宽带目标回波模型的物理解释及小波变换表示

在点目标回波模型基础上,通过对理想运动体目标的分析,引入了距离-速度联合分布密度和时延-时间伸缩联合分布密度函数的概念,详细推导了延展目标的宽带回波模型,解释了各密度函数和宽带扩展函数的物理意义及相互关系,最后给出了宽带回波模型的小波变换表示方法.     

神六飞天的重大战略意义

神六飞天的政治意义连日来,全国各族人民、全球华人,心随神六而升腾,情随神六而跳跃。对神六的关注扩展到对祖国航天事业的关注,进而扩展到对祖国各项建设事业的关注,由此形成强大的对祖国的向心力和凝聚力,这是我们伟大祖国宝贵的政治资源。     

地面慢速移动目标轨迹预测方法

在预测期较长的情况下,不确定因素将增加,对地面慢速移动目标轨迹预测的结果可能偏差较大.为了检验和提高预测结果的准确度,克服单一预测模型的不足,提出了一种改进灰色预测模型结合轨迹点转移概率的综合预测方法.通过引入缓变因子,并对原始数据进行自然指数变换,改进的灰色GM(1,1)模型能够控制其发展系数,提高灰色预测模型本身的精度.为了进一步检验预测结果,利用当前统计模型和分段整合的思想,并采用目标加速度截断正态概率密度模型,建立了轨迹点转移概率分布模型.仿真结果表明,该方法能够达到提高和保证预测精度的目的.     

高斯马尔可夫融合算法在卡尔曼滤波中的应用

针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂,计算负担较重的问题,结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值,不需要计算局部稳态滤波误差互协方差,只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单,省略了很多繁琐步骤也能达到不错的滤波融合效果,通过仿真证明了此方法的可行性和高效性。     

基于组合牛顿迭代法的改进IEKF及其在UNGM中的应用

从高斯-牛顿迭代的角度对迭代扩展卡尔曼滤波(IEKF)进行分析,提出了一种基于组合牛顿迭代法的改进IEKF算法。该算法通过实时判断每次迭代对状态的逼近程度,采用加权平均的方法确定新的迭代值,继而采用卡尔曼滤波框架对状态进行量测更新。新算法较传统的IEKF具有精度高以及对初值不敏感的优点。实例仿真验证了该算法的有效性。     

频率估计的多段异频等长信号相位积累算法

为提高信号频率估计精度和扩展已有方法的适用范围,提出一种基于相位积累的多段异频等长信号的频率估计算法。首先生成异频分析参数矩阵,克服分段信号频率不等问题;其次设计相位差补偿因子,克服分段信号相位不连续问题;最后搜索相位累积频谱最大值,获得信号频率估计值。为验证算法的正确性,给出了相应的数学推导证明。仿真实验结果表明,该算法具有较好的频率估计精度,频率估计误差约为现有方法的1/2,较为接近克拉美罗下限。     

SIP/SDP协议在IMS中的扩展应用

会话初始协议(SIP)与会话描述协议(SDP)是IETF提出的用于VoIP系统或IP多媒体子系统(IMS)的呼叫/会话管理和信息编码协议。SIP基于文本,简单灵活,易于升级扩展,是固定和移动网络向下一代网络演进的核心控制协议。SDP可用于多媒体会话的SIP消息编码,以便进行会话和媒体协商。文章在深入分析SIP/SDP协议及其扩展机制的基础上,针对专用IMS网络的特殊应用需求,提出了兼容服务质量(QoS)和密钥分发功能的SIP/SDP协议扩展方法,并对支持扩展功能的业务流程进行描述,最后对SIP/SDP扩展应用的相关问题进行了探讨。     

非均布应力场中内埋裂纹的应力强度因子

在内埋裂纹线性线弹簧模型的基础上,通过引入二维权函数将裂纹面上的非均布载荷进行均布化等效,求解了中心内埋椭圆形裂纹在沿板厚非均匀分布应力场中的应力强度因子,列出了问题的奇异积分方程,利用Gauss-Chebyshev方法求解了在4种应力场分布情形下的数值结果,并与已有文献的解进行了比较,当a0/c0 ＜0.4、a0/h≤0.3时,两者结果具有较好的一致性,表明了本文方法的合理性和可靠性.     

无源北斗组合导航算法对载体机动的适应性

研究了自适应滤波定位算法,以便减小大机动时组合导航系统的定位误差。首先,在仿真分析组合导航算法的基础上,提出了模糊逻辑自适应滤波方案。然后,通过仿真获取系统知识,建立模糊逻辑算法调整滤波器驱动噪声方差,实现滤波定位模型对用户机动的适应性。最后,通过仿真验证,模糊逻辑自适应滤波算法能够根据用户机动情况实时调整卡尔曼滤波器的驱动噪声方差参数,并能有效提高组合导航系统机动时的定位精度。     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。