无人机保距跟踪中的视觉跟踪算法研究

针对固定翼无人机对地面目标进行保距跟踪过程中不能稳定获取目标图像的问题,设计了一种提高视觉目标跟踪稳定性的算法。该算法基于核相关滤波算法,提出了线性旋转子空间的概念,用于估计平面外旋转后的目标图像,在跟踪的过程中通过跟踪效果判断是否对线性旋转子空间进行校正。这种更新机制提高了在相对位置不断变化的情况下视觉跟踪的稳定性和准确性,有效地降低了跟踪漂移的程度。算法在无人机跟踪视角的视觉跟踪数据集中进行了测试,结果显示在跟踪的准确性和鲁棒性上明显好于当前主流跟踪算法。并使用固定翼无人机进行了实机飞行,验证了算法的可行性。     

风场中平流层飞艇轨迹跟踪的滑模控制方法

为实现平流层飞艇驻空阶段可控飞行,研究环境风场中横侧向轨迹跟踪的滑模控制方法。建立平流层飞艇驻空阶段动力学模型,将动力学方程解耦为纵向运动方程和横侧向运动方程,采用小扰动方法对动力学方程进行线性化;利用滑模控制对外部干扰强鲁棒的特性,设计横侧向轨迹跟踪的滑模控制器;以直线与圆组成的复合轨迹跟踪控制为例,对提出的轨迹控制方法进行仿真验证。仿真结果表明,所提基于滑模的轨迹跟踪控制方法鲁棒性好,在一定范围的风场扰动条件下,可以实现对指令轨迹的有效跟踪控制,响应特性好。     

基于粒子滤波的多异步传感器检测前跟踪算法

针对弱目标检测跟踪问题,提出了基于粒子滤波的多异步传感器检测前跟踪算法。该算法通过对粒子的状态进行时间和空间递推,将雷达对于目标位于不同时刻的回波幅值映射到同一个粒子的权重中,从而通过对粒子状态及权重的融合,将多雷达的回波幅值信息进行融合,并在此基础上实现对目标的检测跟踪,获得目标航迹。仿真试验结果表明,与单雷达效果相比,所提算法能够有效提高目标跟踪精度和目标正确发现概率。     

基于加速度的马尔可夫参数自适应IMM算法

针对标准的交互式多模型算法(IMM)模型切换存在滞后性,使得目标机动改变时跟踪误差增大的问题,提出了一种基于加速度的自适应转移概率矩阵的IMM算法。该算法通过当前时刻IMM算法输出的加速度估计值,得到相应的修正因子,修正下一时刻的转移概率矩阵,使得模型切换速度加快,减小目标机动时的跟踪误差。最后通过仿真实验证明,改进的IMM算法能够有效减小目标机动改变时跟踪误差,提高模型切换速度,同时还指出了该算法的适应范围。     

共形阵列方位依赖幅相误差校正辅助阵元法

针对共形阵列方位依赖幅相误差校正问题,给出了一种新的基于辅助阵元的自校正算法。对共形阵列接收快拍数据延时,构造满足旋转不变关系的时域子对,并计算子对的协方差矩阵和四阶累积量矩阵;基于旋转不变子空间原理完成对阵列流型和信源频率的估计;利用精确校正的辅助阵元和解线性方程组,实现对信源方位和方位依赖幅相误差的估计。所给算法适用于任意共形载体,普适性强,且无需参数搜索和配对,计算量小。Monte-Carlo仿真实验证明了所给算法的有效性。     

基于降低运算复杂度的子空间跟踪算法稳健性分析

FDPM和FOOJA是目前两种最为有效的适用于主、次子空间跟踪的方法,属于低复杂度算法。进一步降低算法运算复杂度,对保证算法的实时性具有非常重要的意义。以降低算法运算复杂度为背景,通过对FDPM、FOOJA算法的分析,指出存在两种简化运算量的FDPM1stcol、FOOJA1stcol方法。在有限精度运算条件下,对四种方法的稳定性、数值鲁棒性进行了深入分析和讨论。通过实验仿真,对分析的结论进行了验证。     

纯方位目标跟踪的伪线性卡尔曼滤波器FPGA实现

伪线性卡尔曼滤波器广泛应用于纯方位目标跟踪中,其递归性非常适合于硬件实现。结合实际项目,在对数据流进行分析的基础上,使用xilinx公司virtex-4系列芯片提供的DSP48专用乘法单元,以及自行设计的高效除法单元,通过简化标量运算和充分利用并行流水机制,最终实现了伪线性卡尔曼滤波器。仿真验证了数据的精确性。综合报告显示此系统的最高频率为123.8 MHz,满足实时性要求。     

潜艇对机动目标跟踪和攻击若干问题的探讨

在现代作战条件下,潜艇所要跟踪和攻击的目标多数情况下应认为是机动目标。限于潜艇所载目标探测传感器和武器特点,以及潜艇自身隐蔽性、机动性方面的约束,潜艇跟踪和攻击机动目标存在许多困难和值得研究的问题。对这些问题进行了较为系统地梳理,并对其中的若干问题进行了探讨,包括目标机动的原因、机动目标可判断性问题、机动判断手段、机动判断后目标参数的处理、机动目标攻击的基本原则和方法等,还对潜艇指控系统强化机动目标跟踪和攻击功能提出了一些建议。     

基于“当前”统计模型的模糊自适应滤波算法

"当前"统计模型需要预先设计目标最大机动加速度和目标机动频率,不能适应各种机动情况。在"当前"统计模型的基础上,提出了一种基于"当前"统计模型的模糊自适应滤波算法。该算法能使目标最大机动加速度和目标机动频率随着机动特性自适应调整,适应各种机动情况。仿真结果表明,该算法的跟踪精度优于传统的基于"当前"统计模型的跟踪算法。