一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

杂波环境下机动目标跟踪算法研究

杂波环境下的机动目标跟踪问题具有非线性、非高斯、不完全观测的特点,其难点在于观测值与目标的对应关系及每一时刻的运动模式均呈现高度不确定性。文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的杂波环境下机动目标跟踪算法——多模型辅助粒子滤波算法(MMAPF)。仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在相同的情况下,具有更高的滤波精度和较好总体性能。     

二进制无线传感器网络目标定位解析算法初步研究

针对二进制传感器网络目标定位跟踪问题,提出一种利用传感器位置信息和目标穿过传感器探测区域的时间信息进行解算的解析算法,并对该算法进行了仿真验证。仿真结果表明,相对于目前最常用的线性拟和算法,该算法具有对目标经过的传感器数量要求低、解算精度高等优点。     

基于简化CKF的IMM算法北大核心

IMM算法中采用的运动模型多为线性,针对这一情况,首先对容积卡尔曼滤波(cubature Kalman filter,CKF)算法进行了简化,通过理论推导证明,简化CKF算法的时间更新结果与KF算法的一步预测结果一致。然后对简化算法进行了计算复杂度分析,分析结果表明简化算法的复杂度要远低于CKF。进而将简化的CKF算法与IMM算法相结合,提出了一种基于简化CKF的IMM算法,最后通过机动目标跟踪实验对新算法进行了仿真,实验结果表明,新算法在没有降低跟踪精度的前提下,大幅缩短了算法的运算时间,提高了跟踪的实时性。     

基于稀疏约束与双线索选择的目标跟踪算法

为了解决现有DCF类跟踪器存在边界效应及时间滤波器退化的问题,进一步增强其在复杂场景下跟踪的准确性,基于LADCF算法,提出了一种有效的双线索目标跟踪框架,用于鲁棒视觉跟踪。将结构化稀疏约束应用到多通道滤波器,并通过提取9维HOG特征与11维CN特征构建新的跟踪线索,与原有线索协同跟踪目标。建立可靠性评估策略,在每一帧中选择合适的线索进行跟踪。在OTB-50、OTB-100基准数据集上进行了定性和定量评价,实验结果表明,所提出的方法跟踪准确度相比LADCF算法提升了2.4%,相比ECO＿HC提升了3.7%,优于现有的主流跟踪算法,且跟踪速度达到21.1帧/s,可以实现实时跟踪。     

运用“五课”机制提高课堂教育质效

<正>课堂教育是军队思想政治教育的主渠道、主阵地,也是用习近平强军思想贯注部队、武装官兵的基本途径和重要方式。对此,《军队思想政治教育规定》把“课堂教育灌输”列为八种教育方法之首,《关于构建新时代人民军队思想政治教育体系的意见》也明确提出要“提高灌输授课质效”。然而一段时间以来,由于练兵备战任务繁重、舆论斗争瞬息万变、政治教员能力参差、教育对象需求变化等原因,在有的单位课堂教育出现准备时间有限、热点跟踪不紧、讲解不深不透、供需结构失衡等问题,一定程度上影响了教育质效。     

稳像式火控系统实弹射击训练控制装置设计与应用

通过对装甲兵传统的枪代炮射击训练进行分析,并结合稳像式火控系统射击的特点,得出射手要减小瞄准操作误差、提高射击密集度,必须掌握平稳跟踪目标的动作要领。由于缺乏训练和检验该动作要领的手段,设计并制作了实弹射击训练控制装置,提出检验训练合格的标准,从而使射手较好地掌握平稳跟踪目标的动作要领,提高了小型射击场的训练效率。经过部队和院校多轮训练使用,效果良好,且该装置已配发装甲兵部队。     

把好“四个关口” 着力建强预备役军官队伍

正预备役军官是预备役部队干部队伍的重要构成部分,是战时补充现役军官的主要来源之一。新形势下,必须着眼强军目标,善借优势、深挖潜力,军地合力、严把关口,不断提高预备役军官队伍建设质量。把好登记关口。积极适应形势发展变化,紧贴任务实际,扎实做好预备役军官登记工作,切实搞好人才储备。一是要强化登记责任。两个轮子一起转,军分区系统要加强跟踪指导、检查督促,县级人武     

湖南省湘潭县人武部跟踪帮扶退役士兵就业

年初以来,湖南省湘潭县的200名退役士兵,报名参加该县退役士兵职业教育和技能培训班,分别接受制造、加工、服务、种植、养殖等专业培训。     

磁性目标跟踪的后验克拉美罗下限分析与计算

为了求解磁性目标跟踪问题的后验克拉美罗下限(PCRB),提出了PCRB-GMSPPF算法。该算法利用高斯混合采样粒子滤波算法对目标状态的真实后验概率密度分布进行抽样,再通过蒙特卡洛积分法迭代求解每个观测时刻的Fisher信息矩阵,进而得出目标状态估计的PCRB;克服了基于PF算法求解PCRB过程中由于粒子退化和贫化问题造成不能从后验概率分布中正确抽样的缺点;在建立磁性目标跟踪的状态模型和观测模型的基础上进行仿真分析,将求解出的PCRB与采用GMSPPF及PF算法进行跟踪的均方根误差做对比,验证所提的PCRB-GMSPPF算法的有效性,结果表明:针对磁性目标跟踪问题,PCRB-GMSPPF算法较PCRB-PF算法具有更好的准确性,并可用于一般的非线性模型跟踪误差下限分析。