基于“当前”统计模型的衰减因子自适应跟踪算法

针对机动目标跟踪问题,叙述了加速度方差自适应的"当前"统计模型.提出了一种具有自适应衰减因子的滤波算法,并对该算法进行了较为深入的理论分析.这种衰减记忆滤波具有集机动检测与参数自调整于一体的能力,最后Monte-Carlo仿真结果表明,这种自适应算法较原算法有较大的改进.     

频谱搬移法的误差和噪声分析

频谱搬移法是一种新型的高分辨率成像技术,文章采用理论推导与数值仿真相结合的方法,对该技术应用于实际时可能遇到的误差和噪声做了讨论。研究发现:在条纹存在移动误差的情况下,还原图像的质量随条纹移动次数增加反而下降,一般条纹移动3次就能达到最好效果,这也是频谱搬移法原理要求的最少次数,因此这种方法的成像效果与成像速度是不矛盾的,而且在移动误差比较大的情况下,图像质量仍能有所改善;另外,其对条纹场噪声要求也不是很高,一般在信噪比15～20dB时就能非常接近无噪声时的理想效果。     

基于先验知识的降秩STAP方法研究

提出了一种基于杂波先验知识的降秩(RR)空时自适应处理(STAP)方法——KA-RR法,该方法首先利用载机平台运动参数、雷达系统参数及地形、地貌参数等先验知识构建机载雷达杂波模型,然后通过该模型对机载雷达杂波数据进行预白化处理,最后利用降秩STAP方法自适应抑制剩余杂波。仿真结果表明,相对于传统的降秩STAP方法,KA-RR方法具有更好的杂波抑制性能和更强的鲁棒性。     

改进推广卡尔曼滤波算法在目标跟踪中的运用

对推广卡尔曼滤波算法进行了改进,提出了运用自适应门限滤除不可信观测向量的方法。在复杂多变的电磁环境中,有效的剔除不可信观测向量和防止有用信息的丢失一直是一对矛盾。改进的算法通过新息序列方差的统计信息确定自适应门限,并且对观测向量的每一个元素分别进行判决。仿真结果证明,该算法能够在防止有用信息丢失的同时有效剔除不可信观测向量,进而减小导引头的滤波误差。     

基于自适应遗传算法的LS—SVM漏磁缺陷重构

提出基于自适应遗传算法的最小二乘支持向量机算法（AGA-LS-SVM）的新方法,用于二维缺陷重构,建立由缺陷的漏磁信号到缺陷二维轮廓的映射关系。该方法实现人工裂纹缺陷的二维轮廓的重构,试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

基于指标值状态的自适应权重确定法

评估问题中指标值可能是已知的也可能是未知的,提出一种基于属性值状态的指标权重确定方法,该方法融合了粗糙集和区间数有序相离度的理论,根据指标值状态,自适应求取指标权重;同时引入调节算子,调节对主客观因素考虑的重视程度。详细地给出了自适应算法的步骤,并对算法的保序条件进行了分析,举例说明了该方法的应用,结果表明:方法简单实用,易于实现。     

基于证据理论的自适应协同方法在打击目标排序中的应用

针对指挥员在选择及对打击目标排序时会产生不同结果,采用证据理论进行了协同。以各指挥员的判断作为证据理论的识别框架,采用证据加权法及对各证据的合成,确定了证据的基本可信度分配,降低了各证据间的冲突,筛选出肯定的证据,达成指挥员决策的自适应协同,实现对打击目标更为合理的排序。     

基于模型概率的自适应交互式多模型算法

传统的交互式多模型算法中过程噪声协方差矩阵固定,不能很好地适应实际目标不同程度的机动。采用匀速和转弯运动模型集合,提出了一种基于模型后验概率的自适应交互式多模型算法。通过后验概率来自适应调整各模型中的系统过程噪声协方差矩阵,进而提高模型同系统运动模式的匹配程度;结合防空作战机动目标跟踪要求,通过典型目标机动仿真,同标准交互式多模型算法进行比较,验证了该算法的合理性和有效性。     

搜索雷达视频模拟器的杂波和噪声仿真技术

为对雷达作战效能评估提供一个高逼真度仿真环境,运用FPGA内建正态随机数模型结合模拟电路的方法产生噪声信号源,来实现对杂波和噪声的模拟。详细描述了杂波和噪声仿真的原理和具体实现方案。通过仿真和真实试验验证,该方案有效地提升了雷达作战效能评估所需仿真环境的逼真度,在雷达作战效能试验方面有广阔的应用。     

ITSON：一种基于拓扑演化的P2P智能搜索机制

P2P系统中节点的动态特性对搜索性能的稳定提出了很大挑战。借鉴社会学和组织学相应原理,提出拓扑演化模型捕获节点的运动规律。节点模拟人类在社会网络中的行为,根据自身和他人的兴趣变化,随搜索过程的进行,利用自身局部信息,动态、自适应地调整网络拓扑,及时反映资源分布以及搜索内容的动态变化,维持资源合理组织。在此基础上提出的智能搜索机制ITSON(InTelligent Search based on tOpologyevolutioN),利用消息转发的智能性进行路由方向决策,从而迅速定位提供资源的节点。仿真结果说明,ITSON能自动优化网络,具有良好的搜索性能和自适应特性。