基于方位-距离量测的舰艇搜潜定位算法研究

结合舰艇拖曳线列阵声纳实际搜潜装备,利用舰载声纳测得的潜艇目标方位和距离信息,建立了基于目标方位-距离量测的舰艇对潜艇目标定位的数学模型,并对定位误差进行了分析,在该模型基础上,仿真研究了潜艇与舰艇之间的初始距离、舰艇测得潜艇目标初始方位角、潜艇航向等因素对定位性能的影响,给出了仿真结果并进行了分析,仿真结果表明：不同的目标运动态势,对声纳探测定位性能影响很大,因此,根据目标运动态势合理选择声纳的位置和探测方位在一定程度上可提高声纳的探测定位性能.     

主被动结合的协同定位模型研究

从信息融合的角度研究了编队协同中的导航定位问题,提出了一种主被动结合的协同定位算法。推导了二维情况下,确定伪测量和相伴误差协方差矩阵的模型。在有固定参照物的情况下,只需要一个PPLI定位信息就可以实现平台的协同定位。     

机载雷达的作战训练仿真研究

在机载航电设备综合训练系统的飞行模拟中,雷达模拟器与导航、气象与地理、电子对抗模拟器等构成一个分布式作战仿真系统。采用分布式交互仿真网络为技术平台,研究在一定的气象、地理以及敌方电子对抗等条件下,机载雷达完成目标自动检测、跟踪与电子对抗等任务的综合训练系统设计方法。从结构、硬件与软件3个方面做出了说明。为某型号飞行训练模拟器的研制提供了具体技术方案,工程进展证明了其合理性与实用性。     

一种深度学习航迹关联方法

根据机器学习当中的理论方法,通过输入和输出数据设计,把信息融合领域的航迹关联问题,转换为机器学习领域中的分类识别问题,研究提出了一种深度学习航迹关联方法.仿真结果表明:所提方法在关联性能和自适应能力方面优于对比方法,具有较好的应用前景.     

基于修正的平滑伪WVD和Hough变换的二值积累的信号检测方法

在低信噪比条件下,WVD-Hough变换可以有效的地检测多个线性调频信号,但是当多个线性调频信号能量相差很大时,强信号的平台会将弱信号的峰值给淹没, WVD-Hough变换就很难同时将这多个线性调频信号检测出来。该本文基于在WVD-Hough变换的基础上,提出了基于修正的平滑伪WVD和Hough变换二值积累的方法。这种方法可以同时检测出强信号以及被强信号平台掩盖的弱信号,具有很大的实用价值,仿真的结果验证了算法的有效性。     

机载火控雷达训练模拟器的设计

航空电子综合仿真系统中的机载火控雷达模拟器与视景、火控、敌我识别和电子对抗等仿真系统构成一个具有多种训练功能的模拟系统。讨论了雷达模拟器的软、硬件结构,说明了机动目标多精度模型的建立方法,分析了地、海与体杂波的雷达反射特性模型。采用以检测概率逼近的方法来模拟机动目标的杂波环境下的检测,并进行目标航迹的处理。分别进行目标、真实回波和辅助图形的绘制合成完成的雷达图像。上述方案应用于某型飞行训练模拟器的研制,取得预期效果,具有良好的工程应用前景。     

有色噪声下的不敏卡尔曼滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题。通常的方法是利用扩展卡尔曼滤波方法将非线性系统线性化后,再利用线性系统的方法对有色噪声系统进行估计。然而,模型的线性化误差往往会严重影响最终的滤波精度,甚至导致滤波发散。为了避免此类误差,先通过对测量方程进行变换的方法,将观测方程的有色噪声转换为白噪声后,再利用不敏卡尔曼滤波方法,对系统的状态进行估计。虽然,该方法也需要对观测方程进行线性化,但是由于此线性化过程是在求解新量测方程的测量误差中进行,因此对系统的误差影响不是很大。仿真结果表明新方法能够有效地对有色噪声环境下系统的状态进行估计,性能要优于现有的一些基于EKF的方法。     

一种针对拖尾噪声的鲁棒神经网络信号检测算法

与高斯噪声相比,拖尾有更多的异常值,利用传统的神经网络不能有效的检测信号。该文提出一种基于中值滤波的鲁棒神经网络进行处理,首先利用中值滤波抑制异常值,进一步利用BP (Back Propagation) 神经网络消除残留噪声,检测目标信号。基于误差分析的实验结果表明,与传统神经网络相比,所提出的方法不仅能更好地消除拖尾噪声,有效检测信号,而且能有效检测高斯噪声中的目标信号,具有很好的鲁棒性和自适应特性。     

一种冲突证据的融合方法

针对D-S证据理论的冲突证据融合问题进行了研究,通过对证据进行冲突检验及修正弥补了D-S证据理论在处理冲突证据时的不足。采用了加性策略对事件进行排序的方法,找出证据支持最大的q个事件,就是最有可能是识别结论的q个事件,对其进行冲突检验及修正。解决了D-S证据合成方法组合冲突证据时出现的问题,保证了非冲突证据的有效合成。通过仿真试验表明该算法能有效地排除干扰,得出了符合实际的组合结果。     

被动传感器组网对干扰源的聚类定位算法

为了提高对机动干扰源的定位精度,提出一种基于数据质量分析思想的多地面被动传感器组网聚类定位算法。考虑到各种客观因素和主观操作对量测的影响,该算法首先对各量测在二维空间中产生的目标估计位置点进行数据质量度量,从而确定该量测对干扰源定位结果的贡献;引入聚类思想完成对高质量位置数据的实时筛选,并由该数据实现对干扰目标的定位。通过和MMSE算法相比较,基于数据质量分析的聚类定位算法可有效消除低质量量测对定位结果的不利影响,从而提高了对干扰源的定位精度。同时对传感器布站形式的研究表明,只要对网内各传感器进行合理配置与管理,该算法即可有效降低系统偏差等不利因素对定位系统的影响。