三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

厚尾噪声条件下星凸形扩展目标student’s t滤波器

针对非线性非高斯厚尾噪声条件下的不规则形状的扩展目标跟踪问题,提出了基于随机超曲面模型(RHM)的星凸形扩展目标student’s t滤波算法.首先,在带有非高斯厚尾过程噪声和厚尾量测噪声的系统中, 基于student’s t分布给出鲁棒student’s t滤波器.其次,利用随机超曲面模型描述任意星凸形扩展目标的量测源分布, 提出带厚尾噪声的星凸形扩展目标student’s t滤波器.最后通过仿真验证了所提方法的正确性和有效性.     

复合材料双悬臂梁试验Ⅰ型分层扩展的三维近场动力学模拟

近场动力学(peridynamics,PD)模拟复合材料分层损伤,相较于传统的数值方法有一定优势。双悬臂梁试验(double cantilever beam,DCB)是测量复合材料Ⅰ型层间断裂韧性GIC的标准试验。本文研究了复合材料双悬臂梁试验Ⅰ型分层扩展过程的三维近场动力学模拟。计算模型选用了球型域的常规态近场动力学复合材料模型,并引入了基于能量的失效判定准则。结果表明,近场动力学模拟的载荷-位移曲线与试验结果吻合得很好,并且模拟结果能够捕捉到DCB试验的"指甲盖形"分层前缘。在此基础上,进一步比较了Ⅰ型分层扩展过程的近场动力学模拟结果与试验结果,验证了本文采用的复合材料近场动力学模型计算Ⅰ型分层扩展的有效性。     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数据对比验证了回归-卡尔曼滤波组合模型在航道整治区域船舶交通流时空预测方面的有效性与可靠性.     

雷达导引头指向误差对导弹制导的影响与对策

受相控阵天线指向误差和天线罩瞄准误差的共同影响,相控阵雷达导引头存在较严重的指向误差。当指向误差斜率超出一定范围时会造成导弹制导系统出现寄生回路振荡问题,影响系统的稳定性和制导精度,在高空尤为明显。对此，本文通过构建相控阵雷达导引头制导系统模型,分析了导引头指向误差斜率对导弹制导的影响以及产生寄生回路振荡的机理;为消除导引头指向误差斜率对制导的不利影响,在指向误差测量补偿的基础上,又给出了一种多模型扩展卡尔曼滤波的估计方法,对导引头指向误差斜率进行实时估计与补偿。数字仿真结果表明，所提方法能够有效改善导引头指向误差斜率对制导系统的不利影响,提高系统稳定性和制导精度。     

关于Michalik连分式插值的多点扩展应用

本文给出一种关于Michalik的连分式插值的扩展算法。它使给出的连分式插值更加准确,结果更加精确。该方法在Michalik连分式原节点数的基础上再多加一个新的函数节点,并利用三项递推公式计算出该节点的函数值,然后添加不同的插值节点进行误差比较,寻找出最优的插值节点。该方法能使给出的连分式插值更加准确。本文利用构造出的新的插值节点及其原有的函数节点可以计算出一个新的连分式插值函数,从而能够很好地逼近原函数。     

基于扩展单元插值法二维弹性问题的边界元法分析

本文把一种新型的插值方法-扩展单元插值法,用于二维弹性问题的边界元法求解。扩展单元是在原非连续单元两端添加虚节点,将非连续单元变成阶次更高的连续单元。原非连续单元的内部点被称为源节点,其形函数用来构建源节点和虚节点之间的关系,被称为RawShape。扩展单元的形函数是由源节点和虚节点构造,用于边界物理变量的插值, 称之为FineShape。扩展单元继承了连续和非连续单元的优点,同时克服了它们的缺点；既可以插值连续场,也可以插值非连续场,在不改变方程自由度的前提下(边界积分方程只在源点处配置),把插值精度提高了至少两阶,最大限度的发挥了边界积分方程试函数可以不连续的特性。最后通过数值算例来验证本文方法的精度和收敛性。     

一种改进Mask R-CNN的运动目标定位方法

针对在复杂场景下传统算法对运动目标分类精度不高且无法直接输出关键点空间坐标这一问题，本文提出了一种基于改进Mask R-CNN的运动目标定位方法。该方法在TensorFlow 框架下采用自制数据集预训练提取多尺度的卷积，将采集到的网络视频流通过RoIAlign算法处理获得像素级的特征并匹配SIFT特征点建立空间坐标系统，在空间约束下结合Kalman filtering补偿运动轨迹，通过投影变换矩阵将像素坐标转换为世界坐标。实验表明该方法提高了模型在干扰背景下的鲁棒性，平均误差在8cm以内，实现了在复杂场景下可以获得实时高精度的定位信息。     

基于无迹卡尔曼滤波和协方差交叉融合的分层多簇无线传感器网络多速率跟踪算法

针对无线传感器网络(WSNs)在跟踪过程中精度低，性能差等缺点，提出基于无迹卡尔曼滤波(UKF)和协方差交叉(CI)融合的分层多簇WSNs多速率跟踪算法。将传感器分成多个簇，同一簇中的传感器可以采用不同的采样和传输速率对目标的数据进行采集和传输。首先，采用UKF处理传感器节点采集的数据，生成局部估计。然后，利用CI融合算法将收集到的局部估计值形成融合估计。通过定义一个附加权重因子，为真实协方差的不确定性定义一个更严格的界限。仿真验证了方法的有效性，采用多速率分层融合估计的精度更高，效果更明显。