自适应算法在捷联惯导初始对准中的应用

针对传统的卡尔曼滤波在捷联惯导初始对准中由于系统噪声和量测嗓声方差阵未知时,滤波的精度和快速性不能达到要求,甚至导致发散的问题.提出了一种改进的sage-Husa自适应滤波新算法,建立了捷联惯导系统初始对准误差模型,并在对捷联惯导系统误差模型进行简化的基础上,利用所设计的算法进行了仿真研究.仿真结果表明,改进的滤波算法使对准过程所需时间大大缩短,具有跟踪能力强、稳定性好和精确性高等特点,验证了该方法的有效性和正确性.     

巴特沃斯滤波器在雷达目标航迹处理中的应用

对雷达目标航迹数据进行在线滤波处理,从而提高雷达测量数据的精度,具有十分重要的意义.提出一种利用巴特沃斯(Butterworth)滤波器实现雷达目标航迹在线平滑处理的方法.分析雷达目标信号的频谱特性,设计并计算出滤波器的参数,将雷达信号的噪声信号放大处理后进行在线滤波.仿真结果表明,本方法具有很好的滤波效果,并且计算迭...     

基于振动分析的坦克柴油机汽缸燃烧压力检测方法

针对在坦克实车上不易直接测量柴油机汽缸压力的问题,提出了一种通过测量柴油机汽缸盖振动信号来间接检测汽缸燃烧压力的方法。在某型坦克柴油机上同步测量了汽缸燃烧压力、汽缸盖振动信号和变速箱振动信号,利用自适应滤波方法滤除了汽缸盖振动信号中包含的变速箱振动信号形成的噪声干扰,利用配气相位从时间域分离出由气体燃烧压力激发的振动信号,利用Hilbert变换和小波分解方法分别提取了振动信号和压力信号的特征波形。建立了RBF神经网络模型,以汽缸盖振动信号的包络作为网络输入,实现了汽缸燃烧压力的间接检测。     

舰载指控系统的目标跟踪技术现状与未来

考虑到目标跟踪在作战中的重要性,论述了目前的跟踪滤波技术:卡尔曼滤波、扩展卡尔曼滤波,重点论述了未来可用于跟踪的基于贝叶斯原理的粒子滤波技术,是最近几年出现的解决非线性跟踪问题的有效方法。     

数字波束形成技术(DBF)在雷达中的应用

数字波束形成技术是天线波束形成原理与数字信号处理技术相结合的产物,其广泛应用于阵列信号处理领域。由于电磁工作环境的恶化和大量射频干扰的存在,在极低的信干噪比(SINR)条件下进行目标检测和信息提取十分困难。对于阵列系统,往往采用自适应数字波束形成(ADBF)技术,来抑制强干扰和方向性干扰对有用信号的影响。介绍了数字波束形成器的基本原理及其DSP的实现结构。     

基于复小波域Wiener滤波的图像去噪方法

针对基于张量积小波域W iener滤波方向性差,从而导致去噪后图像边缘信息保持欠佳的问题,对复数小波的方向性质进行了分析,采用基于具有强方向性的复数小波域的W iener滤波的方法去噪,去噪后图像峰值信噪比和视觉质量较二维张量积小波去噪都有明显改善。     

Parallel Sets的改进及其在全球恐怖袭击数据分析中的应用

随着恐怖主义愈演愈烈,"反恐"成为当今世界各国军事安全部门的中心任务.使用分类型可视化工具Parallel Sets分析国际恐怖主义数据库中多属性分类值间的关系,揭示数据库中的隐性信息,并针对Parallel Sets任意排列分类值产生较多交叉的不足,提出带降势的启发式分类值布局算法,自动优化分类值布局顺序,减轻视图中...     

一种基于级联滤波设计的背景噪声均衡方法

针对阵列信号处理中背景噪声对目标检测影响问题,提出一种基于级联滤波设计的背景噪声均衡方法.该方法依据背景噪声起伏特性设计多尺度组合形态学滤波器对空域重采样数据进行处理,降低不同方位起伏噪声对目标检测的影响;根据噪声特性设计同态滤波器,降低乘性噪声对目标检测的影响;按类内类间离散度比最小准则实现背景噪声门限的自动推荐,进而实现对背景噪声均衡处理,提升对目标检测概率.数值仿真和实测数据处理结果表明:相对S3PM方法和OTA方法,在两者失效的情况下可有效实现对目标检测和判决,对环境适应性提高了近3 dB;有效降低了背景噪声对目标检测性能的影响,提高了目标检测的环境适应性.     

无人机对地攻击时敏目标威胁度SPA-IELM评估方法

为实现对地面时敏目标威胁度的科学有效评估,提高无人机对地攻击决策的快速性和准确性,提出一种基于集对分析(SPA)与增量型极限学习机(IELM)的地面时敏目标威胁度评估方法.首先,将SPA理论中的联系度和集对概念应用在地面时敏目标威胁度评估指标体系中,用于生成训练样本和测试样本,然后,使用获取样本对IELM进行在线训练和测试,得到无人机对地时敏目标威胁度评估模型,并对目标完成评估和排序.仿真表明:所提出方法在评估地面时敏目标威胁度过程中速度快、精确度高,能够对目标威胁度进行快速精准排序,从而为无人机对地攻击决策提供了可靠依据,也为无人机自动有效打击地面目标奠定了基础.     

基于自适应正交单纯形CKF的鲁棒目标跟踪方法

为减小模型异常对目标跟踪系统性能的影响,提出了一种自适应正交单纯形容积卡尔曼滤波(AOSCKF)算法.将正交单纯形准则引入容积卡尔曼滤波中,提高滤波估计精度和计算稳定性;将强跟踪滤波(STF)中的自适应因子引入正交单纯形容积卡尔曼滤波(OSCKF)算法中,降低系统模型异常对目标跟踪的影响;将所提算法应用到双站纯方位目标跟踪系统中进行仿真实验.结果表明,AOSCKF算法可有效提升算法的鲁棒性和滤波精度.