边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

基于图像信息的坦克目标姿态估计技术研究

信息化条件下的战争要求坦克具有网络化打击的能力,能自主完成威胁评估和火力分配任务。这些任务以获取敌方目标的火力指向、攻防状态等信息为前提,与姿态信息相关联,因此,研究坦克姿态估计技术意义重大。对现有的一些单目姿态估计方法进行分类;讨论了部分方法估计坦克姿态的可行性;阐述了坦克姿态估计存在的问题和难点;对姿态估计技术提出了建议,供后续的研究参考。     

基于负熵最大的FastICA语音信号分离算法

语音信号分离是现代信号处理的热点问题,针对未知信号源个数的情况,提出一种基于负熵最大的FastICA(Fast Independent Component Algorithm)语音信号盲分离算法,有效解决了源信号数目估计、语音信号分离及复原等问题。改进的算法增加了源信号数目估计环节,放宽了算法适用条件,即在源信号数目未知的情况下,也能够实现信号盲分离功能。并将其成功应用于运用信号分选过程中,最终复原语音时域波形,完成信号分选任务。仿真实验中,详细讨论了该方法在不同信噪比以及不同源信号数目情况下的分选能力,证明了方法的有效性和优越性。     

基于神经网络和遗传算法的威胁度估计算法

针对威胁度估计问题,提出了基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。     

制导武器命中精度估计方法与检验方法一致性研究

针对制导武器命中精度估计方法和检验方法存在的联系以及原理性差异,对两种命中精度评定方法的一致性进行了研究。从双方风险角度研究了小子样条件对命中精度点估计和区间估计方法的影响,明确了提升命中精度评定准确性的手段;在分析命中精度指标与检验方法关系基础上,通过将双方风险与区间上界估计方法进行比较,明确了命中精度指标为备择假设的检验方法;从双方风险层面进一步分析了区间估计方法与检验方法的一致性。结果表明：对于区间估计方法和检验方法,通过合理调整置信水平参数和检出比参数,能够实现两种方法双方风险的一致性,但两种评定方法理论基础不同,进行精度评定会存在评定结论不一致的现象,该现象出现概率与制导武器自身精度有关。     

惯导系统传递对准模型的研究进展综述

初始对准是惯导系统开启工作后必须经历的阶段,而传递对准则是一种特殊的动基座初始对准技术,可有效提高武器装备的快速反应和精准打击能力。对惯导系统传递对准模型的研究进展进行了综合评述。首先,从姿态误差的定义出发,系统归纳了?_n角误差模型、?_m角误差模型和相对姿态对准模型,对比分析了三类误差模型的特点。其次,给出了导航速度、相对速度和惯性速度的定义,理论推导了三种导航速度误差方程。然后,介绍了传递对准的量测模型,并重点归纳了基于相对姿态理论的文献所采用的量测模型。最后,讨论了传递对准有待解决的技术问题和未来研究方向。综述表明,误差的数学定义和参考坐标系以及匹配参数决定了传递对准模型的丰富性,在实际使用时,可以根据应用背景以及使用条件选择相应的传递对准模型,而在误差建模、误差激励、性能评估等方面,传递对准技术都有待进一步研究。     

低轨预警自由段弹道估计的多项式逼近算法

低轨单星对自由段弹道的估计是天基预警系统需解决的关键技术之一.建立了低轨预警卫星对自由段弹道的观测模型,针对极大似然估计批处理算法的大运算量问题,给出了一种多项式逼近算法,由观测数据的逼近多项式在一些特定采样点的值形成伪观测数据,以伪观测数据代替原观测数据进行弹道估计.仿真表明,精度与极大似然估计相当,运算量显著降低.     

恒定应力加速寿命试验的非参数统计方法

在恒定应力加速寿命试验 (简称恒加试验 )的统计分析中 ,非参数统计方法具有一定的实际价值 .在一定的假定下 ,文中给出了两种新估计 ,并证明了它们的优良性     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

多模型估计方法

多模型方法是一种混合估计方法 ,相对于传统的估计方法而言 (例如 Kalman滤波 ) ,它特别适合于具有未知变参数或变结构系统的研究 ,因而在许多领域得到了成功应用。回顾了多模型方法的发展过程 ,对现有各种多模型估计方法进行了总结 ,并提出了研究方向