一种新的红外系统距离估计算法研究

针对机动飞行的空中点目标,利用测量目标红外辐照度变化的测距原理,建立了具有Markov跳变参数的红外系统距离估计模型,基于结构随机跳变系统最优滤波理论,提出了一种新的红外系统距离估计算法.考虑算法的实时性,推导了两种简化算法.该方法的优点在于不需要限制目标的运动方式.仿真结果表明三种算法都能准确的估计红外系统距离,简化算法具有很高的实时性,易于工程实现.     

多对象生产系统设备多行布置优化

研究多对象离散生产系统设备布置优化问题,对于物料出入口固定的生产单元,提出了只包含反向物流和横向物物流的简化目标函数形式。在此基础上,根据计算机运算的特点和要求,构造了适用于计算机优化搜索的设备位置距离矩阵及目标函数算法模型。把模拟退火算法引入计算机优化搜索过程,有效地提高了设备布置方案的优化效果。结合实例运算,证明了上述算法模型的有效性。     

多模型广义标签多伯努利滤波器

标准广义标签多伯努利算法没有对目标状态转移密度进行深入分析, 在带入确定运动模型的情况下无法对机动目标进行跟踪。针对这个问题, 参考基于马尔可夫跳变分支合并策略的多模型算法, 提出了交互多模型广义标签多伯努利算法、一阶广义伪贝叶斯广义标签多伯努利算法, 以及二阶广义伪贝叶斯广义标签多伯努利算法, 并将这三种多模型算法与同样针对机动多目标的马尔可夫跳变系统广义标签多伯努利算法进行比较。仿真结果表明, 与马尔可夫跳变系统广义标签多伯努利算法相比, 所提三种算法具有更低的计算时间消耗和更高的跟踪精度。其中, 一阶广义伪贝叶斯广义标签多伯努利算法计算时间消耗最低, 二阶广义伪贝叶斯广义标签多伯努利算法跟踪精度最高, 交互多模型广义标签多伯努利算法综合性能最好。     

基于自适应扩展H∞滤波的机动目标被动跟踪

为提高对机动目标的跟踪效果,提出了一种基于扩展H_∞滤波的自适应交互多模多被动传感器机动目标跟踪算法。利用简化的Sage-Husa自适应滤波器与交互多模相结合,对多被动传感器测得的目标角度信息进行融合,解决了被动式跟踪系统的可观测性及非线性问题,将扩展H_∞滤波器作为模型条件滤波器,通过调节扩展H_∞滤波器参数和量测噪声预测协方差矩阵,增强了对外界干扰的鲁棒性。仿真结果表明,所提算法比扩展卡尔曼滤波交互多模算法和标准交互多模算法具有更高的跟踪性能,在多站被动红外搜索与跟踪中是一种有效的跟踪算法。     

单站纯方位目标多模型卡尔曼滤波跟踪算法的研究

EKF滤波算法是进行目标被动定位与跟踪的重要方法之一，为了克服EKF初始化困难和减小线性化误差，对传感器的最大探测距离与最小距离所构成的距离区间实施分区划分，划分成若干个目标可能存在的小区段。钟对每一个小区段，使用扩展卡尔曼滤波，完成滤波协方羔的旋转变换，实现单站纯方位目标状态的估计和跟踪。经过大量仿真计算表明，该算法对滤波初值的设置有较大的选择范围，具有很好的稳定性，精度较高，实施水下目标被动跟踪具有重要意义。     

主、被动雷达数据融合算法研究

对主、被动雷达的数据融合问题进行了研究.由于被动雷达只能测角,不能测距,当其与目标间的相对加速度为零时,目标的距离状态是不可观的,若只利用角度信息进行主、被动雷达数据互联,则当同一方向上有两个以上目标时,主、被动雷达的正确相关率较低.针对这种情况,提出了被动雷达利用伪距离测量方法来估计目标的径向距离信息,从而可利用主、被动雷达的角度和径向距离信息进行数据互联,并给出了直角坐标系下的数据互联算法.仿真结果表明,利用提出的方法可使主、被动雷达可达到较好的数据融合效果.     

离散Markov跳变线性系统最优控制

针对离散Markov跳变系统,研究其最优控制问题。首先确立一个二次型代价函数,然后运用随机贝尔曼动态规划法,结合Markov跳变系统特性求解贝尔曼方程,获得了完全状态信息情形下Markov跳变系统的最优控制器和黎卡提差分方程;进而将其推广到不完全状态信息情形,利用观测向量获得状态的后验概率密度函数,推导了最优控制器的解析结构和相应的求解算法;最后通过数值仿真验证了所得控制器的有效性。     

连续Markov跳变奇异系统的稳定性分析与镇定

研究了一类连续Markov跳变奇异系统的稳定性与镇定控制,得到了保证连续Markov跳变奇异系统正则、无脉冲、随机稳定的充分性条件,并设计了相应的镇定控制器。与已有文献中的结论相比,文中研究系统的模式跳变转移概率可以是部分未知的,所得条件以严格线性矩阵不等式的形式给出,具有更小的保守性。仿真实例验证了文中结论的正确性。     

基于距离加权最小二乘的量测数据关联

量测数据关联是被动多传感器系统中需要首先解决的一个关键问题,通常可采用多维分配算法进行求解,其中代价函数的选取在一定程度上决定了算法的最终分配结果。基于广义似然比构造的代价函数由于采用精度较低的传统最小二乘法进行定位,且没有考虑融合方差的影响,导致其性能较差。针对这一问题,提出一种基于距离加权最小二乘的量测数据关联算法,该算法将距离信息引入最小二乘定位算法中,并在代价函数的计算中融入目标位置的估计方差,构建出能够更为准确反映量测与目标之间相关程度的代价函数。仿真实验表明,所提算法在计算代价较小的前提下,提高了关联正确率,具有较好的工程应用价值。     

多品种离散型生产系统物流批量最优化分析

以系统整体性和相关性为依据 ,分析了多品种离散型生产系统各环节物流特点 ,以提高生产系统整体效益为目标 ,建立了多品种生产条件下的物流总费用模型 ,据此推导出最优订货批量 ;经济生产批量的新算法 ,对在流动资金、仓库面积等具有约束条件的多品种离散型生产系统物流批量优化问题 ,提出了一种简化调整算法 ,有效地解决了该类系统的物流优化问题.     

异步被动传感器系统模糊Hough变换航迹起始算法

异步被动传感器系统由于不能通过视线交叉确定目标位置,因此使测量关联和航迹起始变得困难。为解决杂波、漏检和目标数未知情况下航迹起始问题,提出了一种用于异步被动传感器系统的航迹起始算法。该算法首先建立候选目标集,用极大似然法求出每一候选目标的初始状态估计、模糊Hough变换和模糊聚类实现航迹和目标的检测,最后用极大似然法估计出每一批目标的初始状态。仿真实验结果表明,提出的算法能有效实现航迹起始。     

基于新息序列修正的输入估计算法

针对传统输入估计算法跟踪机动目标时检测概率和估计精度不高的缺点,提出一种改进的输入估计跟踪算法。算法利用对检测窗内新息序列进行修正以及对卡尔曼滤波状态变量进行补偿的方法,消除了已有机动检测估计对后继机动输入估计的影响,提高了对机动的检测概率和估计精度。理论分析和仿真结果表明,改进后的算法相比原有算法和IMM3算法,不仅跟踪性能有显著提高,而且对加速度缓变的机动也有较好的跟踪能力。     

Novel method for ambiguity elimination in the LFMCW radar

1.INTRODUCTIONLFMCWradar has been widely used on platformssuch as missile,satellite and airplane due to its smallsize,light weight,si mple structure and high resolu-tion,as well as beingfree of distance blind zone[2,3].In most LFMCWradar systems,signals aretransmit-ted as multi-period LFMCW,and would be subject toFFT(fast Fourier transform)processing twice,thefirst for target distance,the second for target veloci-ty[1~3].However,the above methods could be usedonly whenthe multiplyi…     

基于广义近似消息传递的快速DOA估计方法

针对稀疏恢复类波达方向(direction of arrival, DOA)估计算法中计算复杂度高的问题, 提出了一种基于广义近似消息传递(generalized approximate message passing, GAMP)方法的稀疏贝叶斯学习算法。该算法在现有双基地无源雷达系统模型基础上, 构建了多快拍下的GAMP信号统计模型, 将高维联合后验概率密度的计算简化为标量运算, 提高了算法的计算效率。对于离网目标, 利用梯度下降方法推导了角度空间网格更新策略, 进一步提高了角度估计的精度。仿真结果表明, 该算法在有限快拍、低信噪比情况下, 估计精度较高, 计算复杂度较低, 适用于实时性要求高的应用场景。     

被动定位系统中的方位数据关联

多站测向交叉定位是无源定位方法中运用较多的一种,但该方法在复杂环境下会产生虚假定位点,而虚假定位点的快速、准确排除一直是无源定位研究中的难点,国内外许多学者始终致力于该问题的研究,提出了多种解决方法,像最小距离法、最大似然算法、拉格朗日松弛算法等,但它们或数据正确相关率较低,或计算量较大,不适用于实时处理。为此,采用了一种对目标进行方位关联的新方法,即先利用一定的准则进行方位粗关联,排除掉一部分虚假定位点,减少计算量;在此基础上再进行方位细关联,找出最有可能来自目标的方位组合。与现有算法相比,该方法可快速、准确地排除虚假定位点。仿真结果表明,利用该方法可较好地对多目标进行定位和跟踪,且计算量适中。     

多目标跟踪的分布式MIMO雷达有限阵元选取算法

为充分发挥分布式多输入多输出雷达阵元选取的灵活性,提高多目标跟踪精度的同时,尽量降低系统的代价损耗,提出了一种基于多目标位置估计的阵元选取算法。首先,以提高目标位置估计精度为优化准则,在给定阵元子集大小和允许最高精度误差的约束下,建立了目标位置估计精度与系统代价损耗折中的阵元选取优化模型。然后,采用多起点搜索贪婪算法对模型进行求解,得到多目标跟踪的阵元选取结果。仿真结果表明,在一定阵元子集大小和跟踪目标个数的范围内,该算法能够获得良好的选取性能,并大大降低系统计算量。     

分布式无源定位技术的定位精度提高方法

为了提高无线传感器网络在无源定位时的定位精度,提出一种基于偏移圆圆心估计的定位误差校正(positioning error correction, PEC)算法。在PEC算法中，利用两步定位法在传感器获取的目标距离信息中获得的目标位置估计作为初值。在极坐标系中，将沿极径方向的固定偏移量引入到测距残差中形成偏移圆。利用偏移圆圆心的位置矢量对目标位置初始估计进行校正,从而获得更精确的目标位置估计。与经典分布式无源定位算法相比, PEC算法对传感器布局具有更强的适应性和更高的精度,在不同的传感器测距精度下均有较优异的性能,具有良好的工程应用前景。     

分布式无源定位技术的定位精度提高方法

为了提高无线传感器网络在无源定位时的定位精度,提出一种基于偏移圆圆心估计的定位误差校正(positioning error correction, PEC)算法。在PEC算法中，利用两步定位法在传感器获取的目标距离信息中获得的目标位置估计作为初值。在极坐标系中，将沿极径方向的固定偏移量引入到测距残差中形成偏移圆。利用偏移圆圆心的位置矢量对目标位置初始估计进行校正,从而获得更精确的目标位置估计。与经典分布式无源定位算法相比, PEC算法对传感器布局具有更强的适应性和更高的精度,在不同的传感器测距精度下均有较优异的性能,具有良好的工程应用前景。     

基于无源时差定位系统的机动目标跟踪算法

将交互式多模型(IMM)算法应用到具有隐蔽性的无源时差定位系统中,找到了一种适合于无源时差定位系统跟踪机动飞行目标的混合模型即常速度(CV)模型与Singer模型组成的混合CV Singer模型。在各种现有算法中,基于该混合模型的交互多模型算法可获得较好的定位跟踪效果。另外,将该混合系统与CV CA模型组成的混合系统进行了比较,进一步证明了该混合模型的有效性。     

基于合作目标的外辐射源雷达发射站直接定位

外辐射源雷达利用已知位置信息的第三方发射站发射的信号作为照射源,对运动目标进行探测定位。但在实际应用中,发射站精确位置信息往往难以预先获取,给外辐射源雷达在未知环境中的快速应用带来困难。为了解决该问题,将已知轨迹的无人机作为合作目标。利用实时获取的无人机位置信息,建立了发射站位置未知时的目标直接定位模型。并进一步构建了基于目标位置的代价函数,从而实现对发射站位置的精确估计。该方法不仅可以克服常用两步定位算法中存在信息损失的不足,可达到更高的定位精度,而且利用了外辐射源雷达直达波信号,较传统直接定位方法性能更优。最后,通过仿真验证了该算法的有效性。