散数据计算实时雷达散射截面。完成了高超声速飞行器低可探测性滑翔弹道优化问题的建模,以探测概率为目标函数,运用hp自适应Radau伪谱法优化求解,采用逐步计算策略进一步提高优化效率和收敛性能。与传统最短飞行时间弹道对比表明,该方法有效降低了飞行器被雷达发现的概率。     

阵列雷达自适应多零点单脉冲群目标测角算法

针对阵列体制雷达,由极大似然估计导出自适应多零点单脉冲测角原理。分析发现迭代步长过大导致双零点单脉冲技术在多目标条件下失效,因此提出加权步长改进角度估计的迭代过程,只需要较少计算量就能实现群内多个目标的精确测角。仿真结果表明：该算法在较高信噪比条件下可以精确测量群内三个目标角度,测角误差约为0.15倍波束宽度;当群目标数较多或者目标相位差接近于0时,算法性能下降明显。     

过失速机动的AUKF-WNN气动力建模及仿真

为使所建立的气动力模型能够准确刻画复杂动态特性,提出一种基于改进UKF算法的小波神经网络(Wavelet Neural Network,WNN)飞行数据失速气动力建模方法。引入一种自适应因子来改善无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的性能;按照飞行数据的气动力建模流程,利用改进UKF算法对WNN参数进行最优化估计,构建失速现象的气动力模型。实验结果表明,针对飞行器失速的气动力建模问题,基于改进UKF算法的WNN建模方法,在建模精度和速度方面,优于传统神经网络和其他现有WNN方法,因此,使用提出飞行器失速的气动力建模方法是可行和有效的,得到预测结果也能准确刻画飞行器失速的动态特性。