改进UKF算法在天波超视距雷达中的应用

针对传统的无损卡尔曼滤波(UKF)算法在对天波超视距雷达进行目标跟踪的过程中存在滤波发散和初始收敛速度慢等问题,提出一种改进的UKF算法。通过引进调节因子对状态矢量和观测矢量的协方差作实时调整,以达到提高滤波结果中状态信息与观测信息的正确率和雷达跟踪系统性能的目的。仿真结果表明,该算法在处理目标跟踪问题时,既可有效抑制UKF算法的发散,又可提高跟踪系统的收敛速度。     

基于协同噪声干扰的机载雷达射频隐身性能优化算法

随着现代战场中无源探测系统能力的不断提升,机载雷达的生存环境受到日益严峻的威胁和挑战。针对当今电子战中对射频（RF）隐身技术的需求,提出了一种基于协同噪声干扰的机载雷达射频隐身性能优化算法。本文首先以电子对抗中的功率准则为基础,研究了协同噪声干扰对机载雷达射频隐身性能的影响;然后建立了雷达信号截获概率模型,并提出了一种基于协同噪声干扰的机载雷达射频隐身性能优化算法,通过自适应地调整机载雷达的发射功率和协同干扰机的噪声干扰信号功率,在满足系统资源和性能要求的前提下,最小化截获概率;最后通过仿真实验验证了所提算法的可行性和有效性。     

用于弹道目标跟踪的新的非线性滤波算法

针对再入阶段弹道目标的跟踪问题,提出一种新的自适应滤波算法,即强跟踪有限差分扩展卡尔曼滤波（STFDEKF）算法,用于非线性系统的目标跟踪。该方法使用Sterling内插公式进行多项式的近似,从而实现对非线性函数的近似,避免了非线性函数的求导运算;并且算法中引入强跟踪的因子来修正先验的协方差矩阵。新算法改进了跟踪精度,扩大了应用范围,增强了滤波收敛性。仿真实验将新算法与扩展卡尔曼滤波器（EKF）、有限差分扩展卡尔曼滤波器（FDEKF）进行了比较,结果表明,STFDEKF在跟踪精度和滤波可靠性上均优于EKF和FDEKF,但其计算复杂性更大。得出结论,STFDEKF是个很有效的非线性滤波算法。     

改进协方差矩阵的智能车视觉目标跟踪方法

智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点，现有算法难以实时估计目标的状态。针对识别物体复杂且多变，很难用完全的特征来描述待识别目标及其背景的不断变化，提出了一种用于融合颜色特征及SURF（Speed-Up Robust Features）特征的协方差矩阵来改进粒子滤波算法，从而提升视觉目标跟踪的实时性，满足智能车辆的要求。首先，对采集的图像进行预处理来获取感兴趣区域。接着，通过融合颜色特征及SURF特征构造范围感兴趣区域（Region Of Interest，ROI）的目标特征协方差矩阵，建立目标状态预测模型及状态观测模型，用于改进粒子滤波算法粒子重采样过程，实现对目标的精确跟踪。最后，将该方法与Mean-shift算法和颜色属性（CN）算法进行对比。实验结果表明，在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时，该算法在满足智能车辆对实时性要求的前提下，有效提升算法的精确度及鲁棒性。     

一种改进的海面舰船目标跟踪方法

用警戒雷达跟踪海面舰船目标时,由于舰船运动速度较慢,这使得其在雷达两次观测之间的位移与雷达本身的测量误差是可比拟的。这种情况下,传统的Kalman滤波在付出较大计算量的同时并不能显著提高跟踪精度。为此,针对海面匀速直线运动的舰船目标,提出了一种基于线性递推回归的投影滤波跟踪算法（Projection Filter based on Linear Recursive Regression,PFLRR）,仿真实验表明该算法的滤波性能与Kalman滤波相当,但其计算量仅为Kalman滤波的2/5左右。     

辐射限制下有源无源协同跟踪技术

为了提高作战飞机的隐蔽性,提出了一种辐射限制下有源无源传感器目标跟踪与协同管理的方法,给出了基于辐射控制的机载多传感器系统协同跟踪方法.利用跟踪过程中目标残差范数与门限的比较结果,判断雷达开关机,用序贯和IMM(interacting multiple model)联合滤波算法对目标进行跟踪.对利用该方法的机载多传感器目标跟踪性能进行了仿真分析,仿真结果证明了该方法的合理性和有效性.     

闪烁噪声环境下机动目标跟踪的改进的高斯-厄米特粒子滤波

针对闪烁噪声环境下机动目标跟踪的非线性、非高斯问题,提出了一种改进的高斯-厄米特粒子滤波算法.和传统的高斯-厄米特粒子滤波算法相比,在生成粒子集时,改进的高斯-厄米特粒子滤波算法采用高斯-厄米特滤波对当前时刻的各个粒子进行估计,将得到的估计值和协方差直接作为粒子滤波算法的粒子集及相应的协方差.仿真结果表明,改进的高斯-厄米特粒子滤波算法对闪烁噪声环境下的机动目标能够进行有效的跟踪,提高了跟踪精度.     

基于DE-Kalman滤波的尾矿库浸润线监测信息处理北大核心CSCD

针对传统Kalman滤波算法中噪声协方差取值固定容易制约滤波性能的缺点,提出一种基于差分进化(DE)算法的Kalman(DE-Kalman)滤波方法。该方法将估计误差的均方根作为适应度函数,利用差分进化算法选择滤波过程中最优的噪声协方差。针对尾矿库浸润线的动态特性,建立了常速和常加速两种机动目标跟踪中常用的系统状态模型,分别用Kalman和DE-Kalman滤波算法进行状态估计,实验结果证明了DE-Kalman滤波算法在浸润线监测信息处理中的有效性。     

一种主/被动雷达模糊数据融合算法

提出一种基于模糊逻辑的主/被动雷达传感器数据融合算法。首先将单个雷达的测量值通过时间校准后,将它们作为卡尔曼滤波器的输入分别滤波,然后再对滤波后的目标状态估计进行融合。融合算法基于卡尔曼滤波的协方差匹配关系,采用模糊推理得到数据融合的权值。最后将各传感器的卡尔曼滤波状态估计进行加权融合得到所需要的目标状态信息。采用该融合算法可以有效提高目标跟踪系统的抗干扰能力。仿真结果表明该算法有效。     

多传感器信息融合的目标跟踪研究

为了提高红外与毫米波雷达双模制导系统的目标跟踪精度,提出了将UKF用于红外和毫米波雷达的数据处理,采用分布式融合结构,通过对两传感器的滤波协方差矩阵的相关估计,将滤波协方差矩阵和状态估计进行融合。该方法应用于红外与毫米波雷达双模制导系统的目标跟踪仿真,仿真结果表明：与单传感器系统相比,该方法提高了制导系统的目标跟踪精度。     

基于射频隐身的相控阵雷达搜索控制参量优化设计

机载雷达射频隐身技术对提高飞行器生存能力具有重要意义。 本文研究了机载相控阵雷达基于射频隐身的搜索控制参量优化设计。通过分析截获概率原理 ,给出了目标特征和雷达系统性能对驻留时间和波位间隔等搜索控制参量的影响关系,构建 了目标探测性能与隐身性能约束下的优化模型。仿真获得了满足隐身要求下相控阵雷达的最 优搜索控制参数。     

机载雷达辅助无源传感器对杂波环境下机动目标跟踪

机载雷达辅助无源传感器对目标协同跟踪具有重要战术作用,而当前相关算法模型较为简单。为了贴近工程实际,提出一种机载雷达辅助无源传感器对杂波环境下机动目标的跟踪算法。该算法考虑了地球曲率和载机时变姿态等因素的影响,基于地心地固(ECEF)坐标系,联合交互多模型(IMM)和概率数据关联(PDAF)方法,以综合预测协方差的迹为控制变量来管理机载雷达的开关机。仿真结果表明,通过选择合适的控制门限,在节约辐射能量、提升生存能力的同时算法的跟踪性能并无明显下降,从而表明了所提出算法的有效性。     

舰载机多雷达传感器任务分配与采样间隔融合优化算法

针对舰载机协同探测中多雷达传感器资源配置问题,提出一种多目标跟踪场景下的多传感器数据率管理与任务分配融合优化算法.在基于协方差控制的多传感器分配模型基础上,加以目标优先级和传感器效能条件约束,建立一种多传感器数据率管理与任务分配融合优化模型.将驻留时间改进因子引入序贯卡尔曼滤波算法,计算不同采样间隔下传感器组合状态估计...     

基于容积卡尔曼滤波的异类多传感器一致性融合算法

针对单一光频传感器获取目标特征信息存在的不一致性,提出一种基于容积卡尔曼滤波的异类多传感器一致性融合方法。首先,从原理上分析了激光、红外与雷达三类传感器量测信息的特征及其存在的差异,进而在容积卡尔曼滤波框架下,针对雷达、红外和激光探测等组成的典型目标侦测系统,结合一致性融合策略,通过对目标距离和方位信息融合处理改善目标状态估计精度。仿真结果表明：相对于传统的单传感器滤波方法,所提出的融合方法和策略具有较好的滤波性能。     

空间非合作目标在轨主/被动融合跟踪方法

针对空间远距离非合作目标的点目标跟踪问题,研究基于非地面测控数据支持的远距离空间目标的在轨主/被动融合跟踪方法。包括运用基于被动传感器以及雷达间歇辅助测距跟踪的Unscented卡尔曼滤波(UKF)方法,得到非合作目标的运动状态信息,即利用光学跟踪摄像机的二维角度量测值及雷达间歇提供的距离量测值,估计目标的惯性位置与速度方法,为后续自主空间操作建立初始轨道状态数据。仿真结果表明,当状态误差和量测噪声改变时,UKF均能持续跟踪远距离非合作目标,使得雷达间歇提供的距离信息可以得到更好的跟踪精度。     

基于自适应SR-CKF的序贯式WSNs目标跟踪算法

针对无线传感器网络(WSNs)动态目标跟踪问题,即通过对传感器获取的动态系统状态进行估计,预测目标的位置.提出一种基于自适应平方根容积卡尔曼(SR-CKF)的序贯式WSNs动态目标跟踪算法.该算法在运算过程中直接传递目标状态均值和协方差矩阵的平方根因子,降低了计算的复杂度.将目标跟踪过程序贯式地分配到动态簇集的每一个节点上,减小了无线通信过程中碰撞和干扰现象的发生,降低了节点通信和计算负担.针对不良观测信息,基于新息协方差匹配原理,建立了自适应SR-CKF,提高了整个系统的鲁棒性.实验仿真结果表明,本文提出的基于自适应SR-CKF的序贯式WSNs目标跟踪算法有效的提高了跟踪的精度和稳定性并且减小了传感器节点间通信的能量损耗.     

极化MIMO雷达隐身目标检测性能研究*

多输入多输出(MIMO)雷达使用了远距分布的阵元,它利用了信号的空间分集增益来获取更多的目标信息。极化是另一种可以提高雷达系统性能的分集方式。当应对隐身目标时,传统的极化雷达在某些观测角度会遭受到较大的目标雷达截面积(RCS)衰减,而无法获得较好的检测性能。而在一个雷达系统中同时利用这两种分集增益,可以得到一种比传统极化雷达更具优势的新雷达检测系统——极化统计MIMO雷达,它可以更好地应对隐身目标检测。给出了相应的模型,并推导出了该雷达系统的检测性能解析式。将其与传统相控阵及非极化统计MIMO雷达比较,可以看到极化统计MIMO雷达的检测性能更佳。联系到隐身目标的特性,极化MIMO雷达的检测器特性应对它时具有显著优势。最后,以上方法通过仿真得到了验证。     

Fusion of possibly biased location estimates using Gaussian mixture models

A probabilistic framework for fusing location estimates, which may be biased and inconsistent, is presented. The proposed method, involving Gaussian mixture models (GMMs), utilizes prior information regarding the sensor bias, firstly, to reduce errors in the fused location estimate, and secondly, to produce a fused covariance matrix that better reflects the expected location error. Simulations are used to evaluate performance, relative to other techniques, such as the covariance union (CU) method. A passive geolocation application involving an airborne electronic support (ES) system is considered.