基于自校正与线性跟踪的自适应控制系统

提出一种新的自适应控制方法──基于自校正与线性跟踪的自适应控制．从系统的输入／输出完全跟踪的目标出发，根据对象的动态模型，导出自适应控制器的调节模型．对象模型的参数，采用速推最小二乘法在线估计．仿真结果表明，本系统具有对象参数变化的自适应能力．这种控制系统比较适用于被控制参数变化较慢的生产过程．     

基于最优最小二乘的红外目标单站定位算法

为消除红外目标单站定位算法估计有偏性,解决现有估计算法中有可能出现多个解向量的问题,提出了一种基于最优最小二乘的目标估计算法.对总体最小二乘定位算法进行了研究,针对扩展测量矩阵出现最小奇异值多重的问题,构造了一个由多重奇异特征向量组成的测度函数,将该函数进行偏微分得到最优的最小二乘解;通过理论分析,证明了最优最小二乘解向量是渐进无偏的;最后,将该算法与总体最小二乘法和修正辅助变量法进行仿真对比.仿真实验结果表明,该方法在不同测量环境噪声下所得到的位置、速度误差曲线能快速地逼近克拉美罗下限,且具有更高的估计精度和稳定性,说明了算法的有效性.     

基于无线传感网络的航标系统节点定位研究

为了将海上交通信息的采集、处理、传输通过无线网络进行互联,实现航标的数字化、信息化、网络化,提出一种应用加权最小二乘法和卡尔曼滤波相结合的RSSI定位优化算法,实现网络节点定位.仿真结果分析表明:该算法适用于航标系统的节点定位,定位精度满足要求.     

多静止站被动单目标定位跟踪算法

把方位作为被动传感器的观测信息属于不完全观测．文中的方案是先用最小二乘法估计出目标距离,再用卡尔曼滤波进行跟踪．单一的被动传感器定位需要机动,而多个被动传感器联合工作,可以在观测站静止的情况下完成定位．通常的最小二乘是寻求到各传感器的方向线距离平方和最小的点,而文中选择另一种推导方法,由于该方法也用到最小二乘理论,亦称最小二乘法．文中将该方法与卡尔曼滤波结合进行目标跟踪仿真,结果表明该方法是有效的．     

无航向基准时数字式磁罗盘的自差校正

针对某无人驾驶飞艇中安装罗盘吊舱的工作状态,提出适合于野外作业环境无外部航向基准时数字磁罗盘的自差校正方法.通过分析自差产生的原因以及硬铁和软铁磁力对自差的不同影响,采取了粗校和精校两步走的策略.先用磁力畸变特性进行硬铁校正,再把自差当作小量,分别采用最小二乘法、递推最小二乘法和卡尔曼滤波器进行剩余硬铁磁力和软铁系数的估计.通过HMR3300数字磁罗盘的自差校正实验,表明该方法能提高罗盘在干扰磁力下的测量精度,在载体倾斜小于5°条件下,航向角测量精度由原来的6°提高到1°.     

基于正交多项式的数据拟合方法

在一般多项式曲线拟合的基础上,讨论了关于数据点集的正交多项式的定义、性质及构造方法,并将这一类正交多项式用于原始数据缺失及基函数缺项时的数据拟合问题.数值实验表明正交多项式拟合与一般多项式拟合可以得到同样的结果,而正交多项式拟合的计算更为简便.     

非定常控制系统状态滤波公式的另一证明

本文应用加权最小二乘法,得到线性非定常控制系统状态滤波公式另一证明.作为特例,同时也得到一组新的卡尔曼滤波公式.     

用程序求解最小二乘拟合多项式的系数

本文简单介绍了曲线拟合的概念,最小二乘法原理以及最小二乘拟合多项式问题,然后主要利用C语言设计求解最小二乘拟合多项式的系数程序,只要输入给定的数据点和相应拟合多项式的次数,运行该程序后就能准确地,高精度地获得最小二乘拟合多项式的系数.     

基于线性规划单纯型法的系统辨识方法

传统的最小二乘辨识算法要求误差为低噪声水平,并且算法计算量大,针对这一问题提出了线性规划单纯型辨识算法.将参数辨识问题转化成线性规划问题;并给出了基于线性规划单纯型法的参数辨识算法.最后给出了仿真结果,验证了算法的有效性.     

利用雷达滤波进行空间有源假目标识别的原理和方法

针对弹道导弹突防过程中的空间有源假目标欺骗干扰,介绍了利用雷达滤波进行假目标识别的原理和方法．在弹道目标跟踪中,滤波器通常默认目标运动服从二体运动方程．真目标的动力学模型与滤波状态方程相匹配,其滤波状态估计归一化误差较小;而有源假目标则相反．这种差异是有源假目标识别的理论基础．由于实际应用中目标的真实运动状态未知,无法直接计算归一化误差,文中采用非线性最小二乘估计,对目标的状态真值进行更精密的估计以获得名义真值．提出了近似归一化误差的概念．结合典型仿真场景,分析了近似归一化误差的分布特性,设计了识别门限．结合中程弹道进行真假目标的计算机识别实验,并对各种影响识别性能的因素做了分析．实验结果验证了所提识别方法的有效性和可行性。     

改进的几何活动轮廓演化及其在目标跟踪中的应用

为提高几何活动轮廓分割算法的分割效率和准确性,设计了新的边缘检测与跟踪算法.首先采用矢量图像计算图像的梯度值,并设计能够自适应调整阈值的边缘指示函数,进而提出改进的变分水平集演化模型;然后设计基于该改进模型的边缘检测算法,并在无迹卡尔曼滤波器框架下设计了运动目标的跟踪算法.实验结果表明,文中算法不但显著地提高了轮廓演化模型的灵活性和收敛速度,而且对阴影、遮挡、目标形变和背景干扰等具有较好的鲁棒性.     

带位置和速度观测的信息融合Kalman跟踪滤波器

应用基于ARMA模型的现代时间序列分析方法,和应用基于Riccati方程的经典Kalman滤波方法,对带位置和速度观测的两传感器系统,在线性最小方差信息融合准则下,分别提出了按矩阵加权、对角阵加权和标量加权的三种信息融合Kalman跟踪滤波器,其中,按标量加权可明显减少计算负担,便于实时应用。一个仿真例子说明了两种方法引出相同的结果,但构造ARMA新息模型时必须进行左素分解,且说明了三种加权融合滤波器的精度无显著差异。     

仅有角度信息的红外多传感器异步目标跟踪

跟踪机动目标,红外单站有不少缺陷,多站可以提供比单站多的信息。然而,多站存在同步的问题。通过对状态更新过程的分析,发现跟踪可以异步实现。多站采用异步的处理方式极大的灵活了数据的处理,而且可以通过多站组网扩大跟踪范围。为解决系统方程的非线性,采用伪线性观测方程。仿真结果表明本方法可以实现对空中目标的稳定跟踪,且观测站增加可以提高精度。     

基于FM广播的无源雷达自适应回波重建系统研究

介绍了采用调频广播作为外辐射源的无源雷达,因FM广播载频高和带宽窄,采用窄带采样定理可以保证在信号无失真采样的前提下大大降低采样频率,为实时信号处理提供方便。另外,目标回波会受到较强的直达波干扰影响,由于多普勒频移相对较小,目标回波与直达波干扰频谱混叠严重,使用经典滤波器进行直达波干扰抑制十分困难。因此,设计了基于最小均方的自适应回波重建系统,仿真表明,直达波干扰抑制效果明显,目标回波得到较好重建,自适应回波重建系统工作性能良好。     

多基地雷达系统中基于距离差测量的目标跟踪分析

分析了用多站雷达系统跟踪近程目标的方法。将速度矢量引入到目标运动模型,从而能更好地描述机动目标。系统量测方程建立在距离差测量的基础上,使跟踪过程与发射机位置无关,因而十分适用于发射机机动的系统布局。仿真结果表明该方法是有效的,具有跟踪速度快、稳态误差小的特点,适用于多瞳雷达系统跟踪近程目标。     

主动前轮转向变传动比曲线分析与设计

传统主动前轮转向系统理想变传动比曲线非光滑,会导致电机转矩波动等问题.本文基于车辆模型,通过对比分析5种拟合变传动比曲线的性质,设计光滑的拟合变传动比曲线.分析表明,改进型S函数变传动比曲线与理想变传动比曲线非常接近,并且其使电机角加速度突变最小,从而能使电机转矩的突变最小,具有最优综合性能.在MATLAB/Simulink中仿真结果验证了改进型S函数变传动比曲线的优良性能.     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法.在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标.当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标.其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38.6%.另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测.实验证明,本算法适应环境变化的能力强,而且平均每秒处理37.6帧,达到实时处理要求.     

非均匀分布量测下的扩展目标跟踪方法

针对雷达方位角变化导致散射源统计特性改变的问题,提出了一种非均匀分布量测下的扩展目标跟踪方法.算法通过轮廓质心法和接受-拒绝采样法产生伪量测,并构建了分层无迹卡尔曼滤波器(hierarchical unscented kalman filter,HUKF)来估计运动状态和形状参数.实验结果表明,相比于传统的无迹卡尔曼滤...     

基于到达角度和时间差测量的无源跟踪算法研究

分析了修正增益扩展卡尔曼滤波(MGEKF)原理及其在非线性方程中的应用,提出了一种测量目标辐射源脉冲到达时间差和到达方向实现固定单站对运动辐射源进行无源定位的算法.通过计算机仿真,验证了该方法的正确性与有效性.     

Passive Target Tracking Based on Current Statistical Model

Bearing-only passive tracking is regarded as a nonlinear hard tracking problem. There are still no completely good solutions to this problem until now. Based on current statistical model, the novel solution to this problem utilizing particle filter （PF） and the unscented Kalman filter （UKF） is proposed. The new solution adopts data fusion from two observers to increase the observability of passive tracking. It applies the residual resampling step to reduce the degeneracy of PF and it introduces the Markov Chain Monte Carlo methods （MCMC） to reduce the effect of the “sample impoverish”. Based on current statistical model, the EKF, the UKF and particle filter with various proposal distributions are compared in the passive tracking experiments with two observers. The simulation results demonstrate the good performance of the proposed new filtering methods with the novel techniques.