基于采样卡尔曼滤波的水下被动目标跟踪

针对水下被动目标跟踪问题中,采用直角坐标系容易出现滤波发散,而修正极坐标系下过程模型强非线性的问题,研究了一种修正极坐标系下的采样卡尔曼滤波算法.采样卡尔曼滤波比传统的扩展卡尔曼滤波更好地逼近状态方程和测量方程的非线性特性,给出更精确的均值和协方差的估计,并且适用于过程噪声与状态估计非线性耦合的情况.在修正极坐标系下,采用3种滤波方法求解被动目标跟踪问题,仿真结果表明,采样卡尔曼滤波的滤波精度优于传统的扩展卡尔曼滤波方法和自适应扩展卡尔曼滤波方法.     

基于SNF的一种检测和跟踪性能优化方法

对于一个监视系统,跟踪性能的优化要求检测系统和跟踪系统通过引入反馈进行联合设计,针对最大量测幅值邻域滤波器(SNF),提出了先验和后验检测跟踪优化准则,通过分析得出先验优化准则不可行这一结论,而利用后验优化准则同时对检测阈值和门值的联合优化,仿真结果表明,用后验优化准则进行检测和跟踪性能优化,不仅具有比恒虚警率更好的跟踪精度,而且其计算代价也大为降低.     

对陆军武器装备建设发展的思考

为全面落实我军军事战略方针和军队建设发展规划纲要,进一步确立我军的战略目标和战略任务,以及军队建设的总方向与目标,提出了陆军武器装备建设存在的主要问题和陆军武器装备建设依据、建设标准和建设目标,强调按一体化联合作战样式建设陆军武器装备,并提出了陆军武器装备建设的相应措施。     

Maneuvering target tracking of UAV based on MN-DDPG and transfer learning

Tracking maneuvering target in real time autonomously and accurately in an uncertain environment is one of the challenging missions for unmanned aerial vehicles(UAVs).In this paper,aiming to address the control problem of maneuvering target tracking and obstacle avoidance,an online path planning approach for UAV is developed based on deep reinforcement learning.Through end-to-end learning powered by neural networks,the proposed approach can achieve the perception of the environment and continuous motion output control.This proposed approach includes:(1)A deep deterministic policy gradient(DDPG)-based control framework to provide learning and autonomous decision-making capa-bility for UAVs;(2)An improved method named MN-DDPG for introducing a type of mixed noises to assist UAV with exploring stochastic strategies for online optimal planning;and(3)An algorithm of task-decomposition and pre-training for efficient transfer learning to improve the generalization capability of UAV's control model built based on MN-DDPG.The experimental simulation results have verified that the proposed approach can achieve good self-adaptive adjustment of UAV's flight attitude in the tasks of maneuvering target tracking with a significant improvement in generalization capability and training efficiency of UAV tracking controller in uncertain environments.     

自然场景车标数据集的构建及其应用

车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10 324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。     

基于坐标转换的卡尔曼交互式多模型滤波算法

为解决舰炮火控系统中在笛卡尔坐标系中测量信息的互相关性,分析了目前舰炮火控系统中所用到的坐标系及其坐标变换,在瞄准线坐标系内建立了自适应滤波的交互式多模型算法,能够充分利用跟踪传感器的量测信息,在卡尔曼滤波中具有较强的自适应能力,通过与标准交互式多模型算法的对比验证,自适应交互式多模型算法在计算精度上明显好于标准交互式多模型算法。     

海面多径环境下雷达目标俯仰角测量提取的研究与应用

在单脉冲测角体制下,由于多径回波信号的干扰,极大地影响了雷达对低空目标俯仰角的测量。通过对多路径反射环境模型分析,同时考虑镜面反射和漫反射的干扰,得出了岸、海基单脉冲雷达低空目标跟踪时俯仰角测量误差的产生原因,将传统的多目标分辨算法(C2算法)与偏差补偿技术相结合应用于低角多径环境下偏轴跟踪目标俯仰角的测量,弥补两种算法各自的不足。在给定的测量环境下对不同高度目标进行仿真,得到良好的仿真结果,表明两种算法结合使用,可较大地提高低空目标偏轴跟踪俯仰角的测量精度。并将其应用于某型雷达对掠海巡航飞行目标测量数据事后俯仰角的提取,与雷达实时输出的俯仰角测量数据相比,验证了该算法的有效性和可实施性。     

测控站布局对区域卫星导航系统的影响

建立区域卫星导航系统的测控网是卫星导航系统要解决的关键问题之一。讨论国内测控站的布设问题,采用网格计算方法分析国内测控站对导航星座的可观测性。引入位置精度衰减因子PDOP和定轨中的法矩阵条件数,分析测控网对导航星座的观测几何结构强度以及测站位置分布对轨道确定精度的影响,仿真结果表明,利用我国有限的国土跨度和航天测控资源可以确保对导航卫星的测控任务的完成。对在国外布设测控站进行讨论和仿真,结果说明位于国外的测控站(如可在澳大利亚的珀斯设站)的加入能明显改善观测的几何结构强度、提高导航卫星的轨道精度。     

基于被动雷达和红外传感器的数据融合

提出基于被动雷达和红外传感器组成的复合探测系统,利用D-S证据理论提高目标识别率,借助神经网络改善目标跟踪算法的性能,同时保持跟踪滤波的计算结构尽可能简单,尤其是减少了数字计算上的复杂性。仿真结果表明了应用新算法的复合探测系统的有效性。     

防空导弹反弹道导弹跟踪制导规律研究和弹道仿真

利用基准优化弹道参数和滑模控制思想,构造滑动面,提出了一种新的弹道跟踪制导规律。给出了详细的推导过程,并且对所构造李雅普诺夫函数进行了稳定性证明,还进行了弹道跟踪制导数字仿真,提供了仿真弹道数据和有关弹道参数曲线。结果表明,提出的弹道跟踪制导规律是有效的,可用的。