一种基于BLUE的弹道目标跟踪滤波器

弹道目标跟踪问题中动态方程与观测方程皆为非线性,影响跟踪精度。使用最优线性无偏估计方法可以有效地解决观测的非线性问题,而蒙特卡罗滤波方法适用于目标状态的非线性估计。将快速高斯粒子滤波与最优线性估计方法作了有机结合,通过对典型的弹道目标跟踪模型进行仿真,发现新算法在精度与实时性上优于粒子滤波。     

基于前四阶矩的非高斯响应概率密度函数逼近方法研究

基于响应前四阶统计矩研究了在偏态系数和峰度系数取值范围不同时Gram-Charlier渐进展式、Edgeworth渐进展式和Fleishman多项式3种非高斯概率密度函数,指出3种方法的适用条件。结果表明与Gram-Charlier和Edgeworth渐进展式相比,Fleishman多项式对峰度系数的变化不敏感,该方法只有在峰度系数与高斯分布一致时拟合的结果才有可能是合理的;Gram-Charlier和Edgeworth渐进展式在中、高度偏态情况下易出现负的概率,二者在低等偏态情况下拟合的结果是比较合理的。两算例表明在高等偏态、尖峰和对称、扁平分布情况下,Gram-Charlier和Edgeworth渐进展式拟合结果优于Fleishman多项式,但Gram-Charlier渐进展式易于出现负的概率,在应用时应引起注意。     

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。     

基于扩展Petri网的防空C~4ISRK系统建模分析

针对地空导弹武器系统防空中的火力分配问题,建立了战术级防空C4ISRK系统的Petri网模型。对其进行扩展,即联合谓词Petri网和赋色Petri网,建立旅级火力分配的改进模型,给出了具体的前置谓词公式。为有效分析战术决策的正确性提供了依据和思路。     

非均匀湍流场中螺旋桨噪声研究

针对螺旋桨在湍流中的非定常噪声问题,在均匀湍流下螺旋桨宽频噪声相关性法的基础上,推导了非均匀湍流下螺旋桨宽频噪声的公式。在均匀湍流的研究中使用了十桨叶螺旋桨模型,并将计算结果与试验数据进行了对比,发现吻合较好。对于非均匀湍流中的问题,研究发现湍流的不均匀程度不会对宽频谱波峰的位置产生影响,噪声谱波峰的位置仍然取决于叶频,湍流的不均匀程度只会改变叶频处的波峰高度。最后研究了均匀湍流和非均匀湍流中侧斜角对螺旋桨噪声的影响,发现桨叶侧斜角的存在会降低螺旋桨在湍流中受到的宽频噪声。     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

光学波导中原子干涉的加速度测量

提出一种水平方向、光学波导中原子干涉的加速度测量方案.详细介绍了光路结构、原子团制备以及光学波导的绝热装载等.通过实验手段对测量方案进行验证,首先将87 Rb原子团冷却至50 nK的玻色爱因斯坦凝聚态,随后对超冷原子团施加布拉格光进行分束、合束,完成原子干涉过程.实验结果显示,所提干涉测量系统能够实现单轴加速度测量,对...     

FPGA的可调参数白噪声与高斯白噪声生成器

提出了一种基于FPGA硬件的,强度、带宽均可调的白噪声和高斯白噪声生成器,给出了设计的总体框图和设计中的一些要点,阐述了主要部分的原理和理论推导.这种噪声生成器与传统数字电路所组成的噪声生成器相比,采用了新型的FPGA器件,通过利用其中的一些既有功能大大降低了设计的难度,提高了电路调试的灵活性,可用于多种环境下的通信系统测试.     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法