基于改进“当前”统计模型的非线性机动目标跟踪算法

＂当前＂统计模型算法对目标加速度极限值及机动频率的依赖性这一缺点,导致该算法在跟踪弱机动目标及高机动目标时,跟踪性能会明显恶化.本文在当前统计（CS）模型的基础上,通过加权一个以残差方差的迹为参数的活化函数,对加速度方差和机动频率进行自适应处理,实现了对＂当前＂统计模型的改进;同时,采用UKF（unscented Kalman filter）对非线性目标进行跟踪滤波,构造出基于改进＂当前＂统计模型的非线性机动目标跟踪算法,仿真结果表明,改进的＂当前＂统计模型不仅保留了＂当前＂统计模型跟踪算法对一般机动目标跟踪精度高的特点,而且对弱机动目标跟踪也具有更优越的性能,大大扩大了机动跟踪范围.     

方差自适应机动目标跟踪算法研究

针对机动目标弱机动时不能自适应调整,从而对弱机动目标跟踪精度不高的缺点,提出了一种改进的方差自适应机动目标跟踪算法。新算法将机动目标的运动状态分为弱机动状态和强机动状态,并通过新息平方的统计量和当前加速度估值进行机动自适应检测,能够根据目标当前的机动特性自适应调整过程噪声协方差矩阵,使运动模型与机动目标的当前运动状态相匹配,在保持对强机动目标跟踪性能的同时,实现了对弱机动目标更为精确的跟踪。仿真结果表明,改进算法对弱机动目标的跟踪性能明显优于当前统计模型。     

基于改进粒子滤波的机动目标自适应跟踪算法

在粒子滤波的基础上融合扩展卡尔曼滤波算法,融合后的算法在计算提议概率密度分布时,充分考虑当前时刻的量测,使粒子的分布更加接近状态的后验概率分布.将此改进粒子滤波算法在"当前"统计模型框架下进行机动目标自适应跟踪.仿真实验验证了该种方法对机动目标的良好自适应跟踪性能.     

一种改进的强机动目标跟踪方法

为提高目标在强机动情况下的跟踪精度,更好地实现目标跟踪,在当前统计模型和卡尔曼滤波算法的基础上提出改进的目标跟踪方法。分析了当前统计模型,归纳出在目标弱机动和强机动情况下的优点及不足。进行强机动检测,以此判断目标的机动水平;将渐消因子引入卡尔曼滤波器,减少陈旧数据的影响,充分体现当前机动状态;在算法中在线辨识各项参数,并根据机动水平自适应地调整。仿真结果表明,改进的方法在弱机动时保持了当前统计模型的跟踪性能,而在强机动时拥有更高的跟踪精度。     

最大加速度未知的“当前”统计模型机动目标跟踪

分析了“当前”统计模型机动目标跟踪算法的性能对目标机动加速度最大值的依赖性,但是由于在实际中目标机动加速度的最大值往往是未知或不能准确已知的,所以为了克服“当前”统计模型的这一不足之处,采用协方差匹配和多级白噪声自适应滤波算法的思想,提出了一种“当前”统计模型在最大加速度未知情况下的机动目标跟踪新算法。对三种典型的机动目标运动形式进行了Monte-Carlo仿真研究,结果表明新算法对于解决机动目标跟踪问题非常有效。     

基于不同运动模型的IMMPDA算法仿真

在现有的机动目标跟踪算法中,其中的概率数据关联（PDA）算法和交互式多模型（IMM）算法最具代表性。而在此基础上发展而来的IMMPDA算法是解决杂波环境下单机动目标跟踪问题比较有效的方法。通过对分别基于CA模型、Singer模型和“当前”统计模型的交互式多模型概率数据关联（IMMPDA）算法进行仿真,对其优缺点进行对比分析。仿真结果显示IMMPDA算法在高机动目标跟踪中具有巨大优势,不同的：运动模型基于IMMPDA都较好地实现了对高速高机动目标的滤波跟踪。     

采用序贯滤波的红外/雷达机动目标跟踪

当机动目标状态是非平稳和非线性时,红外传感器和雷达的目标状态方程和量测方程都是非线性和非高斯的,为了解决经典跟踪算法的残差较大或发散的问题,提出一种新的融合跟踪算法:在对红外传感器和雷达的量测数据进行时间对准和同步融合后,将融合后的量测数据送入重抽样粒子滤波器进行处理以预测和跟踪机动目标.最后给出了一个仿真跟踪实例,并与同类多雷达跟踪的效果进行了比较,说明了异类融合跟踪优于同类多雷达融合跟踪.     

基于雷达/红外成像的机动目标加速度估计

研究机动目标跟踪精度优化问题,需获取机动目标加速度准确信息。由于空间外界干扰造成雷达提供信息不准确,为此提出了基于雷达/红外成像的机动目标跟踪信息融合算法。建立了机动目标与空空导弹的相对运动目标机动数学模型,引入了雷达/红外成像导引头联合观测方法,并对两者的观测信息在时间上进行同步配准。采用雷达/红外成像信息融合跟踪扩展自适应卡尔曼滤波算法进行仿真。仿真结果表明,改进算法能够对机动目标加速度信息进行有效的、实时准确的估计,验证了所设计的跟踪算法的正确性,实现了以直接碰撞方式达到毁伤目标的目的。     

改进的机动目标当前统计模型自适应跟踪算法

针对机动目标当前统计模型自适应跟踪算法的加速度方差依赖于预先设定的加速度极值的问题,研究新的加速度方差调整方法。在机动目标当前统计模型的基础上,根据雷达实时观测信息,利用加速度扰动与位置变化量之间的物理关系,采用一种新的机动目标当前统计模型加速度方差自适应跟踪方法。仿真结果表明,新算法对高机动目标、一般机动目标均具有较高的跟踪精度,从而验证了新算法的正确性和有效性,对机动目标跟踪问题具有一定的实际应用价值。     

一种机动目标跟踪的异步航迹融合算法

为实现机动目标跟踪,提出一种异步序贯航迹融合算法。融合中心包含匀速和匀加速2种融合模型,均通过信息去相关方法实现序贯航迹融合,并利用调整过程噪声的方法抑制融合发散。对匀加速融合模型的加速度估计进行显著性检验,实现机动检测。当检测到机动时输出匀加速融合模型的结果,反之输出匀速融合模型的结果。仿真结果表明,该算法能实现对机动目标的稳定跟踪,具有较高的跟踪精度。     

基于Jack的穿舱外服航天员工作空间研究

研究穿着舱外航天服的航天员工作空间是航天人机工程的重要课题,也是我国神州任务下一步的工作重点.作者提出了在Jack仿真平台的基础上,结合人体反向运动学算法,对航天员的出舱活动的可达空间进行仿真研究的方法.应用该方法可以建立穿着舱外航天服的航天员工作空间仿真系统,将运动学算法解算出来的人体工作空间数据在Jack平台上进行仿真,在现阶段和现有条件下研究航天员出舱活动是非常实用和有效的,可以为神州任务的航天员的工效评价提供参考依据.     

纹理研究综述

纹理精确定义困难,但存在被广泛认同的性质。结构法、统计法、频谱法和模型法是常用的纹理研究方法。结构法从纹理的基元形态及其排布规则角度分析,适用于研究规则纹理;统计法从宏观角度对纹理进行统计分析,适用于随机纹理;频谱法利用频域信号处理方法分析纹理的数字特征;模型法将纹理看做某种数学模型进行分析。纹理研究已广泛应用于军事、工业、农业、医疗等方面。为此,从定义、特征、研究方法、应用领域几个方面对纹理的研究现状进行了论述。     

《数据结构》教学实践探讨

《数据结构》是计算机软件理论和技术的重要基础,课程具有相当的难度和抽象性,其教学模式、教学方法和手段是一个值得探讨的问题。该文对数据结构的教学过程中如何运用好的教学方法与教学手段以提高数据结构教学效果进行了探讨。     

三维飞机目标识别的一种新方法

提出了将小波不变矩用于三维飞机目标的识别中.先采用CCD成像传感器拍摄小角度变化的不同姿态的二维飞机图像,建立完整的飞机图像模型库,然后对这些图像进行归一化处理,提取这些二维图像的小波不变矩,针对小波不变矩维数较高的特点,采用离散度和顺序前进法相结合的原则来对其进行特征优化选择,选择一组较优的特征组,最后用改进的BP神经网络为分类器进行三维飞机图像的识别.仿真结果表明,同Hu矩相比,小波矩不变量有比较好的识别效果.     

粒子滤波在机动目标跟踪中的应用

机动目标跟踪问题一直是数据融合领域的难点.本文提出将粒子滤波应用于跟踪机动目标.该算法不仅可解决非线性问题,且对机动目标有很好的跟踪效果.仿真实验结果表明了该滤波器的有效性.     

元搜索引擎系统合成算法的约束条件

合成是元搜索引擎系统中一个重要的技术问题.给出了搜索引擎和元搜索引擎的形式化定义,对各种可能的元搜索引擎合成类型进行了划分.在此基础上,提出了元搜索引擎合成的一般性约束条件以及针对特殊类型的特殊约束条件.这些约束条件为构造好的元搜索引擎合成策略提供了基本保障.     

利用动态图示法改善《数据结构》的理论教学

《数据结构》是一门理论性强、比较抽象的课程,也一直是高职教学中学生感觉难学、教师认为难教的一门专业课程。在教学实践中,应打破常规教学方法,大量采用动态图示,把抽象的概念、算法转换为实例模型,在视觉上用直观的方式帮助学生理解,以提升该课程的理论教学效果。     

对地目标侦察威胁权重分析研究

基于对地侦察平台及其性能参数的统计数据,分析了航天与航空侦察威胁特点,总结了地面目标曝露征候。采用层次分析法建立了对地目标侦察威胁权重评估模型,确定了各种影响因子的分析方法,计算获得雷达、红外及光学侦察威胁权重分别为25%、14%和61%。为地面特定目标进行侦察威胁分析提供了新的方法,对地面目标隐身设计与作战效能分析评估具有一定的指导意义。     

安全报警融合环境中信息的关联

网络中各个安全产品各自为阵,难以满足全方位集成防御体系的需求,信息融合是安全技术的发展趋势。基于分层融合的思想提出SAFE（Security Alerts Fusion Environment）,对安全报警信息进行融合,采用一阶谓词逻辑,从网络安全行为描述和关联规则等方面叙述报警信息的关联。SAFE生成简洁直观的综合性安全信息,为安全事件响应决策提供有效支持。     

闪烁噪声下基于模型集合切换的机动目标跟踪算法

在目标跟踪过程中,由于目标与传感器相对位置的变化以及目标不同部位的反射干扰,传感器测量数据中的测量噪声不再是严格意义上的高斯噪声,而变为具有长拖尾特性的闪烁噪声,而闪烁噪声的出现将严重影响线性卡尔曼滤波器的滤波性能。机动目标跟踪算法应同时考虑目标运动模式变化和闪烁噪声出现对滤波过程的影响。将滤波方程集合划分为包含不同目标运动模式的模型集合,提出了基于模型集合切换的机动目标跟踪(MSSM)算法。仿真结果验证了MSSM算法的有效性。