基于信息熵的自适应资源调度算法

在目标搜索领域,合理安排调度序列能有效提高雷达搜索性能。针对相控阵雷达同时多任务需求,提出了一种基于最大信息增益原则的自适应资源调度搜索算法。在目标先验信息引导下,给出重点搜索区域内波位编排方法,采用最大信息增益原则,在满足时间和能量资源的约束条件下,解决重点区域内目标的最优搜索问题。仿真结果表明,与传统相控阵雷达基于顺序搜索方式相比,该算法能快速发现目标并有效提高搜索数据率和能量利用率,在工程应用中证明该方法是行之有效的。     

基于UKF的马尔可夫参数自适应IFIMM算法

给出了一种基于不敏卡尔曼滤波(UKF)的马尔可夫参数自适应的新息滤波器交互式多模型算法,较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波的交互式多模型(IMM)算法和基于UKF的IMM算法更好的稳定性和计算精度,还避免了复杂的Jacobi矩阵运算;该算法结合了马尔可夫参数自适应和新息滤波器技术,实现了马尔可夫转移矩阵的自适应和量测噪声的减小.最后,通过Monte Carlo仿真进一步验证了该方法的正确性和有效性.     

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法.该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算.Monte Carlo仿真验证了该算法的可行性和有效性.     

杂波环境下机动目标跟踪算法研究

本文给出了一种基于平方根中心差分卡尔曼滤波（sRcDKF）的交互式多模型-概率数据关联（IMMPDA）算祛。在杂波环境下,该算法较好的解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波（EKF）的IMMPDA算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算;本文大量Monte Carlo仿真进一步验证了该算法的可行性和有效性。     

低信噪比下基于Keystone变换的高速多目标检测

微弱多目标检测中,高速运动目标的跨距离单元走动会影响长时间相参积累的效果,论文提出了在低信噪比情况下通过Keystone变换校正多目标的跨距离单元走动,对所有脉冲相参积累达到提高信噪比的目的,仿真实验结果验证了该方法的有效性。