基于距离跟踪的矢量脱靶量测量方法

提出了一种基于纯距离跟踪的空间目标运动轨迹提取的矢量脱靶量参数估计新方法.该方法利用脉间频率步进体制的脱靶量测量系统获得较为精确的瞬时距离信息.通过建立目标运动模型,采用纯距离目标跟踪定位的有限差分扩展卡尔曼滤波算法,获得目标运动的精确轨迹.利用跟踪得到的空间位置点,时矢量脱靶量参数进行估计.仿真结果表明该方法可以得到满意的矢量脱靶量估计结果.     

基于自适应马尔可夫参数交互多模型算法的弹道导弹跟踪研究

对弹道导弹主动段和自由段进行连续跟踪已成为弹道导弹防御亟待解决的问题。采用多模型交互算法,是解决该问题一条可行途径,但传统交互多模型马尔可夫概率转移矩阵参数固定,切换过程模型概率滞后。文中基于后验信息修正,提出了一种马尔可夫参数值自适应调整算法,根据不匹配模型误差压缩率的变化,自适应调整先验的马尔可夫概率转移矩阵参数,切换过程中较多地压缩不匹配模型的信息,放大匹配模型的信息,提高系统的收敛速度。仿真实验表明：马尔可夫参数自适应调整算法对弹道导弹主动段与自由段交替处的跟踪效果优于传统多模型交互算法。     

智能雷激光引信扫描目标的建模与仿真

为研究智能雷激光引信一维距离像的特征,将动力学、运动学原理应用于智能雷子弹药扫描运动的建模中。采用解析几何方法建立了地面背景、干扰物、装甲目标、扫描线与目标交会的数学模型。仿真计算了智能雷激光引信在不同干扰物影响下,扫描静止和运动的装甲目标所产生的一维距离像。结果表明:激光引信能够多次探测目标,探测目标的次数与时间由智能雷子弹药与目标的相对位置决定;对外形特征明显的目标,激光引信一维距离像具有唯一性。建立的仿真模型可为智能雷总体设计、激光引信设计、目标识别算法的研究提供参考和借鉴。     

基于高速摄像弹道跟踪原理的弹丸章动角测试方法

弹丸章动角是影响火炮射击密集度的重要因素之一,一直是火炮研究领域的热点问题。为得到弹丸出炮口段附近弹丸章动角测试结果,采用基于高速摄像的弹道跟踪法开展弹丸章动角测试方法研究。利用高速数字摄像机和弹道跟踪架建立弹道跟踪系统,记录弹丸飞行轨迹图像,借助于图像分析软件获得弹丸上下章动角测试结果。采用弹道跟踪系统对某火炮弹丸进行实例验证,得到弹丸出炮口段附近弹丸上下章动规律,各发弹丸之间弹丸章动角数值分散性较大,第1发弹丸章动角最大值为-5.2°. 研究结果表明,弹道跟踪法是获取弹丸章动角测试结果的理想方法。     

超宽带无线电引信回波信号建模与仿真

由于超宽带信号辐射、地面散射特性及超宽带无线电引信回波信号频率等原因,超宽带无线电引信回波信号经常被淹没在噪声中。为了得到超宽带无线电引信回波信号,从超宽带信号的多径效应出发,推导出了超宽带无线电引信回波信号数学模型,并通过时域分析法及Matlab进行仿真。仿真结果表明：由于引信天线波束照射范围内距离不同导致地面散射信号返回到天线的时间不同,从而造成展宽效应,并且随着高度不断增加,展宽效应更加明显;随着高度的增加,超宽带无线电引信回波信号幅度相应变小。通过与实测波形比较,验证了建模的正确性。     

基于导航恒星几何分布的天文导航定姿系统误差建模及误差特性研究

导航恒星作为天文导航系统定姿的基础信息源,其空间分布对天文导航系统定姿性能存在较大影响。为有效分析天文定姿误差特性,基于天文定姿观测基本原理,采用多矢量天文定姿方法,推导建立了天文定姿误差模型,基于该模型分析了影响天文定姿性能的关键因素,并给出用于评价定姿性能优劣的误差权系数定义。以多矢量定姿中的三星观测定姿为例,采用仿真验证了所建立的基于恒星几何分布的天文定姿误差模型的正确性,该误差模型能够有效反映天文定姿的误差特性规律,为分析天文定姿性能提供了理论依据。     

基于距离信息的Mean-Shift跟踪算法

针对图像制导目标跟踪系统在跟踪过程中,成像视角和距离的变化带来的跟踪漂移问题,提出了利用距离信息动态更改Mean-Shift算法跟踪窗口尺度的算法。依据初始跟踪时选定的目标模板,建立目标的灰度特征模型,确定初始跟踪窗口尺度;在跟踪过程中依据距离信息来动态更新跟踪窗口尺度,保证在跟踪系统逐渐接近目标的过程中跟踪窗口能够完全包括或者绝大部分包含目标;在每一帧跟踪收敛后利用Bhattacharyya相关系数对目标模板进行非线性更新。以Vega产生的模拟飞行视频数据进行了算法仿真,结果表明：该算法能够适应目标不断膨胀的情况,在很大程度上降低跟踪漂移。     

基于5阶降维平方根-容积卡尔曼滤波的动基座对准应用研究

为提高动基座下捷联惯导系统的对准精度、数值稳定性和减小计算量,将5阶容积卡尔曼滤波(CKF)、降维算法、多次离散和平方根(SR)滤波结合起来,形成5阶降维SR-CKF非线性对准方案。为减小5阶CKF的计算量,建立非线性-线性分离的系统模型,引入降维算法;为提高1阶龙格-库塔法的逼近精度,设计多次离散和时间更新的滤波框架;为提高数值稳定性,推导了5阶降维SR-CKF;比较常规3阶SR-CKF、5阶CKF和5阶降维SR-CKF的各项特性。实车动基座对准实验结果表明:该方案对准精度高、数值稳定性强、计算量小,满足应用需要。     

水下驻留无人水下航行器驻留过程建模与仿真

针对水下驻留无人水下航行器（UUV）的运动特点,建立了大攻角下UUV运动仿真的六自由度数学模型,提出了一种驻留UUV辅助推进器的控制方法,并对UUV驻留过程中的下潜运动进行了仿真研究。具体分析了UUV下潜驻留运动中攻角、侧滑角、速度、俯仰角等参数的变化规律。仿真结果表明：航行器的轴向速度在阻力作用下逐步减小,趋近于0;在辅助推进器的作用下,UUV下潜速度被限定在安全范围内,导致UUV攻角逐步增大,直至接近90°;在前后2个辅助推进器的作用下,航行器的信仰角始终被控制在合理范围内,从而确保UUV具有良好的着陆姿态。     

主从式无人水面艇协同定位滤波方法与实验验证

多无人水面艇（USV）协同导航定位技术是解决复杂作业环境下导航问题的重要途径。针对单主艇的主从式多USV的协同导航定位问题,建立了协同定位的状态空间模型,然后将非线性模型绕滤波值展开,得到非线性系统的线性化模型;利用扩展卡尔曼滤波算法进行信息融合;针对双艇间的距离、角度与协同定位精度的关系展开研究,对协同导航滤波算法使用李代数法进行了可观测性分析。研究表明,控制相邻两时刻主从艇之间距离和角度变化量是提高协同定位精度的有效措施。通过仿真和实验验证,为下一步深入研究和路径规划奠定了基础。     

基于均值偏移和卡尔曼滤波的目标跟踪方法

分析了Mean—shift难以有效地跟踪复杂背景下灰度运动目标的主要缺陷,提出了结合Mean-shift和卡尔曼滤波器的目标跟踪方法。该方法利用卡尔曼滤波器预测目标在当前时刻的起始位置,然后Mean-shift在该位置的邻域内寻找目标所处位置。同时。采用Bhattacharyya系数度量“目标模型”和“候选模型”相似程度．确定“候选模型”是否更换为“目标模型”,避免目标模型过度更新。以地物为背景的飞机目标图像序列试验结果表明该方法较原Mean-shift方法可明显提高阻挡情况下的目标跟踪稳定性。     

一种基于帧差法结合 Kalman 滤波的运动目标跟踪方法

为解决视频帧目标跟踪中的尺度变化导致的目标跟踪发生跟丢的问题,提出一种自适应跟踪窗口的处理 方法,利用下一帧的估计位置与当前帧目标位置的差值作为检测量,自适应调整跟踪窗口,实现目标的有效检测和 跟踪。实验结果表明：该方法能有效降低目标跟丢的概率,预防目标的误跟踪,适应目标尺度变化。     

基于改进混杂扩展卡尔曼滤波的炮弹阻力系数辨识

针对利用炮弹飞行数据辨识阻力系数的问题,提出了一种改进形式的混杂扩展卡尔曼滤波(IHEKF)方法。引入虚拟过程噪声并且在每个时间步长对称化协方差矩阵,避免了混杂扩展卡尔曼滤波在实际应用中由于系统建模误差及弹载计算机的精度有限引起的发散问题,提高了阻力系数辨识的鲁棒性。数值仿真结果表明:当建模误差可以忽略不计时,采用IHEKF能以高精度辨识出阻力系数; 当建模误差较大时,采用IHEKF具有较好的鲁棒性。     

基于相关和卡尔曼滤波的组合跟踪算法

针对现有单一或组合跟踪算法对于复杂背景条件下高速红外目标跟踪稳定性较差的问题,提出了基于相关和卡尔曼滤波的组合跟踪算法。该算法改进了相关跟踪算法的模板设计,并将其计算的目标位置作为卡尔曼滤波观测量输入来修正和预测目标航迹。在多种复杂背景条件下的反复测试验证表明,该算法有较好的鲁棒性,实现了对目标的稳定跟踪,满足光电系统对高速红外目标跟踪稳定性的高要求。     

基于卡尔曼滤波的陀螺仪阵列技术研究

多个相同型号的陀螺仪测量轴相互平行,测量同一个角速度信号所组成的阵列叫做陀螺阵列。通过研究陀螺阵列提高惯性测量精度的信息处理算法,建立单个微机电（MEMS）陀螺仪的两种不同漂移模型,利用Allan方差对漂移系数进行辨识,将辨识出的随机漂移系数应用于卡尔曼滤波。通过卡尔曼滤波将陀螺阵列的信息融合为一个较高精度的输出,证明了卡尔曼滤波的稳定性。通过实验对比了不同建模方法的优劣,并且验证了基于卡尔曼滤波的信息融合方法可以有效提高MEMS陀螺仪的精度。     

基于EKF的机载光电吊舱目标定位研究

为提高机载光电吊舱进行目标定位的精度,研究吊舱的设备测量误差对目标定位精度的影响,推导了目标定位方程,并建立了目标定位的扩展卡尔曼滤波(EKF)模型.通过在Matlab/Simulink中进行仿真,定量分析了吊舱的测距误差、高低角和方位角误差对目标定位精度的影响.结果表明定位误差可以在2 s的时间收敛到5 m,提高了定位精度和收敛速度;分析测量误差对定位精度的影响,可为吊舱的精度分配或改进提供理论依据.     

基于径向基函数神经网络和无迹卡尔曼滤波的弹丸落点预报方法研究

为了能够在飞行数据不尽精确的情况下进行快速、准确的落点预报,提出一种基于径向基函数（RBF）神经网络和无迹卡尔曼滤波技术的弹丸落点预报方法。使用RBF神经网络逼近外弹道方程用以预报弹丸落点,并用改进型量子行为粒子群算法优化网络结构和权阈值,在此基础上对基于神经网络的初步预报数据进行滤波处理。最后进行预报仿真,在输入数据有噪声的情况下依然得到了较高的预报精度,从而证明该方法对预报弹丸落点是有效可行的,为弹丸的落点预报的实际应用提供了参考。     

基于UKF的目标状态与系统偏差的联合估计算法

研究了三维系统偏差条件下的扩维目标跟踪问题,提出了一种基于不敏卡尔曼滤波器（UKF）的系统偏差和目标状态的联合估计算法（ASUKF）.Monte-Carlo仿真结果表明,ASUKF算法较好地避免了扩展卡尔曼滤波器的模型线性化误差易导致滤波发散的问题,能更加有效地对目标状态和系统偏差进行实时联合估计.