机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。     

基于增大虚警概率的干扰信号设计方法

为了对现代新体制雷达实施有效的干扰,提出了以增大虚警概率为目标的干扰信号设计原则,并以恒虚警处理为研究对象,运用该原则对干扰信号进行了分析,结果显示施加干扰后能够显著增大恒虚警处理器的虚警概率,使其不能维持在预先设计的低虚警率,表明了此干扰设计原则的有效性.     

改进ICP的编队预定目标选择方法

如何对编队预定目标进行自动选择,是超视反舰导弹亟待解决的一个问题.基于ICP(Iterated Closest Point)的预定目标选择方法利用了编队形状信息,获得了比传统方法更好的预定目标选择概率.但ICP算法易受干扰点的影响,且因受初始点选取的影响容易收敛到局部最优值.为了提高预定目标选择概率,提出了基于改进ICP算法的预定目标选择方法.改进ICP算法相对标准ICP算法增加了以下两点改进策略:利用加权距离函数削弱干扰点影响;利用随机扰动控制收敛过程跳出局部收敛域.仿真计算表明改进措施的有效性,特别是在干扰情况下预定目标选择概率显著提高.     

熵权灰色关联分析法的坦克夜间射击目标选择

针对夜间战场上坦克目标威胁评估问题,结合多目标决策问题,将熵权和灰色关联分析法相结合,提出一种基于熵权灰色关联分析的坦克夜间射击目标选择模型,并详细给出了该算法的思想、算法.该方法克服了传统评估算法中主观赋值的缺陷,最后利用实例证明了该方法的有效性.     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

中远程空空导弹多机协同中制导交接方法

针对在同类型空中平台协同作战条件下,中远程空空导弹中制导权在移交过程中存在信息突变的问题,提出采用"虚拟目标"法对突变信息进行渐近处理,使虚拟目标逐步向真实目标运动,最终"导弹—虚拟目标"视线角与"导弹—真实目标"视线角重合,则中制导权移交结束;提出三种不同的中制导权交接律,在目标不机动/机动两种情形下,通过仿真分析不同模式下的交接律对空空导弹过载的影响。仿真结果证实适当平缓地进行制导权移交能将突变信息转化为接近于目标机动形成的、导弹自身能够处理的突变信息。避免了直接交接使导弹过载突变到非正常值的情况,使中制导交接能够平稳进行。     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

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。     

基于极化分解的目标识别方法研究

在全极化、高距离分辨力雷达体制背景下，研究了光学区雷达目标极化特性。利用极化分解将复杂目标分解为三个简单目标， 并提取描述三目标关系的特征参数对四类军用飞机目标进行了识别实验研究， 获得了良好的目标分类识别效果。     

低信噪比抖动红外点目标的检测

本文为解决低信噪比条件下抖动红外点目标的检测问题，提出了一种基于膨胀累加、检测前跟踪的检测算法。该算法运用膨胀累加方法能够消除抖动对多帧累加算法的不利影响，使目标能量仍然能够实现有效的积累，从而达到目标增强的目的。本文还采用了小波变换预处理方法，对图象中相关的１／ｆ噪声进行白化。模拟实验结果表明，该算法能够快速检测出信噪比为２抖动点目标。