多站测角的最小二乘交互多模型跟踪算法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标．针对这一问题提出一种新方法,采用最小二乘法对多个观测站测得的目标角度信息进行融合,估计出目标的状态,将状态估计作为卡尔曼滤波的伪量测,然后采用交互多模型算法跟踪机动目标．仿真结果表明该方法可实现多站测角机动目标的跟踪,其跟踪误差远小于现有的跟踪方法．     

多站雷达航迹相关的工程实现

针对多站雷达航迹自动融合在工程上难以实现的问题,提出了一种应用工程实现的多站雷达航迹自动相关方法.该方法可大大减少计算量,工程实现方便实用,经过国家地(市)级边海防系统中的应用证明其有效性和可靠性.     

纯方位系统定位与跟踪的最小二乘滤波原理

利用最小二乘滤波方法,对纯方位系统单目标定位与跟踪问题进行了较深入的研究,为建 立新的多模型算法提供了理论基础．     

一种用于机动目标跟踪的多模型最小二乘方案

本文提出了描述运动目标的时间原点滑动多项式数学模型，并在此模型基础上，推导出用于目标跟踪的简化最小二乘算法．为适用于机动目标跟踪，选取了一个跟踪检测信号，确定出一套多模型滤波与预报策略．本文论述的方案的突出优点是计算量比卡尔曼滤波小得多，有利于实时实现．蒙特卡罗仿真结果说明该方案是一种适用于机动目标跟踪的优选方案．     

基于航迹关联的一、二次雷达联合跟踪

该文针对一、二次雷达在杂波环境下多目标多传感器协同跟踪问题,提出了一种带二次雷达修正的基于航迹关联的一、二次雷达联合跟踪算法。该算法先通过一次雷达对敌友方目标和二次雷达对友方目标运用联合概率数据关联算法滤波跟踪得到航迹数据之后运用双门限航迹关联判定友方目标并撤消对友方目标的跟踪和利用二次雷达探测数据进行对敌方目标的高度信息进行自适应修正,通过蒙特卡洛仿真表明该算法在提高目标跟踪精度和减小处理器的运算量都是有效的。     

雷达电磁波大气吸收损失最小二乘拟合算法

首先给出了一种地球大气对电磁波传播吸收损失的简化算法,然后基于最小二乘方法讨论了吸收损失多项式拟合,计算机仿真结果与有关文献给出的结构相 当吻合;其方法和结果可用于雷达外场测试、雷达网的优化设计和雷达系统电子自动化设计技术中雷达系统建民仿真等的研究。     

多变量系统的最小能量跟踪

本以状态反馈的形式给出了线性离散多输入多输出（MIMO）系统的最小能量最优跟踪问题的解（定理3.1，定理4.1，推论4.1）；给出了最小跟踪误差和最小跟踪能量的简洁表达式（定理3.2，定理4.2，推论4.2）以及最优跟踪问题的通解（定理3.3，定理4.3，推论4.3）等新结果。     

最小二乘自适应滤波旋转机械阶比跟踪研究

为克服等角度重采样的计算阶比跟踪方法不能在时域提取阶比的不足，提出了直接在时域进行自适应滤波的阶比跟踪方法.通过研究周期性负载机械系统振动信号的特点，构造了包括状态方程和观测方程的振动信号模型.状态方程表示了阶比幅值的平滑变化，观测方程表示了测量误差和噪声.通过构造加权最小二乘自适应滤波器，实现了各阶比成分在时域中提取.并根据滤波矩阵的特殊性，采用共轭梯度法求解滤波方程.实验结果表明，该方法能够在时域中准确地提取幅值和频率变化的阶比，适合于旋转机械振动响应特征提取.     

概率最小二乘法

从方差的离散公式出发,导出了以概率密度加权的最小二乘准则,从误差的期望的离散公式出发导出了估值方程,两者被统一称为概率最小二乘法,实现了以概率密度作为等价权的理想,天然地具有抗差性。当误差为正态分布时,与和极大似然估计完全一致,具有一致性和最小估值偏差。     

基于移动最小二乘法的白质纤维束走向跟踪

为了对脑白质纤维束进行三维重构,提出一种基于移动最小二乘法的纤维束三维曲线走向跟踪算法,根据磁场梯度表与b值把扩散加权数据转换为扩散张量数据并进行高斯滤波,以三次样条函数为权函数对扩散张量数据进行拟和,从感兴趣区域出发在纤维束弯曲角度与特定步长限制条件下进行走向跟踪.对病人脑扩散张量成像数据进行计算,计算结果表明,该算法能够准确快速地对胼胝体纤维束三维走向进行宏观上的跟踪.     

多站雷达功率分配自修正凸松弛算法

为了在发射功率有限的情况下提高雷达性能,提出了一种用于多站分布式雷达对目标定位时采用的功率分配算法．首先给出了多站雷达对目标定位时误差的克拉美罗下界,并将其作为代价函数进行功率优化分配;其次,将目前流行的凸松弛算法加以改进,通过对凸松弛参数的自修正减少凸松弛算法引入的额外误差,并逼近最优结果,充分利用了有限的多站雷达系统发射资源;最后,仿真结果验证了所提算法的有效性．     

非线性部分最小二乘方法用于推断估计器设计

针对工业过程中某些变量难于在线测量的问题,提出一种基于人工神经网络（ANN）的非线性部分最小二乘的推断估计策略。首先对历史数据进行部分最小二乘回归分析,提取特征信息。然后用神经网络建立主元之间的内部非线性关系,得到产品质量的非参数模型。仿真结果表明：该推断估计器具有良好的跟踪速率和较高的估计精度,其性能优于基于原始人工神经网络推断估计器的性能。     

故障诊断的最小二乘估计法

本文讨论了故障诊断的最小二乘估计法，对故障系统应用最小二乘估计出其状态参数值，并与系统标称值比较，从而诊断出系统的故障大小及部位，文中给出了一个仿真实例，诊断结果令人满意。     

最小二乘估计的有效性

对Gauss-Markov模型，本文考虑了最小二乘估计有效性的三种度量，并给出了它们的界。     

纯方位系统定位与跟踪的最小二乘滤波多方位一初距原理

对纯方位系统单目标定位与跟踪问题利用多方位一初距法进行了较深入的研究,给出了多方位一初距法应用于纯方位系统时．方位与初距的变化关系,为建立新的多模型算法提供了理论基础。     

最小二乘法在系统辨识中的应用

系统辨识在工程中的应用非常广泛,系统辨识的方法有很多种,最小二乘法是一种应用极其广泛的系统辨识方法.阐述了动态系统模型的建立及其最小二乘法在系统辨识中的应用,并通过实例分析说明了最小二乘法应用于系统辨识中的重要意义.     

长航迹稳定跟踪的雷达功率分配算法

分布式组网雷达系统在处理跟踪任务时,低信噪比会导致目标检测概率小于1,进而可能导致目标航迹中断。为此,提出了一种长航迹稳定跟踪的分布式组网雷达功率分配算法,通过对雷达系统功率资源的优化配置,同时保证了航迹连续性与良好的系统跟踪性能。首先建立了分布式雷达回波信号及量测模型,然后推导了不确定性量测下的贝叶斯克拉美罗界(BCRLB),进而建立了功率分配问题数学模型。该优化问题中包含复杂非凸约束,为了对其进行高效求解,最后提出了一种基于凸优化的自约束功率分配(SCPA)算法。仿真结果表明,所提SCPA算法可以保证跟踪全阶段所有目标航迹不中断,并保持良好的跟踪性能。