几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。     

高斯背景下距离扩展目标的恒虚警率检测

对宽带高分辨率雷达(HRR)中的距离扩展目标进行检测,若还采用分辨雷达的检测方案,目标回波的全部能量得不到充分利用,会影响雷达的检测性能。提出了一类基于二进制积累的距离扩展目标检测算法,推导出了它们的平均虚警概率和平均检测概率的数学解析式,并进行了性能分析和比较。这些方法较常规低分辨雷达方法可获得目标信噪比8个多分贝的性能改善,且这些次优积累的高分辨雷达距离扩展目标检测方法具有易于工程实现的优点。     

海杂波频谱的多重分形特性分析

本文主要研究海杂波频谱的多重分形特性并分析其影响因素．首先介绍了将多重分形理论引入到海杂波频谱分析中的理论基础,然后,采用X波段与S波段相参雷达实测数据验证海杂波频谱的多重分形特性,并采用多重分形去趋势起伏分析（MF-DFA）法对海杂波频谱进行多重分形特性分析、分析结果表明海杂波频谱是一种受长程相关性和概率分布共同影响的多重分形序列,并且频域多重分形参数广义Hurst指数对海杂波单元与目标单元具有一定的区分能力．此外．通过分析广义Hurst指数的影响因素还发现FFT时所采用的时间序列长度对广义Hurst指数影响相对较大,而FFT点数对其影响相对较小．     

基于二维积累的雷达分布式目标检测新方法

利用单元积累的思想,先在各个方位上提取目标散射中心后,对分布式目标进行一维化处理,然后对各个方位的目标散射中心能量进行非相干积累,得到了高斯背景中高分辨率雷达分布式目标的检验统计量。仿真结果表明,该方法较距离扩展目标检测方法的检测性能有明显改善,且其检测性能随着角分辨率的提高而进一步改善。此方法可用于信号级检测SARI、SAR等分布式目标。     

基于参数数据库的CGF实体框架结构研究

框架是软件系统重要的设计元素之一。提出一种基于实体参数数据库的计算机生成兵力实体框架结构，抽取其结构层作为可复用的元素，形成类库模版：将其构件及构件连接关系以参数配置的形式进行描述，形成参数数据库。提出了行为仿真框架SACC，SACC由传感器、动作执行器、控制器、组件连接关系构成，分别用于描述实体的外在行为模型、内在行为模型以及模型间的交互。     

协方差矩阵结构的广义近似最大似然估计

针对相关复合高斯杂波背景下相邻杂波纹理分量可能相同的情况,将杂波均匀分组进行推广,结合归一化采样协方差矩阵估计,提出了广义杂波分组的归一化采样协方差矩阵估计方法(generalized normalized sample covariance matrix, GNSCM). 利用最大似然估计方法,进一步推导了广义杂波分组背景下协方差矩阵结构最大似然估计的迭代过程,以GNSCM 为初始化矩阵进行迭代,得到协方差矩阵结构的广义近似最大似然(generalized approximate maximum likelihood, GAML) 估计. GAML 是对现有方法近似最大似然(approximate maximum likelihood, AML) 估计和约束迭代杂波分组估计(constrained recursive clutter-clustered estimator, CRCCE) 的推广,具有更强的杂波适应能力. 仿真结果表明,针对非均匀分组杂波环境,与AML 估计和CRCCE 相比,GAML 具有更高的估计精度,且相应的自适应检测器具有更好的恒虚警率特性和检测性能.     

辅助数据缺失环境下结构化自适应目标检测器

杂波背景非均匀导致经典自适应检测方法性能下降,为改善辅助数据缺失环境下的目标检测性能,研究了雷达目标结构化自适应检测方法。利用杂波协方差矩阵斜对称特征,设计了结构化广义似然比检验自适应检测器,提高了杂波谱结构化信息和待检测单元杂波信息的利用率;进一步推导了检测器的实数域表达式。仿真分析表明,所提检测器具有恒虚警率特性,其检测性能对不同杂波相关性具有很好的鲁棒性。在辅助数据缺失环境下,所提检测器性能优于现有典型非结构化和结构化检测器,且这种优势随着辅助数据缺失程度的增大而加大。     

纯方位二维运动目标的不可观测性问题研究

纯方位系统是可观测的 ,是指系统在纯方位观察条件下 ,能唯一地求解出目标的运动参数。针对二维空间作匀加速运动的目标 ,对纯方位系统跟踪的不可观测性问题进行了讨论。证明了在观测器保持匀速直线运动时 ,纯方位系统定位与跟踪不可求解这一命题。对于利用被动传感器得到的纯方位量测进行目标运动状态的估计 ,在理论和实践中都有一定的指导意义     

集中式多传感器模糊联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了集中式多传感器模糊联合概率数据互联算法。该算法应用模糊数学的方法计算测量点迹与航迹测量预测之间的模糊综合相似度,运用阈值判别及经验概率法则给出模糊联合互联概率的计算方法,提出了集中式多传感器模糊联合概率数据互联算法的状态估计模型。对该算法与已有集中式多传感器联合概率数据互联算法进行仿真比较,仿真结果显示该算法的跟踪精度较后者提高了43.7%,同时有效地降低了周期耗时,综合性能更优越。     

Neural Blind Beamformer for Cyclostationary Signals

1 .INTRODUCTIONBeamforming[1]is another name for spatial filteringwhere an array of sensors together with appropriatesignal processing can either direct or block the radia-tion or the reception of signalsin specified directions .Conventional beamforming approaches require a refer-ence signal or accurate knowledge of the array re-sponse vector corresponding to the desired signal .Ifthe array response vector is not known precisely,theperformance of conventional beamforming techniquescan be s…