机动目标空间合群仿真

为了解决空间合群和战场中的事件检测问题，提出了一种新的机动目标的空间群生成算法．该算法通过一级融合获得的信息来定义特征相似度，即归属相似度、位置相似度和速度相似度，并将这些相似度再次融合以求得合群结果．由于测量空间的不确定性被映射到了模糊相似度空间，因此通过模糊匹配机制可解决测量空间的不确定性问题．仿真结果表明，所提算法能实时完成多个级别的空间合群融合，其计算复杂度也比较低，而且在空间合群的态势评估中获得了比较好的结果．     

机动目标跟踪中的序贯滤波

多个测量站（多雷达或多传感器）工作时，在时间上是不同步的．在融合之前必须将这些观测数据进行同步．在某雷达单独观测时，采用通常的卡尔曼滤波方法；在多雷达重叠观测区，采用序贯滤波方法，不管是哪个传感器观测，按时间顺序，先到的量测点先进行滤波，这样就省去了时间同步这一步处理，又增强了航迹的连续性．计算机仿真证明了该方法的有效性．     

基于D-S证据理论的多源遥感图像目标数据联合关联算法

以遥感图像目标识别结果为主,结合卡尔曼滤波器获得的目标运动状态估计结果,提出一种基于D-S证据理论的目标数据联合关联算法.蒙特卡罗模拟实验结果表明,该方法稳定性较强,适合于对海上船舶等遥感图像目标的持续跟踪.     

基于Monte Carlo法的雷达回波模拟和检测概率计算

给出了雷达检测概率测试系统,并提出了一种基于MonteCarlo法的数学算法以评估该系统在实际应用时所得的测试结果,它主要包括回波模拟和检测概率计算两个部分。前者主要研究如何利用MonteCarlo法模拟SwerlingI型、SwerlingII型以及SwerlingI和II型混合起伏目标回波信号。后者主要介绍雷达检测概率的计算方法,并给出了仿真结果。     

品种中心灰靶布局理论在作物布局上的应用

利用品种中心灰靶布局理论的原理和方法对1999—2000年青海省蚕豆区域试验结果进行了分析。结果表明：该方法由于统筹考虑了多个性状，故可得出一个综合性的较高的结论，克服了方差分析、回归分析等芬析方法在作物布局分析上的缺点。表5，参4。     

基于动态角色的多移动目标围捕问题算法研究

基于动态角色配置的思想，提出机器人动态构建团队，合作完成多移动目标围捕任务的算法，每个移动机器人执行一个角色，角色随着环境的动态变化而不断进行更改、交换，实现团队的动态构建，不仅能适应环境中的未知事件，而且能最大地发挥个体机器人在整个团队中的作用。在简单仿真环境中进行的模拟实验表明，多机器人能够有效地合作捕获多智能移动目标，文中提出的解决方案是行之有效的。     

单站纯方位目标多模型卡尔曼滤波跟踪算法的研究

EKF滤波算法是进行目标被动定位与跟踪的重要方法之一，为了克服EKF初始化困难和减小线性化误差，对传感器的最大探测距离与最小距离所构成的距离区间实施分区划分，划分成若干个目标可能存在的小区段。钟对每一个小区段，使用扩展卡尔曼滤波，完成滤波协方羔的旋转变换，实现单站纯方位目标状态的估计和跟踪。经过大量仿真计算表明，该算法对滤波初值的设置有较大的选择范围，具有很好的稳定性，精度较高，实施水下目标被动跟踪具有重要意义。     

分布式星载SAR回波仿真的并行化计算研究

对分布式星载SAR系统地面回波仿真程序并行化算法进行了研究。重点介绍了分布式小卫星SAR系统多星协同工作的仿真策略、各并行节点任务的分配策略和并行节点问大量数据传输的策略。实验证明此并行化算法具有较高的加速性能，具有实际的应用前景。     

基于时域滤波的点目标检测算法

当红外预警系统对低空飞行的运动目标进行检测时,由于云杂波的存在,系统的检测性能会受到严重影响。分析了云层背景下目标和云层在探测器上的时间响应特性,建立了四种类型的像素点时域模型。并以这四种时域模型为基础,提出了云层背景下点目标的时域检测算法。理论分析和实验结果表明,新算法能有效检测出各种云层背景下的点目标。     

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。