一种基于满意滤波的纯方位目标跟踪算法

针对潜艇纯方位目标跟踪算法存在算法初始化困难、收敛速度慢、稳定性差等问题,借鉴交互式多模型算法(IMM)的思想,将EKF实时解算出的滤波增益和满意滤波解算出的稳态增益实时融合并行工作,以求克服滤波初值对滤波器的影响,尽可能地消除线性化误差,最终输出具有更高精度的估计结果。仿真实验表明,提出的单站纯方位算法对滤波初值的设置有较大的领域范围,较好地克服了算法对滤波初值的敏感性问题,同时增加了算法的稳定性。     

一种新的针对模型误差所致滤波发散的补偿方法

系统模型误差是导致卡尔曼滤波发散的一个很重要的原因,分析了衰减记忆法和限定记忆法两种对模型误差所致滤波发散的补偿方法,通过引入阈值可以将这两种方法进行有机结合,给出了一种新的衰减限定记忆算法。算例分析验证了衰减限定记忆算法在抑制滤波发散方面具有比衰减记忆和限定记忆法更好的性能,并能自适应调整算法所需观测数据数目。     

基于彩色的概率跟踪及其快速实现

针对基于彩色的概率跟踪中每一时间步每一个像点都要计算彩色直方图导致计算代价大大增加这一瓶颈问题,提出了一种减少直方图搜索区域从而提高计算效率的方法。根据前一帧中跟踪器的输出,在当前帧中建立一个基准窗口,并将其分割成若干个相等的子窗口,分别计算出它们的彩色直方图。然后根据像点滤波中不同像点的搜索区域与基准窗口的相对关系,找出重叠部分,从而可以利用该部分已知的子窗口的直方图而无需重复计算,只需计算不同部分即可,实验结果表明,该方法使计算量减少了50%以上。     

半带脉冲成形滤波器设计及性能分析

为了减少调制带宽、抑制带外杂散,通信系统中通常在发射端设置脉冲成形滤波器,而为了获得最大信噪比,在接收端通常使用匹配滤波器。以半带滤波器为基础,利用多级级联方法,设计了一种新型的脉冲成形滤波器,通过最小、最大相位分解方法,使得滤波器便于在实际通信系统中的使用。仿真结果表明,设计的成形滤波器与升余弦滚降滤波器相比,通带起伏小,硬件资源耗费少,在低信噪比时对不同调制方式均有额外的功率增益。     

对数据后处理雷达的多参数协同相关干扰

基于DRFM转发或者重复转发的干扰信号,虽然在功率上能达到干扰要求,但是产生的虚假目标与真实目标缺乏相关性,数据后处理雷达能根据该特性实现对欺骗干扰信号的检测和抑制。针对数据后处理雷达在抑制非相关干扰信号的优越表现,根据不同特征域干扰信号的相关性要求,提出了在幅度域上具有起伏特性,时频域协同一致,方位上具有相关性的干扰信号模型,以保证对数据后处理雷达干扰的有效性。最后在与非相关干扰信号比较中,验证了该干扰方式的有效性。     

基于优化滤波的水平非均匀蒸发波导反演算法

针对水平非均匀蒸发波导反演中大气折射率剖面水平分布规律不确知和大范围海域气象参数观测难的问题,提出一种基于优化滤波的水平非均匀蒸发波导折射率剖面参数反演算法,该算法采用粒子群优化估计折射率剖面参数初始状态和描述剖面参数水平分布规律的状态转移函数,结合GPS海面散射信号波导传播的DMFT步进计算正演模型和实测GPS散射信号功率建立系统方程和观测方程,并采用粒子滤波迭代估计水平步进上的非均匀折射率剖面参数。该算法的精估计环节有效修正了粒子群估计误差在后续反演过程中导致的误差积累,保证了反演精度,并使得算法具备距离分段条件下逐段反演的能力,为远距离海域蒸发波导折射率剖面参数的反演提供了可行的方法。     

基于参数自适应辨识的被动定向算法

推导了匀速运动目标球坐标系下的定向跟踪模型;状态建模的不完备性引起了模型噪声方差阵带有未知径距参数,因而需要解决参数在线辨识问题.从滤波残差正交性原理出发,推导出参数自适应辨识滤波器(PIBF),计算机仿真验证了该算法的有效性并且对目标机动有一定的鲁棒性.     

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。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

基于时变量测方差的多传感器多目标优化分配算法

在目标跟踪过程中,目标的动态模型通常在笛卡尔坐标系中,而量测是在极/球坐标系中得到的。在基于卡尔曼滤波及其一些改进算法中,设定量测方差固定不变,可能导致滤波发散。为此提出了一种基于时变量测方差的多传感器资源管理算法。该算法通过统计方法求出转换测量值误差的均值和方差,利用转化卡尔曼滤波算法估计误差协方差,基于协方差的效能函数进行多传感器多目标分配。仿真结果显示该算法在目标跟踪过程中满足跟踪精度要求,并实现传感器资源的充分的利用。