两坐标雷达组网中目标高度与系统误差联合估计

针对目前两坐标雷达组网系统误差估计忽略了目标高度影响的问题,采用模块化方法,将3部两坐标雷达组网分成平面与空间两个模块进行目标高度与系统误差的联合估计,提高了系统误差估计的精度。首先分析目标高度对系统误差估计的影响,接着详细推导基于极大似然估计法的目标高度与系统误差联合估计模型,并给出估计流程图,最后建立仿真模型对算法进行验证,并和传统方法进行比较。仿真结果显示,所建立的模型能够精确估计出目标平面位置和高度信息,实现目标的三维准确定位,并且同样能精确估计出传感器系统误差,验证了算法的准确性和有效性。     

基于动态估计反馈的灰色理论航迹关联算法

针对传统基于灰色理论航迹关联算法未充分利用航迹历史信息,在密集目标以及时变噪声协方差等场景下关联正确率下降问题,在传统灰色分析法基础上增加了一种动态估计反馈机制。改进后的算法引入了Sage-Husa估计器来实时估计传感器的噪声协方差作为评估输出数据质量的依据,并使用Critic赋权法将实时噪声协方差转换为各时刻序贯权重,从而保证最大程度上的利用航迹历史信息。仿真证明,在密集目标与时变噪声协方差等特殊关联场景下,所提算法明显优于传统灰色分析法以及模糊法、加权法等经典算法,充分证明了所提算法的性能优越性以及鲁棒性。     

基于标签多贝努利多传感器组网目标跟踪算法

随着电磁环境的日益复杂, 强干扰和高杂波带来的目标低检测概率问题日益突出, 给探测系统准确估计监测区域内目标个数以及目标状态带来了新的挑战。针对低检测概率问题, 提出随机有限集框架下基于标签多贝努利(labelled multi-Bernoulli, LMB)多传感器组网目标跟踪算法。该算法首次将LMB框架应用到不同探测范围的多传感器组网目标跟踪场景中, 实现了多目标跟踪目标数和相应状态稳定估计。仿真结果表明, 所提方法不仅能在低检测概率条件下获得目标稳定的航迹估计, 及时捕捉目标新生、消亡等事件, 还能有效叠加不同传感器不同探测范围, 充分发挥多传感器优势。     

基于SINGER模型的实时误差配准算法及分析

系统误差配准是多平台、多传感器目标跟踪的关键环节,可以有效地估计雷达跟踪系统误差,并进行准确误差补偿。若不进行精确的系统误差配准,则可能导致多平台、多传感器跟踪系统对目标融合跟踪的错误或对同一目标产生多条航迹,从而导致系统性能恶化。给出了基于目标SINGER运动模型的扩维卡尔曼滤波算法。通过仿真实验分析了误差配准精度与机动频率的关系,结论为针对不同机动频率目标进行雷达跟踪系统的误差配准提供理论参考。     

数据融合中的残差建模分析与融合算法

多传感器数据融合系统中,传感器之间存在着难以精确建模的系统误差。即便经过校准,仍然会存在残差。残差的量级与随机观测噪声相当,不同的是,残差是一种随时间慢变的系统误差。目前文献中缺乏有效的残差分析建模手段,从而难以提高融合精度。针对上述问题,建立了残差的数学模型,进而提出了残差补偿航迹融合算法。算法将残差增广至目标状态向量,在状态估计的同时完成残差补偿。仿真结果表明,残差补偿算法极大地提高了目标状态估计的精度,显著改善了机动目标的跟踪性能。最后使用雷达实测数据对算法进行仿真,验证了算法可应用于实际工程系统。     

带反馈信息的纯方位水下分布式融合算法

针对水下被动目标跟踪的特点，为了改善跟踪性能，本文研究纯方位水下分布式模型中多传感器的状态估计技术。参照雷达系统中的反馈机制，在观测平台有效机动的情况下，利用多传感器量测的方位序列进行状态估计融合。仿真结果表明，融合中心能够完成对目标的状态估计，且引入反馈机制可以明显改善局部传感器的估计精度。这为水下被动目标跟踪的实现，提供了工程应用参考。     

基于岭估计和AMOGA的马田系统分类方法

马田系统是多变量数据挖掘中模式识别方法的新进展,变量间的复共线性会通过马氏距离影响马田系统变量筛选的效果和判别的准确率。为了克服复共线性对马田系统的负面影响,提出了基于岭估计新的测量尺度—岭马氏距离,通过变量敏感性和条件数绘制三条岭迹来确定岭参数,并设计了自适应多目标遗传算法进行基准空间优化,使得马田系统分类方法对病态数据具有更好的耐受性。通过案例验证了岭马氏距离可以很好的克服复共线性,并提高马田系统分类方法的判别准确率。     

基于高分辨距离像的目标姿态角估计算法

目标的姿态角是目标运动状态的一个重要参数,在目标监控、目标跟踪、目标识别、导弹制导律设计等多个领域都有着很广泛的应用。不同于传统的利用图像传感器得到光学图像估计目标姿态角的方法,针对有翼导弹等弹体目标跟踪应用中的姿态角估计问题,利用高分辨雷达得到的距离像,给出了姿态角估计的流程,提出了基于距离像匹配及运动状态滤波辅助的估计算法,并针对一个导弹末端机动场景实现了姿态角的连续跟踪,验证了本文提出的姿态角估计算法的可行性。     

基于系统误差估计残差的错误关联检测方法

在多传感器数据融合系统中,航迹关联是后续融合处理的基础。由于随机噪声、系统误差以及虚警漏报的干扰,航迹关联结果中常常包含错误关联,错误关联对后续融合处理的影响是灾难性的。目前尚缺乏一种有效的错误关联检测手段。根据系统误差估计与航迹关联相耦合的特点,提出了利用系统误差估计残差来对错误关联进行检测的高斯检测器和卡方检测器。仿真实验表明,所提两种检测器能够有效地检测错误关联,具备良好的实际应用前景。     

基于结构总体最小二乘的多传感器定位算法

多部二维传感器组网定位时,为充分利用各传感器量测并减小地球曲率对观测的影响,建立了大场景下考虑地球曲率的三维空间观测定位模型,提出7此场景下融合测距信息的方位结构总体最小二乘定位算法.该算法首先根据各传感器的方位角量测信息使用结构最小二乘法初步定位,然后利用观测模型融合各传感器的距离量测提高定位精度并最终得到目标位置估计.仿真实验证明了该方法在多部2D传感器组网情况下对三维空间内目标定位的实际性和有效性,适用于工程利用.     

基于双阶段互信息准则的多目标检测波形设计

在有限信噪比情况下,雷达对多目标的检测性能受限于参数估计精度和发射脉冲积累,而波形设计为雷达性能提升提供了自由度。本文以信噪比为约束条件,以假设概率与设计波形的加权和迭代波形发射,分阶段提出了基于单假设互信息最大化、基于多假设间互信息最小化的波形优化方法,实现了提升参数估计精度与降低发射脉冲次数的均衡处理。仿真验证了目标参数估计精度与目标检测性能间呈正相关关系,结果表明,基于双阶段互信息准则设计的波形能够快速检测多目标方位,提升目标检测性能。     

信杂噪比约束下基于互信息的雷达波形设计

在发射信号能量有限情况下,雷达性能界定了信杂噪比(signal to interference plus noise ratio,SINR)的作用范围,而雷达波形设计就受到SINR的约束.对此,以提升认知雷达目标估计性能为目标,根据相对熵的非负性条件,从理论上推导了互信息的边界和SINR的作用阈,并在信号相关杂波环境下...     

提高MIMO雷达检测和参数估计性能的波形设计

针对目前多输入多输出(multiple-input multiple-output, MIMO)雷达中通常基于某一种而不是整体性能的波形优化问题,提出一种提高MIMO雷达检测和参数估计性能的波形优化方法。该方法基于提高检测概率、降低参数估计方差及抑制旁瓣3种性能约束优化发射波形相关矩阵(waveform covariance matrix, WCM)。首先推导了检测概率及克拉美罗界(Cramer-Rao bound, CRB)的等价表达式,而后联合最大化主旁瓣差约束,并对各约束条件加权,从而得到可灵活调整加权系数以满足实际应用中不同需要的波形优化问题。此波形优化问题可表示为线性规划问题,因而可高效求解。仿真实验对3种约束条件对雷达性能的影响进行了详细分析,实验结果验证了所提方法的有效性。     

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。     

多基阵分布式估计融合新方法

针对水下多基阵分布式估计融合问题,为了解决常规方法中存在的获取完全水下信道特性难度大、算法实现复杂度高以及占用大量通信资源的缺点,在分布式等判决门限估计融合方法的基础上,建立了水下多基阵分布式估计融合模型,提出了多基阵分布式不等门限估计融合方法。理论分析和仿真试验表明：新方法在目标参数估计精度以及抗噪等方面优于等门限估计融合方法;在基阵数目较大时,其估计性能与似然估计方法相当。这种方法考虑了水声信道通信带宽的限制,满足了实际分布式估计融合系统对于计算量小、复杂度低以及实时性强的要求,能够应用于水下目标探测领域。     

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。     

基于SDRE具有终端碰撞角约束的非线性微分对策制导律

通过非线性微分对策理论讨论了具有终端碰撞角约束的弹目追逃问题,提出了基于求解状态相关黎卡提方程(state dependent Riccati equation,SDRE)的方法解决该微分对策问题,得到了具有终端碰撞角约束的SDRE解析解。提出的终端碰撞角约束制导律是以弹目视线角速率及碰撞角误差为状态向量进行推导,并研究了闭环系统局部渐进稳定的条件。该制导律不需要进行剩余时间的预测。最后针对目标不进行机动、进行阶跃机动、正弦机动及目标最优机动形式4种情况,进行了制导律的仿真验证,仿真结果表明该制导律对于不同机动目标均具有良好的制导效果且能很好地满足末端碰撞角约束要求。     

Novel method based on ant colony opti mization for solving ill-conditioned linear systems of equations

1 .INTRODUCTIONStudies have shownthat some systems are highlysen-sitive :a small perturbationin the data can result in alarge changeinthe solutions .Such systems are calledill-conditioned systems .Ill-conditionedlinear systemsof equations have a wide application in many fieldssuch asi magine processing,deconvolution, model pa-rameters esti mation.Because the condition number ofill-conditionedlinear systems of equationsis very big,the data error andthe rounding error inthe computa-tional p…