低信噪比下运动目标的被动定位和参数估计

本语文使用两阶段的ＳＴＩ（空－时积分）定位算法实施机动目标的被动定位，第一阶段使用模拟退火算法，得到目标轨迹的初始估计；第二阶段将模拟退火算法获得的初始估计作为输入，使用修正的牛顿算法，得到目标轨迹的最后估计。计算机模拟表明，即使在低信噪比情况下，上述技术也能获得很好的目标定位效果。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足，提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计，动态补偿线性化带来的误差。算法的对比仿真分析结果表明，AEKF较之EKF滤波效果有所改善，增强了稳定性，提高了精度，为ST纯方位被动目标跟踪的实现提供一种新的方法。     

Robust统计在主动声纳分裂波束目标方位走向估计中的应用

主动声纳通常采用分裂波束双通道互谱法进行目标方位估计，但信号处理过程中目标回波脉冲长度往往和信号处理帧周期长度不匹配，或者在整个信号处理帧周期的信噪比不一致，造成瞬时方位估计目标走向算法具有较大的误差，不利于目标参量估计与分类。采用Robust统计对瞬时方位估计数据进行处理，能够有效降低目标方位走向估计的误差。本文通过对Huber估计进行了分析并提出了改进Huber估计，给出了其工程实现算法，实验验证该Robust统计在降低目标方位走向估计误差上具有稳健收敛的性能。     

基于声强矢量的舰船目标运动参数估计

基于声强矢量测量法提出了舰船目标运动参数的估计方法，并提出了快速算法，计算机仿真实验表明，以上算法是可行的，可以实时估计出舰船的速度和距离。     

用于纯方位目标跟踪的修正极坐标自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散而导致滤波精度很差的问题，提出了一种修正极坐标系下的自适应卡尔曼滤波算法，对虚拟系统噪声进行估计，动态补偿模型线性化误差，对其滤波理论及算法进行了研究和仿真．仿真结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法．     

相干分布源的方位估计

在水下声纳工作的环境中,若目标体沿中心角方向的扩展角度不能忽略,则基于点源假设的众多高分辨方位估计算法会导致错误的估计结果,而基于分布式目标模型的方位估计算法则可以适应这种目标环境。目前,随着空间分布源受到越来越多的关注,有人相继提出了一些算法例如DSPE和ESPRIT等等,但是这些算法需要很高的输入信噪比和要求不同目标源之间不相干,为了解决相干源的方位估计问题以及提高算法低信噪比下的估计性能,给出一种处理方法。仿真实验证明,该方法能够在低信噪比下提高算法的估计性能及有效的区分相干源。     

基于盲分离技术的双目标辨识与定位方法研究

研究了利用盲分离技术对水下目标辐射噪声信号进行辨识和定位，指出了在水声信号盲分离过程中。自然梯度算法具有不稳定收敛的不足，通过构建新的非线性函数和学习因子等。提出了自然梯度算法的改进方法，经实船信号的盲分离实验表明．该算法在稳定性方面有改进。在对目标信号盲分离的同时。估计了目标信号到达基阵的时延，完成了双目标的辨识与定位。     

直角坐标系下的水下被动目标跟踪自适应卡尔曼滤波算法

针对纯方位被动目标跟踪中，直角坐标系下的扩展卡尔曼滤波器容易发散，导致滤波精度很差的情况，文章中提出了一种直角坐标系下自适应卡尔曼滤波算法，对虚拟噪声进行了估计，动态补偿观测模型的线性化误差，削减系统的观测误差，并对其滤波理论及其算法进行了研究和仿真，结果表明，该算法提高了滤波的稳定性、快速性和精确性，优于一般的扩展卡尔曼滤波算法。     

雷达多目标跟踪算法

文章简述了雷达多目标跟踪系统中状态估计和航迹数据关联两大问题的研究现状并对主流算法进行分析对比。状态估计问题主要分析了线性滤波及非线性滤波的主流算法。数据关联问题主要分贝叶斯类和最大似然概率类进了行讨论分析。     

超声速运动目标被动声定位算法的后置处理

超声速运动目标在空气中习行时产生激波,前文＾「１」利用激波到达时间提出一种基于波前方向矢量的定位算法,本文着重分析该定位算法的理论估计精度。提出一种基于数据融合的后置处理算法,以提高估计精度。