一种基于动态规划的雷达小目标检测方法

在PD雷达检测中,雷达接收到的回波信号的能量相当弱时,用传统的雷达积累与检测方法不能可靠地检测目标.检测前跟踪技术(TBD)是一种多帧信号积累技术,其基本思想是对多帧信号进行处理,先进行目标预测,在此基础上对检测出的目标进行目标跟踪,利用目标的运动特征沿各种可能轨迹积累能量.然后对各个能量积累值进行检测判断,从而检测出真实目标,同时提取出目标的轨迹.研究了一种动态规划应用于雷达小目标检测的方法.     

雷达微弱目标检测的有效方法

针对低信噪比条件下微弱运动目标检测问题,提出了一种基于检测前跟踪的动态规划改进算法,根据雷达图像中包含的来袭目标运动参数信息,预测来袭目标的运动轨迹,并沿着预测运动轨迹积累能量.仿真结果表明,该算法能够较准确地估计目标航迹,计算量较小,在强杂波背景下能较好地检测出低信噪比运动目标,对于威胁预警区域较大的来袭目标能更好进行实时探测.     

多帧相参积累的检测前跟踪方法

针对现有检测前跟踪（TBD）算法在多帧间积累时都使用非相参积累,积累效率较低的问题,对相参积累的TBD方法进行了研究。该方法在多帧回波数据下通过数据拼接、回波方位选取、噪声置零及走动补偿后利用FFT实现了帧间相参积累。仿真实验表明,相对现有的TBD方法,该方法能在较少帧的回波数据下实现良好的检测性能。     

一种高速运动微弱目标雷达检测前跟踪的新算法

为提高高速运动微弱目标在雷达搜索状态下的发现概率,本文利用了基于动态规划的雷达检测前跟踪技术.在瑞利杂波条件下,提出了杂波置信上限加航迹检测的新方法.该文较好地解决了该技术在低信杂比下,最终检测门限设置困难和跟踪能力比较弱的问题,提高了信杂比.仿真验证了新方法的有效性.     

基于FastICA的雷达弱目标检测前跟踪方法研究

研究了强噪声干扰下的雷达弱目标检测及跟踪问题。针对信号与噪声干扰之间的相互独立性,提出了一种基于FastICA的弱目标检测前跟踪(TBD)算法。该算法的关键为对分离后的信号进行能量分配,以及求解所构建的一个多目标规划问题,进而实现匹配回波信号的能量积累。仿真实验结果表明,在负信噪比的情况下,无论是高斯噪声还是非高斯噪声,该方法均可以实现检测前跟踪的目的;用能量积累过程中记录的目标状态信息为观测值,则可以通过滤波估计的方法最终实现对目标的稳健跟踪。该方法为弱小目标的跟踪检测技术提供了一种新的思路。     

一种基于动态规划的机动目标检测前跟踪方法

针对传统动态规划检测前跟踪算法仅适用于匀速直线运动目标或慢机动目标的局限性,提出了一种将交互式多模型(IMM)滤波与基于动态规划的检测前跟踪算法相结合的机动目标处理算法。该算法应用于近程毫米波雷达探测环境下,根据被测目标的实际运动情况建立了匀加速运动、匀速转弯运动及匀速运动模型,在动态规划算法基础上考虑了多种运动模型以及模型之间的转换和预测,避免了因模型不匹配导致的跟踪效果变差的问题。仿真结果显示,相比于传统动态规划检测算法,该算法能够更加有效地实现对机动目标的检测和跟踪,适于工程应用。     

一种改进的脉间频率捷变与MTD兼容算法

研究雷达性能问题,脉间频率捷变与MTD兼容的工作方式是雷达抗干扰和抑制杂波重要手段,能够同时有效的抑制有源干扰和固定杂波,提高雷达的电子对抗能力.由于脉间频率捷变使扫描间起伏目标变成了脉间起伏目标,不同频率脉冲回波得到的信噪比起伏较大,造成目标检测的困难.因此,提出一种改进算法,在抽取同频回波进行MTD的基础上,对不同频率回波进行非相参积累.非相参积累对信号具有平滑作用,仿真结果表明,新算法能够有效的改善信噪比起伏,提高目标的识别能力.     

起伏目标下的非相参积累研究

非相参积累技术是雷达信号处理中提高回波信号信噪比的重要方法。非相参积累是对目标反射回的回波信号进行的积累,目标的状态影响着回波信号的形式,运动目标造成了回波信号的起伏变化,起伏目标下的非相参积累显得尤为重要。对起伏目标下的非相参积累与信噪比的关系进行了详细分析,通过数据对不同起伏目标下非相参积累的检测性能进行了仿真比较,并通过对比的结果得到了一些结论。     

一种基于卡尔曼滤波的运动物体跟踪算法

针对实时视频监控领域中传统的Camshift算法不能有效解决遮挡和高速运动等问题,提出一种改进的Camshift算法与卡尔曼滤波相结合的运动物体跟踪算法。首先,通过二次搜索来调整搜索窗口的位置和大小,保证Camshift跟踪的可靠性;然后,在Camshift算法的基础上通过卡尔曼滤波对搜索窗口进行运动预测,保证实时跟踪。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

一种基于特征的多目标跟踪算法

论文提出了一种基于特征的多目标跟踪算法。根据目标在相邻帧间运动具有连续性,并且包围窗口、灰度变化不大的特点,该算法改进了一种代价函数。在跟踪的匹配过程中,启动了卡尔曼滤波,预测目标匹配搜索区域。同时,使用目标链记录了目标最新的运动状态和特征值,保证了运动跟踪的连续性。     

一种提高双基地雷达定位精度的方法

在T/R-R型双基地雷达性能优化的研究中,为了进一步提高雷达系统的定位精度,研究各测量子集的定位精度随着目标-雷达相对位置的变化情况.根据雷达的定位精度和雷达-目标的相对位置关系,推导出雷达测量精度的动态表达式,并对每个测量子集按精度进行最优加权,从而得到最优权值计算公式,并计算了固定权系数加权平均法和动态加权融合法所能达到的定位精度,分析了定位精度几何稀释,仿真结果表明定位精度有很大的提高.     

除冰机器人的多传感器高效融合障碍测距方法研究

障碍物测距是高压输电线路自主除冰机器人的关键技术之一;针对220 kV输电线路除冰机器人的结构特点,提出了一种基于障碍物距离信息融合检测方法;首先根据障碍物分布情况设计了除冰机器人多传感器检测系统的结构,建立了障碍物信息融合系统模型.然后根据障碍物信息状态模型的非线性特点,对传感器获取的异步测量数据进行同步处理,再应用改进的多传感器信息进行滤波和融合,并与单个传感器的结果相比较,实验结果研究表明:该方法能有效地融合不同传感器的信息,具有更高的测距精度和更快的收敛速度.     

陀螺误差现场系统标定方法研究

为了补偿在实际使用环境中陀螺误差对捷联惯导系统带来的影响,提出了陀螺误差的现场系统标定方法.该方法采用四元数微分方程作为系统方程,利用加计估计出的两个水平姿态角和磁罗盘或GPS辅助给出的方位角作为观测,建立广义卡尔曼滤波方程对陀螺误差进行滤波估计.同时设计了1种简单的静基座转动的标定路径用于陀螺误差系数的分离.仿真结果表明该方法可行有效,估计结果能够很好地弥补捷联惯导系统中陀螺各误差因素的影响.     

Space Efficient Dynamic Orthogonal Range Reporting

In this paper we present new space efficient dynamic data structures for orthogonal range reporting. The described data structures support planar range reporting queries in time O(log n+klog log (4n/(k+1))) and space O(nlog log n), or in time O(log n+k) and space O(nlog  ^ε n) for any ε>0. Both data structures can be constructed in O(nlog n) time and support insert and delete operations in amortized time O(log ² n) and O(log nlog log n) respectively. These results match the corresponding upper space bounds of Chazelle (SIAM J. Comput. 17, 427–462, 1988) for the static case. We also present a dynamic data structure for d-dimensional range reporting with search time O(log  ^d−1 n+k), update time O(log  ^d n), and space O(nlog  ^d−2+ε n) for any ε>0. The model of computation used in our paper is a unit cost RAM with word size log n. A preliminary version of this paper appeared in the Proceedings of the 21st Annual ACM Symposium on Computational Geometry 2005. Work partially supported by IST grant 14036 (RAND-APX).     

噪声协方差的一种递推估计方法

基于自噪声平滑器,本文提出了状态空间模型中噪声协方差的一种新的递推估计方法,给出了一种次优无偏极大后验(MAP)递推噪声协方差估值器,可应用于信号去卷和Kalman滤波,仿真例子说明了本文结果的有效性。     

一种有效的移动机器人里程计误差建模方法

移动机器人里程计误差建模是研究移动机器人定位问题的基础. 现有的移动机器人里程计误差建模方法多数针对某一种驱动类型移动机器人设计, 运动过程中缺乏对里程计累计误差的实时反馈补偿, 经过长距离运动过程定位精度大幅度降低. 因此本文针对同步驱动和差动驱动轮式移动机器人平台提出了一种通用的里程计误差建模方法. 在假设机器人运动路径近似弧线基础上, 依据里程计误差传播规律推导了非系统误差、系统误差与里程计过程输入之间的近似函数关系, 进而提出一种具有闭环误差实时反馈补偿功能的移动机器人定位算法, 对定位过程中产生的里程计累计误差给予实时反馈补偿. 实验表明新算法有效地减少了里程计累计误差, 提高了定位精度.     

基于进化规划的区间系统卡尔曼滤波

对不确定系统的最优鲁棒滤波问题, 提出了一种新的方法———进化规划(EP)卡尔曼滤波. 该方法采用EP全局寻优技术, 搜索最优估计区间; 也采用EP全局最优技术, 确定工程中可实现的最优估计标称值. 这种新方法的假设条件与标准的卡尔曼滤波完全相同, 并具有标准的卡尔曼滤波相同的递推结构、相同的最优性. 最后, 给出计算仿真的例子, 并与文 [1]的仿真结果进行了比较. 结果表明, 本文提出的新方法更精确, 有较少的保守性.     

A Generalized Kalman Filter for Fixed Point Approximation and Efficient Temporal-Difference Learning

The traditional Kalman filter can be viewed as a recursive stochastic algorithm that approximates an unknown function via a linear combination of prespecified basis functions given a sequence of noisy samples. In this paper, we generalize the algorithm to one that approximates the fixed point of an operator that is known to be a Euclidean norm contraction. Instead of noisy samples of the desired fixed point, the algorithm updates parameters based on noisy samples of functions generated by application of the operator, in the spirit of Robbins–Monro stochastic approximation. The algorithm is motivated by temporal-difference learning, and our developments lead to a possibly more efficient variant of temporal-difference learning. We establish convergence of the algorithm and explore efficiency gains through computational experiments involving optimal stopping and queueing problems. This research was supported in part by NSF CAREER Grant ECS-9985229, and by the ONR under Grant MURI N00014-00-1-0637.     

雷达最大探测范围三维可视化研究与实现

电磁信息可视化是虚拟战场环境中不可或缺的重要组成部分,而其中雷达信息的可视化尤其是雷达探测范围的可视化更为重要。文中对雷达探测范围可视化进行了探讨,给出了实现雷达最大探测范围三维可视化的方法。该方法综合考虑真实环境因素的影响,采用了抛物方程方法,最后给出了雷达最大探测范围三维模型的建立和表现方法。实验结果表明该方法不仅效率高,而且能真实直观地展现雷达最大探测范围。     

基于可观测度评价的雷达系统误差估计

系统误差估计是雷达组网融合跟踪系统的重要环节,而可观测度又是决定误差估计效果的关键因素.通常情况下,可观测度难以定量描述,直接衡量系统的估计性能也就不易实现.提出了一种间接的方法评价系统的可观测度,并根据评价的结果判定估计的精度.对于可观测度较低的情况,改进了基于EKF的系统误差估计算法,提高了估计的精度.仿真实验表明,方法不仅能够有效评价系统的可观测度,并且在低可观测度条件下,改进算法的误差估计精度明显优于原有算法.