辅助变量法消除纯方位目标运动参数估计偏倚

由于测量噪声与观测阵统计相关,使得纯方位系统伪线性后的最小二乘估计是有偏的.理论分析证明,构造适当的辅助变量可以消除这种偏倚.可以将前3个时刻的测量值的预测值作为辅助变量,从统计上解耦达到消除偏倚的目的.计算机仿真计算的结果表明,该方法相当稳定,受收敛问题的困扰较少,可以达到消除估计有偏的目的,同时提高了对目标参数估计的精度,因此该做法被验证是有效的.     

基于改进噪声检测的迭代中值滤波算法

提出了一种基于改进噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中噪声检测方法改进了IMFLED方法,进一步降低了误检率和漏检率。经过仿真实验并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

基于U-D分解滤波的交互多模型算法

简要回顾了基于相控阵雷达的三维空间中机动目标建模与自适应跟踪的机理,针对交互多模型算法在其跟踪应用过程中可能会出现的滤波发散问题,提出了一种基于U-D分解的交互多模型目标跟踪算法.该算法可以有效地限制交互多模型算法滤波计算过程中的滤波发散的可能性,从而使得IMM算法更加稳定.     

异类传感器信息融合的分布式滤波算法

基于联邦滤波算法,对雷达/红外双模导引头数据融合算法进行了研究,给出了基于雷达/红外双模导引头跟踪系统的结构及算法模型.针对典型工作状况参数,对匀速、匀加速、机动等目标运动状态进行了蒙特卡罗追踪仿真.仿真结果表明:基于联邦滤波的分布式融合跟踪算法,对各种目标运动状态下的位置、速度跟踪精度和抗干扰能力都相对于雷达单模跟踪的较好.     

EM-PF参数估计的直升机主减速器裂纹增长预测模型

针对如何有效利用设备故障监测过程中获取的有限的直接状态信息和大量的间接状态信息,进行故障预测的问题。首先建立了Gamma退化过程状态空间模型;进而在EM中嵌入PF技术,实现了参数求解,并通过仿真方法验证了估计精度;最后根据UH60直升机主减速器行星架的振动特征和裂纹长度数据,将预测模型应用于行星架裂纹增长过程,对任意时刻的裂纹长度进行了预测。实例表明该预测模型可以以较高的精度估计行星架实际裂纹长度。     

基于粒子群聚类的导弹直接侧向力模型辨识

为了充分挖掘数据的潜在规律,提出一种基于粒子群模糊C均值聚类的模型辨识方法,该方法首先对实验数据进行分类,得到最佳聚类数和聚类中心,然后对不同的类分别辨识.新数据可以根据到不同聚类中心的距离划分为不同的类,再根据该类的辨识模型得到输出结果.依据风洞实验数据,采用粒子群模糊聚类对直接侧向力模型进行了辨识,辨识结果表明,与直接辨识相比,该方法的辨识精度明显提高,其辨识结果可以为控制系统的设计提供依据.     

一种新的离散余弦变换LMS自适应滤波算法

通信过程中由于多径效应容易造成码间串扰,为此讨论了一种基于离散余弦变换(DCT)的最小均方(LMS)自适应滤波算法.该算法不依赖于输入信号特性,以一种近似的方式完成对输入向量正交化,实现了高效计算.将该算法运用于码间串扰(ISI)严重的信道均衡仿真实验中,并与传统的LMS和归一化LMS( NLMS)算法进行比较,仿真结果表明该算法具有更快的收敛速度和更小的稳态误差.     

基于自适应动态分簇的二元传感器网络目标跟踪算法

针对二元传感器网络的目标跟踪问题,提出了一种通过设置簇内传感器节点数目门限自适应地调整簇的激活半径、利用少量被激活的节点进行跟踪的方法,并利用一种改进的分布式粒子滤波算法进行目标位置估计以减少粒子数和计算量。仿真结果表明:与传统的IDSQ算法相比,所提出的算法能够在保证一定跟踪精度的基础上,有效降低网络的能量消耗,提高网络寿命。     

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。     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。