基于线偏差测量的目标运动参数估计方法及仿真研究

建立了遥控制导系统目标运动方程和观测方程,为估计目标运动参数,如目标距离,目标运动速度,目标机动方向等,设计了推广卡尔曼滤波器及针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器。进行了数学仿真,结果表明在制导系统中的目标运动参数估计方面,自适应推广卡尔曼滤波器的性能优于推广卡尔曼滤波器。     

模糊自适应强跟踪卡尔曼滤波器研究

针对卡尔曼滤波器对系统模型依赖性强、鲁棒性差和跟踪机动目标能力有限的问题,提出了一种具备模糊自适应特点的模糊强跟踪卡尔曼滤波器(fuzzystrongtrackingKalmanfilter,FSTKF)。这种方法主要利用模糊逻辑自适应控制器监测残差均值与标准差,并根据模糊规则动态调整弱化因子,从而对强跟踪滤波器中多重次优渐消因子进行自适应调整,进一步提高滤波器的估计性能。仿真结果表明,该改进滤波器跟踪机动目标的精度高于常规卡尔曼滤波器和强跟踪卡尔曼滤波器。     

基于形状统计量的空中目标识别

对直升机和固定翼飞机这两类空中目标多普勒频谱测量能力进行分析,并在测量能力得到满足的前提下,针对目标的多普勒频谱提出了用形状统计量(偏度量和峰度量)作为目标识别的特征。通过对18种直升机和固定翼飞机仿真数据进行检验,证明这种方法是有效的,并且适用于悬停直升机的探测与识别。     

基于旋翼微动雷达特征的空中目标识别

详细分析了直升机目标回波信号的多普勒谱的构成,针对直升机目标和固定翼飞机目标多普勒谱的差别,提取了两种微多普勒特征用于识别直升机目标和固定翼飞机目标,其中一种利用了直升机回波信号正负多普勒频谱能量的不对称性,另外一种利用了机身回波信号能量与旋翼回波信号能量的对比,使用仿真数据和试验测试录制的数据计算结果表明,该方法具有很好的识别效果。     

异常值和未知观测噪声鲁棒的卡尔曼滤波器

给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器.分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l2范数时,就构造了一个新的准则.由于Huber损失函数可同时描述l1和l2范数,因此由这个新准则推导的卡尔曼滤波器,在具有传统卡尔曼滤波器性质的同时,也有了l1范数对异常值鲁棒的特性.而当含...     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

基于观测值聚类的多雷达数据融合

根据多部雷达同一时刻对同一目标的观测值在空间呈团状的特征,运用模式识别理论中聚类的方法解决数据融合问题。采用一种改进的KNN算法对多雷达观测数据进行聚类,结合聚类中心和目标预测值,应用卡尔曼滤波器估计目标状态,从而实现多雷达数据融合。实验结果表明,这种方法是有效的。     

基于强跟踪滤波器估计的最优融合方法

在分布式雷达数据处理模式中 ,数据融合是获得较精确的目标轨迹的主要环节。为克服卡尔曼滤波器对初始值敏感、鲁棒性差和对机动目标跟踪性能差的缺陷 ,通过利用各传感器的观测数据 ,采用强跟踪滤波器对目标进行跟踪 ,以改善目标状态估计的精度。对判定源于同一目标的状态估计值 ,给出了一种估计状态线进行性组合的最优融合准则。得出了实际数据的实验结果。     

基于模糊评判的组合导航自适应信息融合方法

针对组合导航系统在载体实际运动中,存在着局部滤波器精度急剧下降和滤波发散问题,并且会给整个联合卡尔曼滤波器带来污染,提出基于模糊评判的自适应信息融合方法。给出了评价滤波器性能的滤波结果可信度定义和模糊评价方法,并在此基础上进行信息分配保持全局估计精度和控制滤波发散。理论分析与仿真结果表明,该方法比常规联合卡尔曼滤波器具有更高的精度和可靠性。     

基于新型的递归BLUE滤波器的IMM算法

雷达跟踪机动目标时，目标运动常被建模在直角坐标系内，同时目标量测可在传感器坐标系下获得。量测转换技术已被广泛使用在这类问题中，它使得卡尔曼滤波器得以应用于跟踪任务中。但上述技术忽视了卡尔曼滤波器的前提假设条件。提出一种基于新型递归BLUE滤波器的交互作用多模型算法，能近乎最优地估计出直角坐标系下的目标运动状态，同时保持传感器坐标系内所固有的量测误差。通过仿真，将它与基于传统的量测转换方法的交互作用多模型算法进行比较，表明了该算法的有效性和优越性。     

并行多参考模型卡尔曼滤波系统仿真研究

研究了卡尔曼滤波器算法的基础上,提出随机系统多参考模型卡尔曼滤波器的新方法。该方法用Ｎ个线性模型近似表示参数变化很大的非线性系统。再用卡尔曼滤波器对Ｎ个模型进行滤波,得到Ｎ个状态的估计值。然后,对这Ｎ个状态估计值进行概率加权求和,得到最优状态估计值。分别针对二阶系统和船舶模型进行了大量的仿真研究。仿真结果展示,该方法具有广阔的工程应用前景。     

基于偏移影响率的相控阵雷达事件调度方法

在相控阵雷达事件调度中,常以时间偏移率作为指标构造目标函数,但时间偏移率在非线性滤波系统中往往难以实现最优的调度性能。针对这一问题,首先,在分析时间偏移影响的基础上,提出了以偏移影响率做为评价指标,推导了卡尔曼滤波器(Kalman filter,KF)和扩展卡尔曼滤波器(extend Kalman filter,EKF)中偏移影响率的计算公式;然后,基于“偏移影响率”指标构造相控阵雷达事件调度中的目标函数,并利用改进的遗传算法进行求解,加快收敛速度;最后,采用仿真场景测试调度方法优劣。实验结果表明,在线性滤波系统中,偏移影响率与时间偏移率的调度效果相近;在非线性滤波系统中,偏移影响率的调度性能和跟踪精度明显优于时间偏移率。     

基于广义卡尔曼滤波的飞机防滑刹车变结构控制

飞机防滑刹车控制的关键是控制机轮的滑移率，为了使机轮工作在最佳滑移率，得到最大结合系数，提出了一种基于滑移率控制的防滑刹车变结构控制律。由于飞机滑跑时的真实速度很难测量，为此采用广义卡尔曼滤波器得到飞机刊车系统非线性模型的状态估计，状态估计值作为防滑刹车控制器的输入。计算机仿真结果显示该控制律改善了飞机的防滑刹车性能，具有较强的鲁棒性。     

基于无轨迹卡尔曼滤波器的感应电机转速估计

借助仿真,深入探讨了卡尔曼滤波器家族新成员—无轨迹卡尔曼滤波器(UKF)用于感应电机转速估计这一问题。分析了采样周期以及滤波器参数对UKF收敛特性的影响,从静态性能、动态响应速度、对电机参数的灵敏度、算法复杂度等各方面评价了UKF转速估计性能,并与经典的扩展卡尔曼滤波器(EKF)转速估计进行了比较。结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF。     

地炮定位雷达中的弹道外推及误差估计

本文结合我国正在研制的某型地炮侦校雷达的研究,设计了一个用于弹道外推的卡尔曼滤波器,介绍了依用卡尔曼滤波器估计出的弹丸飞行参数外推出敌方炮位的方法.首次提出了估计外推误差的方法.本文还给出了弹道外推及误差估计的计算机模拟结果.     

信息熵理论在作战任务状态需求分析中的应用

提出一种用信息需求表征任务状态需求的方法,运用信息熵理论描述了目标信息的不确定性.在此基础上,分析了火控系统中探测、识别和跟踪任务状态的信息需求,并利用卡尔曼滤波器的目标状态估计能力对目标做IMM模型机动时的信息需求进行了研究.仿真结果表明该方法能够定量的描述出作战任务状态的信息需求,且具有一定的可行性和实用性.     

基于粒子滤波器的SLAM的仿真研究

机器人同时定位与精确地图创建能力是自主移动机器人的先决条件。SLAM的很多实现方法无法解决有大量环境特征的环境。应用粒子滤波器和卡尔曼滤波器分别估计机器人位姿和环境特征的后验概率分布。这个算法的基础是把后验概率分解成路径的后验概率和环境特征的后验概率分布。为避免衰竭问题,在粒子滤波器的重采样阶段,除了用权值选取粒子,还在更新阶段直接注入从传感器数据生成的少量粒子。仿真结果显示这个算法可以用100个粒子处理5000个环境特征的优越性。     

α-β和α-β-γ目标跟踪器的一个广义参数——跟踪指数

本文给出目标跟踪问题的一种一般化的最优滤波解。先定义一个广义参数,即跟踪指数。它正比于由目标机动引起的位置不确定性与由敏感器测量引起的位置不确定性之比。把最优滤波理论用于目标跟踪问题,发现跟踪指数这个广义参数在随机调节跟踪问题的最优稳态解和跟踪初始化过程中都具有重要的作用。对于不同阶数的跟踪模型,跟踪指数解给出一组关于广义跟踪增益、最佳参数关系和跟踪性能的封闭形式的、一致的公式。应用跟踪指数参数和一种递推形式的初始化和跟踪过程,就可以用一种象熟知的α-β滤波器或α-β-γ滤波器(这取决于跟踪的阶数)那样简单的算法达到卡尔曼滤波器的精度。     

基于仿真数据迁移学习的固定翼无人机检测

数据在视觉检测任务中发挥重要作用，针对足够数量的真实固定翼无人机数据难以获取的问题，构建了一个包含大量仿真和少量真实的固定翼无人机数据集，采用权重迁移的思想，通过对仿真固定翼无人机数据的训练达到对真实固定翼无人机数据的检测。在此基础上又提出一个两阶段学习策略，利用多尺度特征融合进一步降低无人机的漏检率。仿真实验结果表明，利用仿真数据检测真实固定翼无人机在未来目标检测研究中有潜在应用前景。