基于VoronoiCells插值的三维海底地形图生成方法

水下地形匹配技术是近年来导航技术领域研究的新方向,三维海底数字地形图的制作是海底地形匹配技术的基础。提出一种利用电子海图已有的水深数据生成三维数字高程模型(DigitalElevationModel,DEM)的方法:首先提取电子海图的水深数据,接着通过基于Voronoi多边形的插值算法计算DEM网格节点的高程值,生成规则的DEM网格,最后对生成DEM的三维显示进行了仿真,仿真结果证明该方法是可行的,为海底地形匹配技术的研究提供了前提。     

基于直升机声纳探测的潜艇被发现概率仿真

以往基于反潜直升机声纳探测的潜艇被发现概率计算过于简单,而实际上潜艇被发现概率还与包括潜艇自身辐射噪声强度、海洋环境,海面风力、其它船只在内的等多项因素有关.对传统已有的基于反潜直升机声纳探测的潜艇被发现概率算法,用较完善的水声探测模型进行了修正,将潜艇宽带噪声和窄带噪声分开考虑,分别给出了两种不同噪声下被发现概率算法.通过仿真着重研究了潜艇辐射噪声级、辐射噪声频率和海面风力的影响,可为潜艇作战研究提供参考.     

自适应联邦H∞滤波在水下组合导航系统中的应用

为了提高自主水下航行器组合导航系统精度,选择了捷联式惯性导航系统、多普勒速度声纳、电子磁罗经和海底地形匹配作为水下航行器组合导航系统导航传感器,建立了水下航行器组合导航系统的状态模型和导航传感器观测模型,提出了一种基于RBF神经网络进行联邦滤波信息分配的自适应联邦滤波信息融合方法并进行了计算机软件仿真试验,仿真实验结果表明:采用RBF神经网络进行信息分配系数的自适应调整的改进自适应联邦滤波器的水下航行器组合导航系统的导航姿态、速度和位置精度得到了提高,满足高精度水下组合导航的要求.新型信息融合方法克服了传统滤波容易发散的缺点,有效地提高了水下航行器组合导航系统的容错性能和导航精度.     

推广的多传感器数据融合算法

本文对工程实际中多传感器系统线性化后存在未知的系统误差，测量噪声具有指数衰减相关，且与状态噪声相关的问题，提出了推广的多传感器数据的分层融合算法和多传感器自适应数据融合算法，给出了计算流程图，可以对目标的状态进行实时估计，这两种算法对防空导弹体系制导雷达组网数据融合具有理论意义与实用价值。     

网络瞄准环境下最优分布式航迹融合算法

利用地域分散的多传感器系统跟踪目标是网络瞄准的主要作战方式。首先结合网络瞄准的作战特点,建立了两种典型的分布式航迹融合结构;然后对网络瞄准环境下传感器量测噪声相关问题展开研究,分别给出了传感器量测噪声相关与不相关情形下的最优分布式航迹融合方法。理论分析和仿真计算表明,这些方法等价于集中式融合算法,可以显著减小由于噪声相关造成的融合性能下降,从而在一定程度上提高了瞄准过程中目标的定位精度。     

基于改进Actor-Critic算法的多传感器交叉提示技术

针对在减少战场资源浪费、平衡战场效费比的同时提高目标探测概率，保证目标的可持续跟踪，提出利用改进Actor-Critic算法的多传感器交叉提示技术进行目标探测。首先，综合传感器探测、能耗、时效等因素搭建基于“交叉提示”传感器的动态管理评估模型；其次，重点分析利用Actor-Critic交叉提示算法的传感器管理决策规则，并且提出了Actor-Critic算法，以根据任务自身需求组建中央评价网络，加大传感器与外部环境的交互。仿真结果表明，改进的算法可以加速网络收益，实现对目标的持续性探测，加强传感器之间的交叉提示功能，提升调度的智能化水平，具有较大的应用价值。     

集中式多传感器无极联合概率数据互联算法

针对杂波环境下非线性系统中的多传感器多目标跟踪问题,提出了一种集中式多传感器无极联合概率数据互联算法。该算法中,首先采用无极卡尔曼滤波器实现非线性系统中状态分布的传递,在此基础上应用联合概率数据的思想将单个传感器的量测点迹与航迹互联,最后推广至顺序结构。由于无极卡尔曼滤波器可以获得比扩展卡尔曼滤波算法更高精度的近似,因此能减少非线性模型线性化引起的近似误差对联合概率数据互联概率及状态估计的影响,与基于扩展卡尔曼滤波器思想的顺序多传感器联合概率数据互联算法相比,该算法具有更高的跟踪精度和稳定性,最后通过仿真结果验证了该算法的优越性。     

修正并行式多传感器不敏多假设跟踪算法

为了有效解决非线性系统中的多传感器多目标跟踪问题,提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权,克服了并行式多传感器算法的误差积累现象,得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决,并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明,从跟踪精度及稳定性方面看,所提出的算法性能要优于MSJPDA/EKF算法。     

多传感器多目标跟踪的JPDA算法

传统的联合概率数据关联算法(JPDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪。针对这一问题,文中提出了一种适用于多传感器多目标跟踪的JPDA算法,它以极大似然估计完成对来自多传感器的测量集合进行同源最优分划,然后采用JPDA方法对多目标进行跟踪。经过理论分析和仿真试验,证明了该方法能有效地进行多传感器多目标的跟踪,且具有算法简单、跟踪精度高、附加的计算量小等优点。     

双波段红外传感器目标跟踪集中式航迹起始方法

航迹起始做为多目标跟踪技术中的关键问题，得到了广泛的重视和研究。雷达跟踪系统的航迹起始技术已经非常成熟、完善了。然而对于双波段红外传感器跟踪系统，由于各个波段的红外传感器对特定的目标表现出不同的检测特性。在研究雷达跟踪系统时采用的目标探测概率趋近1的假设是不成立的。所以，将分布式航迹起始，然后进行航迹互联的方法原封不动的应用到双红外系统中是否可行需要进一步讨论。提出了一种适合于双波段红外传感器的集中式航迹起始方法，理论推导和仿真试验都表明与分布式航迹起始方法相比，在稀疏噪声、传感器探测概率不高的情况下，这种集中式航迹起始方法具有更好的性能。     

水下传感网络的低复杂度APIT算法及OPNET仿真实现

由于水声传感网络具有能量的局限性,所以低复杂度的定位算法更适用于水声传感网络。传统的APIT算法能够以较少的控制开销获得较好的定位精度,有利于水下传感网络定位的实现,但其复杂度高,冗余误差较大。以点扫描的方式取代传统网格扫描法,提出一种低复杂度的APIT算法,并在OPNET平台上搭建水声传感网络环境,阐述该算法在水下传感网络节点定位的实现过程。仿真结果表明,待定位节点与锚节点密度的增加有助于改善算法的性能,且在同等条件下本文算法比传统APIT算法定位精度更高。     

一种余弦调频信号增强新算法研究

为了克服常规LMS算法抑制高斯噪声效果差、跟踪能力弱、且步长为零时无跟踪能力等缺点，利用高阶量抑制高斯噪声的性能，并将泄漏LMS算法和变步长LMS算法的优点统一在高阶累积量递推估计算法中，提出了基于高阶累积量泄漏－变步长类LMS算法迭代的余弦调频信号自适应增强新算法，对其原理进行了剖析。用实测运动目标辐射噪声数据，进行了动态仿真。结果表明：该算法能有效地克服基于LMS算法的自适应谱线增强器的不足，具有良好的抑制高斯有色噪声能力和跟踪性能。因此，本研究为水下运动目标识别与检测提供了新的技术途径。在工程实践中，具有重要的指导意义和应用价值。     

瑞利噪声环境中水下目标辐射信号增强算法

提出了基于高阶累积量广义函数迭代的自适应滤波算法，证明了该算法的收敛性，给出了广义函数的几种具体表示式。用该算法对瑞利噪声环境中水下目标辐射信号谱增强进行了仿真研究。结果表明：该算法具有很强的抑制瑞利(白或色)噪声的能力。因此，该算法在提高水下探测系统对水下目标的检测能力方面有重要的应用价值。     

水声网络中喷泉码的应用研究现状与发展前景

水声传感器网络能够在一定范围内实现信息的传输和处理,是实现海洋数据收集、污染监测、军事侦察等水下应用的重要途径。然而水声信道固有的时空频变参数以及窄带、高噪、长时延等特征,使得构建鲁棒性水声网络面临巨大挑战。基于数字喷泉码的数据传输模式不需要有序的数据序列,从而简化了网络中数据传输方式,使得喷泉码成为一类适用于水声网络可靠通信的有效编码技术。综述了数字喷泉码的算法原理及研究现状,探讨了数字喷泉码在水声网络中的研究应用,最后对喷泉码在水声网络中的研究方向及发展前景进行展望。     

基于小波变换的子带自适应滤波算法及仿真

因为噪声总是影响信号检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。自适应滤波器为检测信号提供了一种简单、实用的方法。可以在微弱信号的条件下,通过测量和学习,实现对微弱信号的最佳拟合。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,合成后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于递归标记的红外图像变分辨率相关匹配算法

提出了一种新的红外图像分析算法。该算法根据图像预处理分割后的二值图像,对目标图像进行递归标记,避免了基于点的连通体检测中“1”像素点可能被重复扫描的现象,实现了只考虑提取目标特征,不用得到最终的标记图像本身的要求。获取对应红外图像的二进制编号后,根据目标形心特征进行变分辨率相关匹配,实验结果表明对理想及带噪声的输入均有较好识别率。该算法在提高了目标单帧检测概率同时,尽可能地降低了相关匹配的运算量。     

基于奇异谱分解的水声信号降噪方法研究

通过对水声信号进行相空间重构,并对重构后的轨迹矩阵进行奇异值分解,得到表征信号能量和噪声强度的奇异谱。对奇异谱进行分析,得到反映噪声强度的噪声平台。对于那些大于噪声平台的特征值,它们具有较大的方差,对应较大的信噪比。利用具有较大方差特征值对应的特征矢量重构状态空间,也就等效于得到了具有较大信噪比改善的重构。通过对3类多个样本的实际水声信号采用奇异值分解进行降噪处理,得到了较为满意的降噪效果,降噪后的信号波形基本上消除了噪声干扰,为水声信号的进一步处理奠定了基础。     

基于FFT的海底地形二维匹配技术

海底地图匹配技术是水下地形辅助导航的核心技术之一,它主要用来提高水下载体(AUV3的定位精度,提出了基于付立叶变换的海底地形二维匹配算法(FFT算法),通过FFT变换将频域中幅值引入匹配,设计了位置匹配圆板进行实时图位置匹配与方向搜索模板进行方向搜索.应用实际海图原始数据进行仿真,结果表明,该算法能够同时匹配出位置信息和方向信息,具有较高的匹配精度和抗差特性.     

基于时延的水中目标纯方位跟踪算法

针对水听器与艇载噪音声纳构成的系统,提出了一种新的水下被动目标运动分析方法。利用测得的方位序列和到达不同传感器的时延差,建立了状态方程和观测方程。运用扩展卡尔曼滤波算法,研究了该系统的目标运动分析问题。蒙特.卡洛模拟仿真试验结果表明,该方法具有较高的定位性能。该系统构成简单,有良好的应用前景。     

基于串联动量滤波器的自适应谱线增强器

针对水下环境噪声的非高斯性特点,利用最小均方算法、动量最小均方算法、变步长算法和极性算法的性能,将基于短时相关的自适应谱线增强器修改为基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE),提出了四阶累积量变步长极性动量滤波算法,将基于该算法的自适应谱线增强器(FVSMBALE)、基于动量最小均方算法的自适应谱线增强器(MLMSBALE)及基于短时相关动量滤波算法的自适应谱线增强器(SCMBALE)依次串联起来,构造出基于串联动量滤波器的自适应谱线增强器(SMFBALE)。通过理论分析与仿真实验对该增强器的性能进行了研究。结果表明:该增强器在抑制非高斯噪声、增强线谱信号、跟踪时变信号等方面的性能优于单个的FVSMBALE、MLMSBALE和SCMBALE。