基于正交函数系最小二乘拟合的姿态平滑方法

针对高速测控目标姿态数据平滑过程中的微小抖动及处理滞后现象,提出了基于正交函数系最小二乘拟合的姿态数据实时平滑方法,该方法具有平滑效果好、实时性强,基本消除了姿态数据的“抖动”现象,对飞行特性不太平稳的目标适应性较强,在无人机试验中符到了良好的应用.     

负角跟踪问题与统一测控系统①低（负）角跟踪的综合平滑数据算法

与跟踪低角目标相比，负角跟踪时目标将在更大空域处于主瓣反射区和不稳定跟踪区，因而地面多径反射影响更严重。综合平滑数据算法是改善低角和负角跟踪性能的有效方法。阐明综合平滑数据算法的原理、算法和在统一测控系统中的实现，以及由这种软件控制的跟踪系统的外场实验结果     

负角跟踪问题与统一测控系统低（负）角跟踪的综合平滑数据算法

与跟踪低角目标相比，角负跟踪时目标将在更大空域处于主瓣反射区和不稳定跟踪区，因而地面多径反射影响更严重。综合平滑数据算法是改善低角和负角跟踪性能的有效方法。阐明综合平滑数据算法的原理、算法和在统一测控系统中的实现，以及由这种软件控制的跟踪系统的外场实验结果。     

基于平滑变结构-卡尔曼滤波的MIMU/BDS组合导航技术

为了提高模型不准确、大扰动等情况下MIMU/BDS组合导航精度,提出了平滑变结构-卡尔曼组合滤波的信息融合方法.介绍了坐标转换方法,建立了组合导航系统的状态空间方程和观测方程.为了防止老旧观测数据引起算法发散,在卡尔曼滤波算法中融入随残差自适应变化的渐消因子,从而构造了自适应卡尔曼滤波算法.将卡尔曼滤波的精度优势与平滑...     

某自行高炮火控系统目标诸元平滑方法分析

根据对某自行高炮火控系统目标诸元平滑方法的分析，给出了这种平滑方法在假定航路条件下所导致平滑值滞后的关系式。并对这种滞后补偿所带来的目标未来点计算误差进行了定性和定量分析。在分析的基础上提出了一种改进方法。通过仿真定量分析，比较了这种平滑方法与原方法的改进效果。     

具有固定延迟平滑的交互多模型概率数据互联算法

为了提高杂波环境下跟踪机动目标的跟踪精度．文中将交互多模型概率数据互联（IMMPDA）和固定延迟平滑（LS）思想相结合．提出了一种具有固定延迟平滑的IMMPDA（IMM-LS-PDA）算法。通过引入延迟．增广了目标的状态向量,使得目标的固定延迟平滑状态估计更加准确。仿真结果表明。在杂波环境下对机动目标进行跟踪．单纯的IMMPDA算法的跟踪误差很大,并且在转弯机动处,误差出现峰值．算法的平稳性较差;而在进行固定延迟平滑后,算法的跟踪精度有了明显的提高。     

一种融合光流的分通道帧差目标检测方法

针对目前方法在复杂环境下很难有效检测出运动目标的问题,提出了融合光流的分通道帧差目标检测方法。首先通过降噪和平滑预处理工作增强有效信息,然后使用实时分通道图像差分精确检测运动目标,最终融合光流检测信息,以运动信息修正检测误差,很好的逼近真实目标。在检测算法中使用数学形态学方法去除噪声和斑点以提高检测效果。实验结果证明,该算法能对运动目标快速而准确的检测。     

卡尔曼滤波方法在外弹道实时处理中的应用

靶场的测控网设备类型多样、精度不一，为了解决外弹道实时数据处理的精度问题，采用卡尔曼滤波方法，设计了与之匹配的8组卡尔曼滤波器，通过对目标动态模型和观测模型在线识别。实现目标状态参数的最优估计，建立了一套完整的数据检验准则；通过对目标动态模型处理、建立了高效的数据融合和自适应算法、优化数据结构和计算流程。     

基于强化学习的飞航导弹姿态控制PID参数调节方法

针对人工智能在传统飞航导弹控制系统优化改造方面的应用进行了初步探索。考虑到目前实际应用中控制结构基本上都是采用PID控制形式,利用强化学习技术实现了PID姿态控制参数的在线闭环快速自适应整定。通过分别搭建评价网络和动作执行网络,实现对非线性系统最优目标函数的逼近和对PID控制参数的拟合,并利用梯度下降法给出了不基于被控对象动力学而只依赖于观测数据的神经网络权值调整公式。考虑到实际工程实现,动作执行网络的输入采用长周期信号,数学仿真结果验证了所提算法的有效性。     

一种用于仅有位置观测信息的机动目标跟踪滤波算法

在机动目标跟踪研究领域,"当前"统计模型自适应跟踪算法(ATS)在仅有位置观测信息的机动目标跟踪中具有一定应用价值。针对ATS算法中目标最大机动加速度为预设的常值,存在不能很好的适应各种机动情况的问题,对目标最大机动加速度进行实时自适应调整优化设计,使目标最大机动加速度以指数形式实时逼近加速度估值均值。改进后的滤波算法保持了原算法机动加速度的分布特性,提高了目标的跟踪精度。     

具有多传感器的引信信息融合技术研究

采用多传感器的引信系统是获取更多的目标信息,提高引信抗干扰性,可靠性,改善引战配合的有效途径之一。多传感器系统在引信中应用时,应该根据工程要求不同采用不同的结构及数据融合方法。     

数据融合在雷达目标识别中的应用

数据融合（Data fusin)技术又称多传感器数据融合或分布式传感,即对多类、多源和多平台传感器数据进行组合,提供有关环境综合态势的一种数据处理技术。该技术在防空中首要解决的问题是,根据不同传感器信息源的信息,将飞机,导弹等不同空中目标航迹分类,实现对目标的探测、跟踪和识别。文中列出了其应用实例和用于雷达目标识别的各种数据传感器,分析了利用目标特征的统计或确定的、无知识库或有知识库的、用判定或信号融合的等类数据融合方案,讨论了加权平均法、表决规则法、模糊理论法、神经网络法等数据融合方法,并以“自动驾驶仪”为例,论证了专家系统在数据融合中的作用,由此提出了以专家系统和人工神经网络相结合的数据／信息融合是解决雷达目标识别之捷径的结论。     

基于支持度矩阵的一种多传感器融合方法

针对当前多传感器融合过程中,各传感器可靠度估计困难和观测值融合精度低的问题,文中提出一种基于支持度矩阵的最优加权多传感器融合方法,首先建立各传感器之间的相互支持度矩阵,然后对综合支持度高的传感器进行最优加权融合。仿真结果表明,该方法实现简单,能够客观地反映各传感器的可靠程度,不需要知道任何先验信息。而且与同类融合方法相比,该方法具有更好的融合精度。     

多传感器目标检测的模糊信息融合技术研究

在多传感器目标检测系统设计中，往往需要对传感器虚警率和检测率进行数学描述，原来的经典概率值不能对这种本性不确定的量进行充分描述，利用模糊集合对这种不确定性进行模糊建模更符合所研究物理现象的客观事实。文中将模糊集合理论应用到分布式多传感器检测系统的一种信息融合算法中，对原算法进行了改进。     

数据融合技术在末敏弹目标识别中的应用

末敏弹探测结果直接影响到其毁伤装甲目标的能力，为了提高末敏弹对目标的识别能力，提高命中概率，该文采用基于模糊数学和D—S证据理论的多传感器数据融合技术，对毫米波／红外复合敏感体制末敏弹的目标识别问题进行了分析研究，有效地提高了末敏弹对目标的识别能力。     

多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

基于样条函数表征目标运动轨迹事后数据融合方法研究

针对靶场小型、机动目标多体制跟踪定位模式,提出一种基于样条函数描述目标运动轨迹并进而转换,实现以其为基函数对测控设备测元进行表征的数据融合方法。在最小二乘准则下,采用非线性最优化方法对样条函数最优节点分布进行搜索,使自由节点分布适应目标运动特性,极大减小截断误差,联合误差方程待估参数被极大压缩,计算效率提高。通过工程应用分析,该方法不仅目标轨迹参数计算精度高,而且能够准确自校准各测元系统误差。     

基于码载偏离度的改进自适应Hatch滤波算法

针对单频地基增强系统(GBAS)中载波相位平滑伪距精度易受电离层延时和伪距测量噪声影响的问题,分析卫星信号码载偏离度对Hatch滤波器平滑精度影响,提出一种基于码载偏离度的自适应Hatch滤波算法.根据伪距和载波相位观测值计算码减载波,建立其1阶线性模型;在此基础上采用最小二乘法估计电离层延时变化率,由此分离得到伪距测...     

一种全局最优化检测融合算法研究

文中研究了非理想信道条件下分布式检测融合系统的性能优化问题。融合系统由融合中心及N部传感器构成，各部传感器通过非理想信道与融合中心连接。为了使系统检测性能达到最优，需要对融合规则及各部传感器的判决规则进行全局最优化。文中推导了融合系统检测性能的全局最优化融合算法，并采用该融合算法对系统性能进行了优化。     

一种非理想信道条件下双传感器检测系统的融合算法研究

研究一种非理想信道条件下检测融合系统的性能优化问题。融合系统由两部传感器构成，系统配置结构采用串行结构。为了使系统检测性能达到最优，需要对两部传感器的判决规则进行联合最优化。在非理想信道条件下，推导了两部传感器的最优判决规则，并给出了求解最优判决规则的数值迭代算法。仿真结果表明，采用该融合算法对系统性能进行优化，可明显提高融合系统的检测性能。