基于信息损失最小的预警卫星传感器调度模型

科学合理地调度预警卫星传感器资源是提高弹道导弹预警作战效能的重要手段.在预警卫星传感器资源(主要是凝视探测器)有限而进攻弹道导弹目标数量较多时,利用最小信息损失准则,将传感器调度问题转化为最优访问路径问题进行建模研究,满足了导弹预警资源调度的需要,仿真结果验证了模型的可靠性和可用性.     

Radar pulse interleaving for multi‐target tracking

In a multifunction radar, the maximum number of targets that can be managed or tracked is an important performance measure. Interleaving algorithms developed to operate radars exploit the dead‐times between the transmitted and the received pulses to allocate new tracking tasks that might involve transmitting or receiving pulses, thus increasing the capacity of the system. The problem of interleaving N targets involves a search among N! possibilities, and suboptimal solutions are usually employed to satisfy the real‐time constraints of the radar system. In this paper, we present new tight 0–1 integer programming models for the radar pulse interleaving problem and develop effective solution methods based on Lagrangian relaxation techniques. © 2003 Wiley Periodicals, Inc. Naval Research Logistics, 2004.     

双处理器的图像跟踪系统硬件平台设计

通过分析装甲车车载图像跟踪系统的任务和应用环境,设计了以TMS320C6202数字信号处理器(DSP)为核心,结合PC104嵌入式计算机的双处理器并行处理硬件平台;详细介绍了利用大规模FPGA芯片实现系统总线仲裁和逻辑控制的设计思想;并给出了体现系统智能化程度的--DSP模块的程序智能加载技术以及其实现方法.实际系统测试表明该硬件平台能满足图像跟踪系统的实时性、可扩展性、稳定性的要求,为装甲战车的数字化改造提供了可靠的保障.     

静止观测站下机动目标的推广卡尔曼角度跟踪算法

采用"当前"统计模型,提出了静止观测站下机动目标的推广卡尔曼角度跟踪算法,实现了对目标的角度跟踪和预测,并对此算法进行了Monte-Carlo计算机仿真.通过分析目标角度的误差均值与误差均方值,表明此算法有较好的角度跟踪与预测能力.     

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。     

战术背景对跟踪滤波器设计的影响

可以利用战术背景下做战术机动空中目标的特性来提高跟踪效果。提出了先目标机动预测,然后进行机动检测和滤波的方法（ＰＩＦ）。本方法可以提高对空中机动目标的跟踪效果而无须做大量的运算。     

基于改进的概率假设密度多目标跟踪算法

针对多个目标相互紧邻时,概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题,提出一种改进的高斯混合概率假设密度滤波算法。根据每一时刻更新后所有目标的权值构造权值矩阵,通过权值矩阵中目标权值的分布来检测当前目标权值是否存在更新错误。基于新的目标权值再分配策略,对权值矩阵中每个目标可能不正确的权值进行调整,使得每个目标能够获得合理的权值。仿真实验表明,该算法能够准确地估计紧邻目标数目以及状态。     

目标识别跟踪系统的图像收集处理软件流程设计

详细介绍了目标识别跟踪系统中图像收集处理软件的设计流程。首先介绍了目标识别跟踪系统,然后从视频图像显示到目标图像获取和发送的整个流程进行详细阐述,并针对流程节点中获取目标图像的两种方式加以深入研究。     

基于图像和惯性的头盔组合跟踪原理

不同体制的头盔跟踪定位技术单独使用时都存在一定的原理性性能制约,提高跟踪定位技术整体性能的有效途径是采用组合跟踪。目前综合性能较好的是图像式头盔跟踪,图像式跟踪技术精度高,输出数据平稳,稳定性好,但其缺点是头盔活动范围受制于CCD摄像机视场及头盔大角度转动时头盔本身对CCD摄像机视角的遮挡。惯性跟踪不需要任何外来信息也不向外辐射任何信息,可在任何介质和任何环境条件下实现360°全范围头部跟踪,但其定位精度随时间下降。提出的基于图像和惯性的头盔组合跟踪技术充分利用图像跟踪精度高、长期稳定性好及惯性定位跟踪范围广、跟踪系统简单的优点,达到单个跟踪定位体制不具备的综合性能。     

基于跟踪连续性的多传感器多跟踪任务管理方法

雷达组网系统中,当进行多目标连续性跟踪时,传统跟踪方法过多关注多传感器之间的跟踪精度和切换率,而轻视跟踪的连续性,无法满足现有连续性跟踪工程需求。因此,提出了一种新的基于跟踪连续性的多传感器多跟踪任务资源管理算法,该算法分为两个优化过程,第1次优化过程尽量保证跟踪目标个数的最大化,第2次优化过程中提出了一种用于衡量目标跟踪连续性的优化指标,基于该指标,提出了一种快速的传感器资源管理算法。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效的快速分配,既跟踪了更多的目标,又保持了跟踪的连续性。