基于证据聚类的多源传感器证据组合研究

在分析D-S证据组合公式所存在问题的基础上,根据聚类分析思想,提出了对证据进行聚类加权的证据组合方法.该方法将较为相似的证据归为一类,根据聚类结果对证据有区别地进行组合,不同类之间的证据根据聚类距离进行加权后组合,同一类证据按一种加权证据组合公式组合.应用到目标识别系统后使其性能在一定程度上得到改善.最后通过计算实例表明算法是有效的.     

一种全局最优的多感测器检测融合算法

在实际检测中,由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道,另外由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,于是就在本地检测器和融合中心之间增加中继节点.然后利用贝叶斯规则对所有节点的判决规则进行联合最优化.最后通过仿真对系统的检测性能进行了比较.     

雷达网威力仿真中的复杂区域图形处理算法

以实际阵地环境下的雷达网复杂探测区域为研究对象,提出了雷达单元平面探测复杂区域填充的"橡皮擦"算法,雷达网平面探测区域面积计算、边界提取算法.并进行了仿真验证,仿真结果表明了算法的有效性,可广泛应用于雷达网威力仿真及其他相关领域中.     

基于改进Elman神经网络的SINS动基座传递对准研究

在运用Kalman滤波进行SINS动基座传递对准时,当模型存在误差或系统噪声不能反映实际噪声时,会降低滤波精度甚至导致滤波发散.针对这个问题,提出基于改进Elman神经网络的SINS动基座传递对准方法.首先通过增加输出层节点的反馈来改进普通的Elman神经网络模型,其次采用强跟踪滤波器对改进Elman神经网络进行训练.利用仿真数据对该算法进行验证,结果表明,该算法能够克服Kalman滤波的缺陷,提高传递对准精度达100%～150%.     

进化粒子滤波算法在雷达目标跟踪中的应用

进化粒子滤波算法通过模仿生物进化体制,以牺牲大量的计算量为代价增加样本集的多样性,从而较好地缓解了样本贫化现象.将进化粒子滤波算法应用于雷达目标跟踪过程中,变异强度的选择参考系统噪声与观测噪声性质,并通过粒子匮乏现象的强弱选择是否应用进化算法,从而大大减少了计算量.仿真结果显示所提出的算法对雷达目标跟踪有较好的应用价值.     

GPS信号捕获跟踪的仿真分析与研究

GPS天线信号到射频前端变换后的中频信号,再经模拟数字转换,便可得捕获与跟踪的原始信号.采用专用集成电路设计的GPS接收机极大地限制了用户对这原始信号的性能分析和新算法的自由开发.先对GPS信号的形成和接收机的结构作扼要介绍,再对GPS信号的捕获与跟踪进行算法研究与仿真实现.结论表明通过仿真技术能有效地复现出捕获和跟踪的GPS信号.     

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.     

变结构控制在某防空导弹稳定控制系统中的应用研究

以某高速、高加速防空导弹为背景,研究了一种对系统参数摄动和外在不确定性干扰具有鲁棒性的变结构控制律,将一般变结构控制律与趋近律相结合使用于导弹俯仰(偏航)通道,不仅改进了正常运动段的动态品质,而且削弱了变结构控制所带来的抖振问题.理论及仿真研究结果表明,此变结构控制具有鲁棒性,并能有效克服传统变结构控制系统的抖动现象.该控制器算法简单,易于实现.     

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.     

一种基于粒子滤波的水下地形匹配算法研究

引入了剩余重采样的概念,通过权值分类和剩余权值重采样两个步骤完成粒子的复制,提高了运算速度.使用三次样条插值的方法对深度数据进行插值,构建了湖泊水下数字高程模型.通过仿真证明了该算法的可行性,并分析了匹配误差与水下地形的关系.