基于卡尔曼滤波的无源雷达目标跟踪分析

提出了一种基于卡尔曼滤波的无源雷达目标跟踪方法.利用无源雷达所测得的运动目标的二维不全信息, 根据卡尔曼滤波迭代估算出目标的位置.简要对无源雷达组网中的信息转换和航迹融合问题进行了讨论.对目标的仿真结果表明, 该算法具有良好的跟踪性能.     

地面防空作战的多导弹-单目标信息对抗模型与仿真研究

在地面防空作战中，地空导弹和空中目标的对抗是一个动态的对抗过程。通过把模型分为自身状态和对敌方的估计状态，建立了防空作战多导弹－单目标的对抗模型，分析了不同阵地的导弹追击和目标逃避时的控制输入选择原则。通过仿真，得到了较好的结论，体现了导弹和目标之间的对抗性，对深入研究地面防空系统对抗性建模方法具有一定意义。     

雷达目标特征提取的一种方法

将小波变换和马氏距离相结合，提出了一种基于ISAR成像的雷达目标特征提取方法。对ISAR成像数据进行正交二进Symlet小波分解和门限处理，对数据进行压缩，然后计算压缩后坐标点的马氏（Mahalanobis)距离，得到目标稳定的特征向量。由实验结果看出，此向量具有在一定范围内的不变性，能够用于雷达目标识别。     

模糊理论及神经网络在目标识别中的应用

讨论了对地空导弹将要拦截的目标进行识别的方法．在综合多个因素的基础上利用模糊理论与神经网络的有关知识，给出了几种目标识别的方法，以便于为防空作战决策提供科学依据．     

子类独立分量分析在声目标识别中的应用

针对已有的特征提取方法在多目标识别中的不足,提出了基于高阶统计分析的独立分量分析法特征提取方法,通过对多种目标的声音信号进行子类特征提取,并应用决策导向无环图支持向量机实现对多目标的有效分类。结果表明该算法在通过声音信号对多目标识别上,具有很好的应用前景。     

基于概率相关性的AIMM跟踪算法

为解决传统自适应交互式多模型(AIMM)算法计算量普遍过大而不适应于实际工程应用的问题,提出了基于概率相关性的自适应的交互多模型算法(PR-AIMM),该方法在由CA、CV和基于圆周运动的转弯(TR)模型3个基本模型组成的模型集上,利用模型后验概率最近时间相关性自适应地调整马尔可夫转移矩阵的参数,能对空中大部分机动目标进行有效的跟踪,有效地解决在实际工程应用中机动目标跟踪问题.最后运用仿真试验对上述算法进行了合理性和有效性验证,并在实际工程应用中达到了满意的效果.     

基于模糊神经网络的目标识别模型

目标识别是地空导弹武器系统决策中的关键技术．针对目标特性，提出了一种基于模糊技术的BP神经网络的目标识别模型．从传感器中提取目标特性，经过模型处理，可以较好地实现目标的类型识别．     

基于专家系统的目标威胁判断模型

文章将专家系统理论应用于防空指挥控制系统,建立基于专家系统的目标威胁判断模型。该模型用产生式规则表示可拦截条件和威胁判断准则等知识,模型具有自学习功能,可自动获取或修改知识库中的知识,能够智能地确定目标的威胁程度,较好地满足了实际需要。     

一种改进的群目标自适应跟踪算法

为提高对群目标在机动情况下的跟踪性能,提出一种改进的群目标自适应跟踪算法．在群质心状态估计中,在修正“当前”统计模型的基础上,利用群质心的速度预测和速度估计的偏差进行过程噪声方差自适应调整,并引入强跟踪滤波中的渐消因子,实时调节群质心的状态预测协方差．在扩展状态估计中,将其对应的椭圆面积预测值和估计值的偏差以及偏差变化率作为模糊输入量,采用模糊推理法自适应输出扩展状态的预测参数．此外,提供了群目标分裂机动的判决方法．仿真结果表明,与现有方法相比,本文算法增强了对群目标在突发机动时的自适应跟踪能力,并能有效检测出群的分裂机动．