集成广义模糊函数在雷达多目标分辨中的应用

多目标分辨是常规雷达功能的扩充。由于集成广义模糊函数是单、多分量多项式相位信号检测与参数估计的有效工具，将其应用于雷达多目标分辨中是完全可行的，这已被文中对雷达实测数据的分析所证实。为适应雷达实际工作需求，文中探讨了尚待进一步解决的关键问题。     

态势估计中一种基于贝叶斯估计的统计时间推理方法

统计时间推理是态势估计中的一个重要组成部分。Ｋｉｒｉｌｏｖ的基于极大似然估计（Ｍａｘｉ－ｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ,ＭＬＥ）的推理方法将未知时间变量看作常数,估计方差较大。文中建立的已知时间信息和未知时间变量之间的关系模型,将未知时间变量扩展为随机变量,将贝叶斯估计（ＢａｙｅｓＥｓｔｉｍａｔｉｏｎ,ＢＥ）引入时间推理。经过对两种推理算法的性能进行分析和比较,发现在一定范围内,基于ＢＥ的方法性能优于基于ＭＬＥ的方法。     

带约束的线性模型的参数估计及其效率分析

考虑带有齐次线性等式约束的线性模型在设计阵X和约束阵H满足适当条件时,给出了参数的约束LS估计与BLU估计的简洁表达式,较合理地定义了相对于的相对效率e,最后得到了的一个下界。     

Cooperative interception with fast multiple model adaptive estimation

For the case that two pursuers intercept an evasive target, the cooperative strategies and state estimation methods taken by pursuers can seriously affect the guidance accuracy for the target, which performs a bang For the case that two pursuers intercept an evasive target, the cooperative strategies and state estimation methods taken by pursuers can seriously affect the guidance accuracy for the target, which performs a bang-bang evasive maneuver with a random switching time. Combined Fast multiple model adaptive estimation (Fast MMAE) algorithm, the cooperative guidance law takes detection configuration affecting the accuracy of interception into consideration. Introduced the detection error model related to the line-of-sight (LOS) separation angle of two interceptors, an optimal cooperative guidance law solving the optimization problem is designed to modulate the LOS separation angle to reduce the estimation error and improve the interception performance. Due to the uncertainty of the target bang-bang maneuver switching time and the effective fitting of its multi-modal motion, Fast MMAE is introduced to identify its maneuver switching time and estimate the acceleration of the target to track and intercept the target accurately. The designed cooperative optimal guidance law with Fast MMAE has better estimation ability and interception performance than the traditional guidance law and estimation method via Monte Carlo simulation.     

基于高斯和粒子滤波的AUV水下地形辅助导航方法

针对自主式水下无人航行器(AUV)长时间潜航时的精确导航定位需求,以多波束测深系统为水下地形测量设备,提出一种基于贝叶斯估计的AUV水下地形匹配导航模型。针对贝叶斯滤波后验概率密度函数的求解问题,用高斯混合密度函数近似状态的后验概率密度函数,提出了基于高斯和粒子滤波的水下地形匹配导航方法。基于多波束测深数据的回放式仿真试验表明,提出的方法可以有效近似地形匹配的贝叶斯滤波模型,具有良好的实用性。     

阵列雷达波束内双目标的极大似然角度估计方法

单波束内目标往往相距较近,采用传统角度分辨技术难以将其分辨,从而给目标跟踪和识别带来较大困难。于是提出基于LM算法的极大似然角度估计方法,实现波束内双目标的分辨。该方法在阵列雷达的基础上建立双目标回波模型,推导极大似然角度估计算法。考虑到求解算法直接影响极大似然角度估计的收敛速度和估计精度,利用LM算法实现了极大似然估计的求解,从而得到目标角度的精确估计。该方法避免了多次脉冲相干积累,具有计算量小的特点。仿真结果验证了方法的有效性。     

改进的累量域波达方向矩阵法

构造了一种可以进行高分辨二维波达方向估计的累量域波达方向矩阵。利用该矩阵的特征值和特征向量 ,就可以求出信号源的方位角和俯仰角。同其它的波达方向矩阵法相比 ,放宽了对阵列结构的要求 ,提高了阵列孔径的利用率。同时 ,由于采用了累量来构造波达方向矩阵 ,因此新方法具有对高斯噪声的自然盲性。