基于最佳线性无偏估计的双基地雷达走位方法

利用坐标转换后的伪测量值，根据最佳线性无偏估计原理，提出一种双基地雷达目标的定位方法并给出了算法定位误差的Cramer-Rao理论下限表达式，在不同噪声条件下对算法进行仿真计算，结果表明该方法可以显著提高双基地雷达目标的定位精度，其理论下限和仿真结果都明显优于最小二乘方法。     

分布式雷达信息系统的数据融合算法仿真

航迹关联与融合是分布式雷达信息系统中的关键技术之一，是充分有效地利用多源信息的重要手段。简述了雷达信息系统中时空校准、数据关联和航迹融合3个处理过程中的算法概况，并对修正的K近邻域算法和量测值加权融合算法做了仿真分析，评估了这些算法的可信性和精确度。     

用于多传感器最优融合的优化节点样条数据平滑方法

对多个精度不同的传感器观测数据采用了加权平均法，给出了观测数据的最优融合方法；在此基础上，利用优化理论和最小二乘准则，对高机动目标的运动轨迹实现了B样条函数逼近，使逼近过程适应目标的运动规律，仿真计算结果表明其明显地优于微分平滑和等距节点平滑。     

基于到达时间和方位角的固定单站无源定位仿真分析

基于辐射源的信号到达时间(TOA)和到达方向(DOA)信息,利用修正增益扩展卡尔曼滤波方法,对固定单站侦察设备的空中和海上目标进行无源定位,仿真计算验证算法的有效性.     

基于PDA 思想的分布式多传感器融合方法

在传感器观测噪声不一致或有异常数据存在的条件下,分布式数据融合因没有剔除严重偏离真实值的传感器估计值,从而影响下一步的融合估计．对此,利用概率数据互联的思想,设计以融合中心预测值为中心、传感器节点估计值为观测值的预测域,并引入定向概率数据互联,对进入预测域的传感器估计值分配权重．仿真结果表明,利用概率数据互联思想的多传感器有效地实现了数据融合,其融合精度较传统分布式融合有所提高;在异常数据明显的情况下,算法的效果更加显著．     

多传感器异步数据融合算法

由于传感器的采样速率和通信延迟,传感器的不同步问题大大降低了多传感器系统数据融合的精度。研究多传感器异步融合比同步数据融合更为迫切。该文利用误差协方差阵的迹最小准则建立了多传感器异步融合模型,给出了具有普遍意义的多传感器异步融合模型,弥补了目前多传感器异步数据融合仅限于两两传感器的局限性,并从理论上对多传感器异步融合的性能进行了分析。仿真结果表明该异步融合模型是有效的,能够对多传感器的异步数据进行优化处理,并且优于单一传感器的性能。     

单站被动目标的多假设距离粒子滤波跟踪

针对单站被动目标跟踪的无距离信息,多假设距离粒子滤波方法利用多个粒子滤波的并行运算,对不同初始距离的粒子滤波器进行计算,利用各子滤波的残差概率对并行处理的粒子滤波运算进行自适应采样实现单站纯方位目标跟踪,并与粒子滤波、多假设距离滤波方法进行比较,仿真结果表明该算法收敛速度快,跟踪精度高。     

基于融合反馈的多传感器空间偏差配准方法

利用多传感器的目标状态融合估计和融合估计误差协方差作为反馈信息,提出了带反馈机制的多传感器空间偏差配准方法.对二阶段Kalman滤波偏差配准方法进行扩展和改进,在不同噪声条件下对目标状态融合和偏差进行估计.仿真结果表明,带反馈信息的偏差配准方法可有效改善目标的状态估计和传感器的偏差配准,Crmaer-Rao下界分析说明了该算法的有效性.