基于模糊推理的机动目标自适应多模型跟踪算法

针对当前空中来袭目标的主要特点,运用模糊理论和多模型理论探索空中机动目标跟踪问题,并设计了一种模糊自适应多模型(FAMM)目标跟踪算法,该算法采用五个基本模型,以加速度估值作为模糊推理系统的输入,经模糊推理融合得到系统状态和方差的估计值以及下一时刻的滤波模型(最多三个).经Monte Carlo仿真研究,与IMM算法相比较,该算法不仅在目标弱机动或不机动条件下,而且在复杂机动时能更稳定、精确地跟踪目标,较好地满足了海上对空防御作战中跟踪机动目标的需求.     

自适应旁瓣对消在单脉冲跟踪雷达中的应用

跟踪雷达应用自适应旁瓣对消时辅助天线中的期望信号会引起测角误差,若不采取应对措施,雷达无法对目标进行有效跟踪。为解决此问题,提出了一种能消除由辅助天线期望信号引起的测角误差的方法。理论分析和计算机仿真结果表明此方法是有效的。     

基于TMS320DM642的电视跟踪系统设计

结合某电视跟踪系统的设计,介绍了其内部集成的通用视频端口,研究了它与编码器/解码器的无缝连接的实现方法,包括其驱动程序的构成特点和在CCS开发环境下的封装形式,着重介绍了标准PAL视频信号的采集、处理和显示的一般实现方法。     

基于阶次跟踪的旋转机械启动过程振动分析

旋转机械运转时其旋转部件产生的振动和噪声所表现出的特征和轴的转速有密切关系。在这类故障的特征分析中,使用阶次跟踪分析法比一般的频域分析更具有优势。对2种典型的阶次跟踪法进行了论述,在此基础上用2个仿真信号对旋转机械启动过程进行了模拟分析,并得到了比较理想的结果。     

基于U-D分解滤波的交互多模型算法

简要回顾了基于相控阵雷达的三维空间中机动目标建模与自适应跟踪的机理,针对交互多模型算法在其跟踪应用过程中可能会出现的滤波发散问题,提出了一种基于U-D分解的交互多模型目标跟踪算法.该算法可以有效地限制交互多模型算法滤波计算过程中的滤波发散的可能性,从而使得IMM算法更加稳定.     

高斯马尔可夫融合算法在卡尔曼滤波中的应用

针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂,计算负担较重的问题,结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值,不需要计算局部稳态滤波误差互协方差,只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单,省略了很多繁琐步骤也能达到不错的滤波融合效果,通过仿真证明了此方法的可行性和高效性。     

HLA的雷达目标跟踪算法验证系统

构建了一个基于HLA的雷达目标跟踪分布式仿真系统。采用组件设计思想,实现目标跟踪组件和滤波组件,并将这两套组件嵌入到目标跟踪分布式仿真系统中。实践结果表明:基于组件思想构建的目标跟踪和滤波算法能够很好嵌入到分布式雷达目标跟踪系统中,从而为跟踪算法的合理选择、算法参数的优化设计,以及实际系统的研制提供有力支撑。     

基于时间窗的宽带阵列多目标干扰资源调度

随着宽带数字阵列技术和有源干扰技术的不断发展和成熟,舰载有源干扰设备的未来发展方向将是宽带数字阵列有源干扰系统。针对多目标干扰问题,提出了目标干扰时间窗概念和两种时间窗的处理方法,并建立干扰资源调度模型,通过仿真计算和对比分析,得出基于模糊时间窗的资源调度模型性能优于基于硬时间窗的资源调度模型,能够对干扰资源进行合理的调度,提高宽带阵列多目标干扰能力。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

航天测控系统任务可靠性分析的EOOPN模型

提出了一种可用于航天测控系统任务可靠性分析的扩展面向对象Petri网（extend object-oriented Petri nets, EOOPN）模型,旨在对给定的航天测控方案进行可靠性评估分析。针对问题特点明确了OOPN扩展思路,给出了EOOPN模型的形式化定义、运行规则和建模步骤,模型通过引入公共库所、激发弧、消息变迁和消息处理函数等概念,体现了面向对象的思想,具有很好的层次性和模块性。所建立的EOOPN模型能够完整的描述航天测控系统的组成和任务特点。通过对算例模型仿真运行,表明实验结果具有良好收敛性,与Markov解析值对比误差在1%以内,从而验证了模型的有效性。