一种基于分组序贯的红外弱小点目标跟踪方法

针对红外序列图像中运动弱小点目标的检测跟踪问题,在多假设跟踪算法(MHT)的基础上提出了一种分组序贯的思想.基于这种思想,给出了一种多组独立检测法.对这种方法进行仿真,并与多级假设检验的截断序贯处理算法进行比较.实验结果证明在相同虚警概率情况下多组独立检测法的检测概率与截断序贯处理算法的检测概率相近,但运算量要远小于后者.     

粒子滤波的重采样方法

粒子滤波是基于递推的Monte Carlo仿真方法的总称,原则上可用于任意非线性、非高斯随机系统的状态估计.但粒子的退化现象是粒子滤波器的最大缺陷,减轻这一现象影响的方法之一就是对粒子进行重采样.阐述了几种重要的重采样算法及其改进策略,并对其进行总结与展望.     

大攻角飞行导弹控制器μ综合设计

导弹在大攻角飞行条件,由于非线性气动力和参数不确定等原因,其通道间存在强烈的耦合,经典的三通道控制器独立设计方法很难获得满意的系统性能.在设计大攻角飞行控制系统时,采用μ综合设计方法,通过仿真结果表明采用μ综合设计理论设计的控制器具有很好的鲁棒性能.     

自适应采样数粒子滤波算法

基于统计决策规则提出自适应采样数粒子滤波算法,在定义综合性能风险函数的基础上,推导出粒子数与滤波误差方差之间的关系式,使得在跟踪过程中,可以根据目标的机动情况在线调节粒子数,以使跟踪性能达到最优。在Matlab仿真平台下进行了闪烁噪声下的机动目标跟踪实验,结果表明,自适应采样数粒子滤波算法是一种有效的机动目标跟踪方法,跟踪性能较基本粒子滤波算法提高了3.7倍。     

基于正态分布曲线的分段式变步长LMS算法

针对传统最小均方误差(Least Mean Square, LMS)自适应滤波算法由于步长固定,在解决稳态误差与收敛性之间的关系时,始终处于矛盾状态的问题,在对传统的固定步长LMS自适应滤波算法分析的基础上,根据变步长LMS自适应滤波算法的步长调整原则,通过构造步长因子与误差信号的非线性函数,提出了一种基于正态分布曲线的分段式变步长LMS自适应滤波算法,并分析了参数取值对算法性能的影响。针对实际信号处理过程中参考信号难以选取的问题,提出了一种基于分裂阵的参考信号选取方法。理论和海试数据分析结果表明:该算法的收敛速度和稳态误差明显优于固定步长的LMS自适应滤波算法和基于Sigmoid函数的变步长LMS自适应滤波算法。     

SINS/DVL/AST水下组合导航中的鲁棒信息融合方法

捷联式惯导系统由于自主性强等优势成为自主式水下航行器长航时、长航程导航的主要手段。针对水下环境中外部多导航传感器如多普勒计程仪提供的测速信息和水声单应答器提供的位置信息容易受到非高斯噪声污染的问题,提出基于马氏距离算法的联邦鲁棒卡尔曼滤波算法。在联邦鲁棒卡尔曼滤波算法中,通过马氏距离算法引入膨胀因子,对量测噪声协方差阵进行膨胀,以实现非高斯条件下水下组合导航系统鲁棒性的提升。同时基于子滤波器的滤波性能对信息分配系数进行自适应调整以确保水下组合导航系统的高精度。基于江试试验实测数据进行水下组合导航半物理仿真试验,试验结果表明:相比于传统的联邦卡尔曼滤波算法,联邦鲁棒卡尔曼滤波算法可在非高斯条件下实现更高精度、更加稳定的组合导航;能够满足水下组合导航系统对容错性和鲁棒性的要求。     

结构不确定线性时滞系统的无记忆鲁棒镇定

针对状态和控制均存在时滞的一类结构不确定线性时滞系统 ,讨论了鲁棒镇定问题 ,当不确定性参数满足有界性条件时 ,提出了一种无记忆线性状态反馈控制律 ,可保证闭环系统具有二次稳定性     

抗差最小二乘估计在惯组外场标定中的应用

惯组在外场进行标定时常常会受到环境的振动干扰,从而会对惯组的标定精度造成极大的影响.为解决这一问题,在分析了粗差对惯组标定精度影响的前提下,建立了一种改进的辨识惯组误差系数的数学模型,使其能够分辨出那些受到振动干扰影响的惯组误差系数.最后利用抗差最小二乘估计对惯组误差系数进行处理,通过等价权函数的连续降权和连续减弱影响处理,抵制了异常数据对惯组标定精度的影响.仿真结果表明,抗差最小二乘估计具有很强的抗差能力,能有效减弱异常干扰对参数估计的影响,提高惯组外场标定的精度和数据的可靠性.     

基于自适应滤波的GPS/INS数据融合算法

研究了高动态环境下的GPS/INS组合导航系统,重点讨论了基于伪距、伪距率的GPS/INS数据融合算法.借助于载体的运动模型、GPS系统和INS系统的定位误差模型,建立了组合导航系统的状态方程和量测方程,利用自适应Kalman滤波算法实现了GPS/INS系统的伪距、伪距率融合.最后,利用实测数据对数据融合算法进行了仿真,结果显示该数据融合算法能够增强组合导航系统的精度、可靠性和完备性.     

基于SF-REM的齿轮箱剩余寿命预测方法研究

剩余寿命预测是视情维修决策的重点和难点.针对工程实践中历史数据少、模型参数估计精度低的问题,建立一种基于随机滤波(SF)的齿轮箱剩余寿命预测模型.该方法采用递归期望最大化(REM)算法对模型参数进行递归更新,推导极大似然估计方法的参数递归更新过程,最后经实例验证模型的有效性和实用性.