最小二乘滤波在目标跟踪中的应用

根据目标在运动过程中具有轨迹连续性的特点,基于最小二乘法通过设计综合预测器的方法,并结合坐标变换得出目标的预测位置信息。这种方法结合了线性预测器与平方预测器的特点,对于目标跟踪过程中的预测更加贴近,且能减少跟踪算法的计算量;对于实现导弹的稳定跟踪具有一定的应用价值。     

5G技术对军事领域的影响及思考

5G通信技术将改变传统的通信方式。它致力于实现人与物、物与物的通信,实现万物互联,进而深刻改变人类社会。在军事领域,5G通信技术也将产生重大影响,加速军事领域的变革,深刻改变未来战场。本文首先阐述了5G通信技术高速率、低时延、大容量等特点;其次,介绍了5G通信技术对军事领域的重大影响,如提升战场通信能力、推动战场武器平台的互联、推进智能化作战应用等;再次,梳理了5G军事应用需要解决的关键问题,对考虑战场环境机动性带来的大范围覆盖、关乎战场生存能力的通信抗干扰以及通信安全问题进行了深入分析,并给出了相应的解决思路;最后,阐述了迎接5G时代挑战的思考。     

基于自适应Kalman滤波算法的航空发动机可测参数及其偏离量估计

针对采用估计可测参数偏离量建立航空发动机机载自适应模型的方案中,可测参数偏离量估计的问题,引入了CA(Constant Acceleration)模型,建立了简化的可测参数状态方程和测量方程,采用自适应Kalman滤波算法直接估计可测参数,由估计出的可测参数与发动机非线性模型计算的额定值之差,获得可测参数偏离量.为解决因简化的状态模型系统误差较大,采用标准Kalman滤波会出现估计严重偏离真值的问题,分析了标准Kalman滤波准则和状态模型误差对滤波结果的影响,采用动态调整状态预报在滤波估计结果中权重的策略,给出了单因子自适应Kalman滤波算法准则及递推公式,使滤波估计准确.对不同的可测参数分别采取序列滤波的方法,减少了运算量.以仿真产生的发动机测量数据为例,对系统模型和所设计的算法进行验证,计算结果表明,所设计的滤波算法具有很快的收敛速度和计算速度,结果优于标准Kalman滤波算法,具有更好的估计精度和一定的工程应用价值.     

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。     

基于斜卷积双边滤波的特种机器人视觉引导算法的改进与优化

移动机器人可以在确保个人安全下有效减少人类的劳动行为,已经广泛应用到运输、救援、勘探、工业自动化等领域。针对特种越障机器人在城镇和工厂等以平面为主的非结构化场景下作业,提出一种依靠视觉引导的图像处理与障碍高度评估新方法。在图像预处理流程中,为了更好地保留特定朝向的图像边缘,在双边滤波算法的基础上,引入了一种呈高斯分布的斜卷积空域卷积核,改进为斜卷积双边滤波,并与其他边缘保持滤波算法进行比较。实验结果表明：不同算法信噪比一致时,斜卷积双边滤波算法的PFOM(pratt’s figure of merit)均值高于引导滤波与加权最小二乘滤波;当σ(标准差)=0.02时,斜卷积双边滤波的PFOM比引导滤波高出12.18%,比加权最小二乘滤波高4.4%。对具有普遍性的台阶沿向与沿向垂直使用斜卷积双边滤波处理后提取边缘,越障机器人在不同光照条件下进行不同高度台阶越障实验。实验表明：机器人在视觉系统引导下可快速正对台阶,越障成功率为100%。     

再入飞行器弹道系数的自适应估计

运用Kalman滤波方法对再入飞行器的跟踪问题进行了分析,在动力学噪声已知的情况下,给出了一种弹道系数的自适应估计方法;在动力学噪声未知时,给出了弹道系数和动力学噪声方差的自适应估计方法。仿真算例表明这种方法是合理有效的。     

基于内外子区域划分的高阶精度CFD程序异构并行算法

对计算流体力学(CFD)程序CNS提出一种Offload模式下基于内外子区域划分的异构并行算法,结合结构化网格下有限差分计算和四阶龙格库塔方法的特点,引入ghost网格点区域,设计了一种ghost区域收缩计算策略,显著降低了异构计算资源之间的数据传输开销,负载均衡时CPU端的计算与MPI通信完全和加速器端的计算重叠,提高了异构协同并行性。推导了保证计算正确性的ghost区域的参数,分析了负载均衡的条件。在“CPU(Intel Haswell Xeon E5-2670 12 cores ×2)＋加速器(Xeon Phi 7120A ×2)”的服务器上测得该算法较直接将任务子块整体迁至加速器端计算的异构算法性能平均提升5.9倍,较MPI/OpenMP两级并行算法使用24个纯CPU核的性能,该算法使用单加速器时加速1.27倍,使用双加速器加速1.45倍。讨论和分析了性能瓶颈与存在的问题。     

基于分治采样粒子滤波的三维跟踪算法

粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。     

高超声速滑翔目标多层递阶轨迹预测

为给高超声速滑翔目标态势与威胁评估、拦截防御等提供先验知识,提出一种多层递阶轨迹预测方法。该方法借鉴多层递阶预测理论对预测模型进行随机补偿,将轨迹预测问题分解成气动参数和模型误差的混合预测以及在此基础上对目标轨迹的预测。方法首先利用气动参数增广状态向量进行动力学建模,对气动参数和模型误差进行混合估计,根据参数估计值进行时间序列预测。然后,在参数预测的基础上,利用动力学模型积分预测目标轨迹。仿真设计了2种有规律的飞行模式仿真场景,分析跟踪与预测时间对预测精度的影响,结果表明算法具有稳定可靠的轨迹预测能力。     

针对GPS/SINS深组合模型的U滤波及其运用

很多文献都证明了在解决非线性系统问题时,UKF(Unscented Kalman Filter)是比EKF(Extended Kalman Filter)更好的选择,但计算的复杂度限制了其运用。针对GPS/SINS深组合的模型提出了全新简化的U滤波算法UTCUKF(Ultra Tight Coupling Unscented Kalman Filter)。这是一种专门针对具有加性噪声、线性状态方程和非线性量测方程的系统设计的滤波器。首先介绍了GPS/SINS深组合系统在导航解算时的模型,然后针对模型具有加性噪声的特点运用AUKF(Additive Unscented Kalman Filter)对UKF进行了简化,为了实现UKF在GPS/SINS深组合系统中的实际运用,又由系统模型中状态方程是线性方程、观测方程是非线性方程的特征,进一步提出了UTCUKF,并做了分析和仿真。