统计线性化无序量测更新算法

在实际的多传感器系统中,由于各种传感器具有不同的采样率,预处理时间,以及数据通信延迟,因而会出现多个传感器量测不同步到达融合中心的现象。进一步地,当较早时刻产生的量测在较晚时刻产生的量测之后到达融合中心时,无序量测问题就出现了。针对离散时间非线性系统,提出基于统计线性化固定点平滑器的最佳统计线性化无序量测算法,它可以处理单步和两步延迟(甚至多步)无序量测,且能达到与重新滤波法相同的估计精度。     

风险导向审计在军队工程项目跟踪效益审计中的应用

风险导向审计是以审计风险的评价作为审计工作的出发点,并贯穿于审计全过程的现代审计模式。在军队工程项目跟踪效益审计中引入风险导向审计,要求以军队工程项目各个阶段主要风险为中心,通过风险识别和风险评估确定审计工作重点,制订贯穿军队工程项目实施全过程的审计计划,在具体审计业务中始终贯彻风险防控。     

弹道跟踪数据处理中的几个计算问题

结合弹道跟踪数据建模和数据处理的实践 ,提出了几个有典型应用价值的测量数据模型 ,在应用这些数学模型解决实际问题时 ,涉及统计、优化、函数逼近等几方面的理论和计算问题。这些问题和模型的研究 ,对解决许多相关的实际问题有重要意义。     

跟踪机动目标的一般输入估计方法

本文提出一种新的目标跟踪输入估计方法。传统输入估计方法的主要缺陷是假设目标机动强度在检测窗内是常量。本文的新方法把目标的机动视为一些基本时间函数的线性组合,从而克服了上述缺陷。由此得出的算法具有包括此前输入估计研究成果的一般形式。根据选取的机动模型和其他设计参数如检测窗宽度、量测噪声水平和采样周期等,研究检测灵敏度,并据此分析了本文算法的检测性能。计算机仿真研究表明本文新算法的性能比得上Bogler输入估计方法,且计算时间大大减少。     

多模型滤波器

本文研究了多模型滤波器的最优设计问题。多模型滤波器在跟踪目标时,使用了不同的局部模型。其中用到两个模型:常速(CV)和常加速(CA)模型。得到了保证最优多模型滤波存在的充分条件。这个问题是在开关增益是对角矩阵的条件下解决的。用一个模拟的目标轨迹对此滤波器的性能进行评估。     

机动目标跟踪的模式集自适应IMM算法的设计和比较

变结构多模型状态估计器方法适用于雷达跟踪空中机动目标。本文研究和设计了两种自适应时变模式集交互多模型(IMM)跟踪滤波器;切换网格(SG)IMM和自适应网格(AG)IMM算法。针对不同的飞行想定,通过Monte Carlo仿真方法对这些算法及相应的固定网格(FG)IMM滤波器的性能进行了评估和比较。仿真显示,对特定的机动目标跟踪问题,SGIMM和AGIMM跟踪滤波器在性能和计算量等方面要比固定结构多模型算法(FGIMM滤波器)有明显地提高。     

用BMM算法进行机动目标跟踪

本文提出了用自助法多模型——the bootstrap multiple model(BMM)算法进行评估混合(连续-离散)系统的自助法随机仿真方法。并用BMM滤波来进行机动目标跟踪,跟踪效果由计算机仿真进行验征。     

基于活动轮廓的机器人视觉伺服控制

提出了基于活动轮廓的视觉伺服控制方法。将活动轮廓和光流模型相结合用于运动物体图像的实时跟踪 ,以抽取物体图像的边缘信息 ,并以此信息控制摄像机的运动 ,达到机器人定位、跟踪等目的。该方法跟踪精度高 ,鲁棒性好 ,且满足实时跟踪的要求。实验结果表明了该方法的正确性和有效性。     

用改进的"当前"统计模型对机动目标快速跟踪

当空中目标机动时,如何快速实现对机动目标的自适应跟踪,是雷达情报处理系统中必须解决的问题之一.对多种目标模型进行比较,选用了"当前"统计模型,并对模型进行改进,以达到对机动目标快速跟踪.此算法已在雷达情报指挥自动化系统中得到广泛应用.