在衰减信道中基于最小贝叶斯风险的检测算法

针对实际检测过程中本地检测器至融合中心传输信道的非理想性,提出了基于两种非理想信道模型的分布式检测算法:第一种为融合中心已知非理想信道的瞬时状态信息;第二种为融合中心已知非理想信道的统计特性。通过最小化平均贝叶斯风险来设计本地检测器和融合中心的优化判决算法,其判决形式都可简化为似然比判决。最后通过仿真表明第二种模型的检测性能略低于第一种模型,但其计算量却大大降低。     

TPN通信导航装备战场抢修系统建模

描述了用时间Petri网(TPN)在装备战场抢修系统(BDAR)建模中的优势,在给出了一种基于时间Petri网通信导航装备战场抢修系统的建模方法和步骤的基础上,建立了一个通信导航装备战场抢修系统的TPN模型,并进行实例分析,验证模型是可行的。     

基于非理想信道的分布式多检测器软决策融合算法

在实际检测中由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道。对在非理想信道状态下检测系统的性能优化算法进行了研究,并且为了提高检测性能和合理的利用通信资源,在本地应用软决策判决。根据聂曼-皮尔逊规则推出本地检测器和融合中心的优化判决形式。最后通过两检测器系统仿真表明,应用软决策确实提高了系统的检测性能,而非理想信道的恶化又确实降低了系统的检测性能。     

基于强跟踪滤波器的自适应常加速模型及跟踪算法

建立目标机动模型是传感器目标跟踪数据处理中的一个重要环节.为了克服"当前"统计模型对非机动目标和常加速模型对机动目标跟踪性能较差的缺陷,通过对"当前"统计(CS)模型的分析研究,在常加速(CA)模型的基础上提出了一种基于强跟踪滤波器的自适应常加速模型及跟踪算法(ACA-STF).该算法利用速度预测估计与实时速度估计间的偏差进行自适应方差调整,并通过引入强跟踪滤波器(STF)的渐消因子,实时调节滤波器增益,从而提高了跟踪精度,增强了系统对突发机动的自适应跟踪能力.理论分析和仿真结果表明对于非机动和机动目标,该算法比"当前"统计模型算法具有更高的跟踪精度.     

一种基于小采样周期的机动目标模型

通过对"当前"统计模型和常加速模型的分析研究,提出了一种基于小采样周期的机动目标模型。该模型通过构造一个函数来自适应调整常加速模型的过程噪声协方差矩阵。当采样周期T较小时,具有与"当前"统计模型相当甚至更高的跟踪精度和较小的计算量。理论分析和仿真结果表明该模型的有效性。