基于模糊逻辑的交互式多模型网络化弹药多节点目标跟踪算法

针对地面网络化弹药系统多节点目标跟踪问题,提出了基于模糊逻辑的交互式多模型(FL-IMM)多节点目标跟踪算法。在多模型交互输出阶段,利用测量误差协方差矩阵的理论值与估计值之间的差值自适应调整测量误差方差;在多节点融合阶段,建立模糊融合系统(FFS)将来自不同节点的目标状态估计数据融合,进而得到网络目标状态估计。通过一个具有3个主探测节点的网络验证了该算法的可行性。实验结果表明,该算法在传感器失效、系统测量误差未知等情况下仍能很好地跟踪机动目标;该算法在地面网络化弹药多节点目标跟踪方面具有较大的实用性。     

一种改进的机动目标跟踪算法

针对“当前”统计模型算法中加速度极限值预先设定对算法造成的不利影响，提出了一种改进的机动目标跟踪算法，即位置偏差估计自适应算法．该算法利用位置预测估计与位置估计之间的偏差对噪声方差进行自适应调整，从而避免了加速度极限值的预先设定问题，提高了机动目标的跟踪性能．仿真结果也表明了该算法的良好跟踪性能．     

无线自组织网络协作时间同步优化算法

针对无线自组织协作网络时间同步算法同步误差大及能量消耗高的问题,在分析网络时间同步模型基础上,提出无线自组织网络协作时间同步优化算法。该算法利用指数延迟模型,通过构建时间同步似然函数,对成对节点的时钟偏移及时钟漂移进行联合估计;对网络进行三角剖分,通过染色确定参考节点,然后参考节点选取主节点,利用拓扑结构的自适应变化实现全网节点时钟同步;通过时钟联合估计及自适应拓扑建立协作时间同步优化算法,其整体执行保证节点通信链路时间同步。仿真结果表明,在所提三角剖分拓扑结构控制下,与传统分簇拓扑相比,协作时间同步优化算法在平均同步误差、同步算法能量消耗方面得到了性能提升。     

基于信号强度的井下无线传感器网络蒙特卡罗移动节点定位算法

针对改进的井下蒙特卡罗算法定位误差大的问题,提出一种基于信号强度的井下无线传感器网络蒙特卡罗移动节点定位算法.利用信号强度的变化来判断节点的运动方向,根据前一时刻的节点位置以及运动速度矢量来构建采样区域,采用一跳信标节点对样本进行过滤.仿真结果表明:该改进算法的定位精度得到了明显提高,适合于井下定位.     

基于改进自适应IMM算法的机动目标跟踪

文中提出了一种改进的跟踪机动目标的自适应IMM（AIMM）算法,采用协同转弯运动模型作为目标的机动模型,通过估计目标的角速度,并在估计参数值的周围选择数量一定的模型组成模型集来覆盖目标所有可能的运动模式,采用交互模型算法进行状态估计;应用变结构思想,将模型之间的切换理解为随机有向图,并综合利用前一时刻模型的后验概率和当前时刻模型的预测概率,计算模型之间的转移概率,从而能够根据目标（转弯）机动的情况,自适应地建立IMM算法的可变模型集。仿真结果表明,改进的AIMM算法的跟踪精度有了较大的改善,算法也更加平稳。     

基于ZigBee的室内手持定位系统的设计

针对大规模复杂室内空间的实时位置服务这一室内定位难题,提出了一种基于ZigBee无线传感器网络的室内手持定位系统的设计方案;该方案采用TI公司的CC2430、CC2431搭建无线定位网络,根据CC2430接收信号强度指示（RSSI）和通信距离的映射关系实现定位功能;在此基础上,结合地理信息系统（GIS）,基于VS2005平台开发Win-dowsMobile环境下的人机交互界面;用户可从手持终端的人机交互界面上实时、直观地获得其自身和目标节点当前所在的位置信息;该系统定位精度可达1．2m,可用于复杂的室内环境,如机场、地下停车场、展览大厅和大型商场等,具有成本低、功耗小、定位精度较高的特点。     

目标跟踪中两种非线性滤波算法的对比研究

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度.由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度.为了获得更高的估计精度,介绍了两种新的非线性滤波算法,即unscented卡尔曼滤波算法和粒子滤波算法.分析了UKF和PF算法的原理和算法实现,对两种算法的适应性进行了比较.通过目标跟踪仿真实验,表明粒子滤波算法估计精度比UKF算法高,但是计算量却相对较大.     

一种基于跟踪微分器的机动目标跟踪算法

提出了一种基于跟踪微分器（TD）的目标跟踪算法，该算法由跟踪微分器和序贯相似性匹配算法（SSDA）组成。假设目标在视频图像序列第一帧中的位置已知，使用跟踪微分器，可以预测出目标在下一帧图像中的位置，然后再使用SSDA算法，在预测位置的邻域内进行搜索，从而获得目标的准确位置。仿真实验证明基于跟踪微分器的模板匹配算法减少了搜索位置，提高了算法的效率，同时也克服了传统的卡尔曼滤波需要目标运动模型已知的缺点。     

闪烁噪声环境下目标跟踪的UPF算法研究

介绍了一种改进的粒子滤波（PF）算法——无味粒子滤波算法（UPF）。该算法结合UKF（unscented Kalman filter）和PF算法，利用UKF对非线性系统的处理能力，用UKF得到粒子滤波的重要性采样密度函数，从而克服了PF没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。在给出的闪烁噪声统计模型基础上．将UPF、PF算法在雷达目标跟踪中进行了比较，仿真结果表明该方法可以取得比标准的粒子滤波更快的滤波收敛性和更高的滤波精度。     

基于改进截断正态概率模型的机动目标跟踪算法

机动目标模型是水下目标跟踪的关键,在分析截断正态概率密度模型的基础上,利用前2个时刻的观测值与状态估计偏差,对该模型机动加速度与其方差的自适应关系重新进行修正,给出了一种基于改进截断正态概率密度模型的机动目标跟踪算法.该算法避免了加速度极限值的预先设定问题,从而提高了对机动目标状态估计的精度.仿真结果表明,该算法在跟踪水下机动目标时具有良好的跟踪性能.     

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

在无线传感网络(WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪,其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题,提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置,在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息,并引入尺度调节衰减因子不断修正重要性密度函数,从而使建议分布更加逼近真实。将其与时延差定位方法结合,并在WSN环境下进行仿真实验。结果显示,改进的算法在整体粒子数有限的情况下追踪精度更高,收敛性较好,尤其适合环境噪声非高斯的复杂WSN目标追踪应用。     

基于动态规划和双变量容积卡尔曼滤波的空基外辐射源定位算法

针对空基外辐射源定位系统在杂波环境下的目标状态估计问题,提出一种基于动态规划和双变量容积卡尔曼滤波的空基外辐射源定位算法。基于误差传播理论,确定出目标的状态转移范围;选取回波信号幅度值作为动态规划的值函数进行递推积累;根据杂波的统计特性和极值理论解算出动态规划的目标量测提取阈值,逆向提取来自目标的量测序列;利用双变量容积卡尔曼滤波算法同时对目标和外辐射源进行状态估计。仿真结果表明：该算法不仅可以从杂波中有效地提取出目标量测序列,还能降低外辐射源状态不确定性对目标状态估计造成的影响,减少系统的计算量,具有良好的状态估计效果。     

阵列式射频目标仿真系统中的目标控制方法

介绍了在射频目标仿真系统中,通过对天线阵列进行实时控制,精确模拟雷达目标回波信号在空中的角度位置及其运动的方法,说明了阵列式射`频目标仿真系统的工作原理,在对其原理进行深入分析的基础上建立了数学模型,根据该模型编写了目标位置控制算法软件,实现了对目标空间角度位置及其运动的精确仿真和实时监控。     

非平稳非高斯测量噪声条件下改进差分粒子滤波算法研究

针对非平稳非高斯测量噪声(NSNGN)条件下差分粒子滤波(DDPF)算法状态估计精度低、易发散的问题,提出了一种改进DDPF(IDDPF)算法. IDDPF算法采用高斯混合密度函数近似估计测量噪声,替代传统算法中测量噪声的高斯密度函数近似估计,采用似然函数的对数最大化法求解高斯混合密度函数模型参数,并将该模型应用于粒子权值计算,避免了高斯密度函数近似估计噪声模型所易于导致的粒子退化问题;通过建立水下目标纯方位角跟踪系统模型,将IDDPF算法应用于闪烁测量噪声条件下水下目标纯方位角跟踪问题的求解。50次Monte Carlo对比仿真实验结果表明：在NSNGN条件下IDDPF算法具有跟踪响应快、估计精度高、鲁棒性较好等优点。     

匹配滤波器失配下的双基地多输入多输出雷达多目标角度估计

提出了基于匹配滤波器失配的双基地多输入多输出(MIMO)雷达多目标角度估计算法。建立了存在时延、多普勒频率补偿误差情形下的双基地MIMO雷达模型。采用交替迭代的思想,将发射角、时延补偿误差和多普勒频率补偿误差的参数估计问题转化为一个二次规划问题并求解出发射角。用ESPRIT算法估计目标的接收角,并且实现了收发角度的自动配对。仿真实验证明了ESPRIT算法的有效性。此外在附录中推导了本文信号模型下的克拉美罗界。     

基于自适应比例修正无迹卡尔曼滤波的目标定位估计算法

针对无线传感器网络中基于接收信号指示强度(RSSI)定位系统在精确性和实时性方面存在的问题,提出了一种基于自适应比例修正无迹卡尔曼滤波(ASUKF) 的定位估计算法。通过分析RSSI 定位模型的特点,将定位问题转化为非线性系统估计问题。该算法在滤波过程中采用比例修正对称采样策略,并利用次优Sage-Husa 估计器实时处理系统噪声的统计特性,对目标位置和信道参数进行同时估计解算。实验及仿真结果表明,与标准UKF 估计算法相比,新算法有效减小了状态估计误差,提高了滤波的稳定性,定位精度更为准确。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

一种基于粒子滤波的改进红外目标跟踪算法

针对传统红外目标粒子滤波跟踪中仅利用目标灰度信息可能导致目标分辨能力不高的问题,构建了基于位置和灰度的联合时空灰度模型,提出了一种基于联合时空直方图的粒子滤波目标跟踪算法,实验表明:在复杂背景下,该算法能够实现对红外目标稳健的跟踪。     

信号传播速度未知下水下多基地声纳定位算法

针对水下多基地声纳定位系统中声波信号传播速度未知的情况,以到达时间差为系统观测量,提出一种基于误差约束等式的联合估计声波信号传播速度和目标源位置的闭式解定位算法.算法需要分两步进行.第1步通过引入辅助变量,将非线性观测方程转化为伪线性方程进行处理,求得目标源位置以及信号传播速度的初始估计解;第2步根据初始估计解的估计误...