用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中,直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题,提出了一种修正极坐标系下的自适应卡尔曼滤波算法,对虚拟系统噪声进行估计,动态补偿模型线性化误差,对其滤波理论及算法进行了研究和仿真。仿真结果表明,该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

网络学习模式识别移动代理因素提取方法研究

从分析网络学习因素的角度出发,提出了利用数据融合理论和使用移动代理技术解决网络学习模式识别的问题。详细分析了网络学习模式中的主要因素,针对网络学习模式识别提出了使用移动代理(MA)进行因素提取的方法。同时运用数据融合技术中分布式缠绕判决模型进行描述,从而使有效地获取网络学习者的学习状态变为可能。也对网络学习因素提取MA的执行环境进行了具体阐述。设计了因素提取MA体系结构,分析了因素提取的执行过程,采用ATP层代理传输协议作为移动代理系统的应用层协议,负责学习模式识别的因素提取。     

线性控制系统的渐近跟踪控制与干扰解耦的设计及仿真

基于内模原理,针对线性控制系统设计了系统输出对参考信号的渐近跟踪控制和干扰解耦,同时实现了系统的镇定,并给出了设计算法和算例,通过MATLAB软件进行仿真,验证了该方法的有效性。     

一种用于雷达网目标状态融合的算法

针对目前雷达情报自动化系统中雷达网目标状态融合存在航迹不连续、情报信息利用率低等问题,综合运用了神经网络和军事运筹学理论和方法,给出了一种用于雷达网目标状态融合的算法.结果表明,利用本方法使融合后的目标轨迹与目标真实运动轨迹非常接近,有效地提高了雷达情报的综合质量.     

多雷达多目标航迹跟踪中FMM神经网络的应用与仿真

提出了一种基于Fuzzy Min-Max (FMM)人工神经网络的多雷达多目标航迹跟踪的方法。仿真应用的实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并比较理想地实现了多雷达多目标的航迹相关。     

一种有源无源联合定位系统的航迹起始方法

为了解决雷达面临的四大威胁和无源定位系统定位精度偏低及被动工作的问题,多站有源无源联合定位系统正在成为研究热点。航迹起始是该系统对目标进行跟踪的首要问题。在航迹起始过程中,系统需要将有源观测点迹和无源观测点迹进行融合,其本质是异类源数据融合问题。分析了有源无源联合定位系统的航迹起始问题的特点,提出了一种针对有源无源联合定位系统的航迹起始方法。仿真实验结果表明了该算法的有效性。     

基于UKF-SOFNN的近距机动目标跟踪滤波算法

对于多目标杂波环境中的机动目标跟踪,由于目标集群中各个目标间的空间距离可能小于探测器的空间分辨率,因而可能出现误跟、诱饵欺骗与杂波虚警等一系列严重后果。对此,提出一种综合运用UKF(不敏卡尔曼滤波)和SOFNN(自组织模糊神经网络)的UKF-SOFNN滤波跟踪算法,将机动目标模型视作严格的非线性系统,利用UKF-SOFNN对非线性参数的辨识能力提高对锁定机动目标的跟踪能力。仿真实例表明,该算法能有效地辨识目标群中的目标,并进行可靠的跟踪。     

基于EKF算法的弹道导弹助推段跟踪建模与仿真

围绕弹道导弹助推段跟踪问题,分析了助推段反弹道导弹的基本作战过程,建立了弹道导弹助推段动力学模型,分别就单传感器/单弹道导弹和多传感器/多弹道导弹两种情况建立了基于EKF算法的弹道导弹助推段跟踪模型,并通过算例验证了模型和算法的有效性,可为助推段反弹道导弹建模与仿真提供一定的参考。     

Visual-attention gabor filter based online multi-armored target tracking

The multi-armored target tracking (MATT) plays a crucial role in coordinated tracking and strike. The occlusion and insertion among targets and target scale variation is the key problems in MATT. Most state-of-the-art multi-object tracking (MOT) works adopt the tracking-by-detection strategy, which rely on compute-intensive sliding window or anchoring scheme in detection module and neglect the target scale variation in tracking module. In this work, we proposed a more efficient and effective spatial-temporal attention scheme to track multi-armored target in the ground battlefield. By simulating the structure of the retina, a novel visual-attention Gabor filter branch is proposed to enhance detection. By introducing temporal information, some online learned target-specific Convolutional Neural Networks (CNNs) are adopted to address occlusion. More importantly, we built a MOT dataset for armored targets, called Armored Target Tracking dataset (ATTD), based on which several comparable experiments with state-of-the-art methods are conducted. Experimental results show that the proposed method achieves outstanding tracking performance and meets the actual application requirements.     

基于D-S证据推理的多传感器信息融合技术在战场目标识别中的应用

近年来,多传感器信息融合技术已经在许多领域得到了广泛的应用,该技术也可以用于战场目标识别.在简单介绍了多传感器信息融合技术的概念和方法之后,详细阐明了D-S证据推理的原理及其应用于战场目标识别的方法,并进行了仿真处理.仿真结果说明,基于D-S证据推理的多传感器信息融合技术,是解决目标识别问题的一种有效方法.