实测数据的降秩空时自适应处理方法

本文介绍了两种在广义旁瓣相消器结构上的降秩空时自适应处理方法:主分量法和互谱法,这两种方法是利用杂波和干扰的低秩属性,应用采样数据来构造降维转换矩阵。最后对MountainTop计划进行了详细的描述,并对从MountainTop计划测得的数据,应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性,减少了计算量,并提高了有效可测收敛性。     

一种基于混沌和GFRF的故障诊断方法

提出了一种基于相空间重构和广义频谱响应函数 (GFRF)算法的复杂电子系统故障诊断方法 ,该方法将复杂电子系统中参数变异演化造成的不稳定因素作为研究对象 ,利用相空间重构和Γ test算法将系统的观测数据构造成伪输入 /输出对 ,用GFRF的简化模型辨识算法计算系统的三阶GFRF核 ,用数据替代法生成系统故障数据 ,借助于对系统的互调失真的跟踪与估计 ,实现系统故障的检测与识别。实验结果表明 ,该故障诊断方法可准确地检测出复杂电子系统中的故障现象     

多传感器融合多目标跟踪中的序贯航迹关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法。为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合。序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量。仿真实验结果说明了本文方法的有效性。     

一类约束优化问题的改进遗传算法

遗传算法是一种解决非线性无约束优化问题的搜索算法，对于约束优化问题通常采用罚函数法；所提出了的改进算法很好地解决了一类带有凸约束的非红性优化问题。数值结果说明该方法效果较好。     

基于证据距离与不确定度的证据组合方法

Dempster-Shafer证据理论是信息融合领域中的一种重要的理论与方法.然而在实际应用中,Dempster证据组合规则无法有效处理高冲突证据组合问题,往往引发反直观结果.针对这一问题,提出一种新的加权证据组合方法.该方法同时利用证据距离和证据不确定度来生成权重进而修正待征组合证据,并取得合理的组合结果.实验结果表...     

利用遗传算法的垂直命中导引律研究

导引问题是鱼雷实现精确制导,完成对目标有效攻击的关键.本文主要研究了将遗传算法用于鱼雷垂直命中导引问题.首先研究了遗传算法用于鱼雷导引的可行性和优势,在研究了遗传算法特性的基础上,提出了一种基于遗传算法的逐次变提前角自导导引算法,并且进行了相应的仿真试验研究.仿真结果表明,本文提出的基于遗传算法的垂直命中导引律具有响应速度快、鲁棒性强的优点,很好地解决了鱼雷导引过程中导引律的收敛性问题,具有工程实用价值.     

一类具有Markovian参数的随机微分时滞方程的指数稳定性

对Hilbert空间中具有Markovian参数的随机泛函微分时滞方程的指数稳定性进行了讨论。利用指数鞅公式,Lyapunov函数和一些不等式给出系统指数稳定的充分条件。这是对已有结果的完善和推广。通过一个例了对本文的结论进行了说明。     

广义频率响应函数理论及其应用

介绍了广义频率响应函数（ＧＦＲＦ）的基本原理和基本性质,研究了基于ＧＦＲＦ模型非参数模型的辨识算法,并尝试把ＧＦＲＦ理论应用于非线性系统的故障诊断,探讨了从ＧＦＲＦ谱中提取故障特征信息的方法。经实际使用,取得了较为显著的成效。     

基于星凸形随机超曲面模型多扩展目标多伯努利滤波器

针对复杂不确定性环境下具有不规则形状的多扩展目标跟踪问题, 提出了一种基于星凸形随机超曲面模型(Star-convex RHM)的多扩展目标多伯努利滤波算法.首先, 在有限集统计(Finite set statistics, FISST)理论框架下, 采用多伯努利随机有限集(MBer-RFS)和泊松RFS (Possion-RFS)分别描述多扩展目标的状态和观测, 并给出扩展目标势均衡多目标多伯努利(ET-CBMeMBer)滤波器.其次, 利用RHM去描述任意星凸形扩展目标的量测源分布, 提出了容积卡尔曼高斯混合星凸形多扩展目标多伯努利滤波器.此外, 本文给出了一种多扩展目标不规则形状估计性能的评价指标.最后, 通过多扩展目标和具有形状突变的多群目标的跟踪仿真实验验证了本文方法的有效性.     

基于贝叶斯理论框架的传感器选择算法

针对大规模传感器网络(Large-scale sensor networks)的目标跟踪问题, 本文在贝叶斯(Bayes)框架下, 提出了一种全新的基于传感器选择的多传感器目标跟踪算法.算法的具体思路为:首先基于Bayes框架, 根据不同的管理目标, 推导出传感器选择的目标函数; 然后根据目标函数, 计算出相应的传感器选择方案; 最后将选择的传感器进行数据融合, 求得传感器网络的目标跟踪结果.相比传统的基于量测野值点剔除思想的目标跟踪算法以及基于系统偏差估计的传感器配准算法, 本文提出的基于传感器选择的多传感器目标跟踪算法不仅目标跟踪精度更高, 且跟踪性能更稳定.同时本文提出的传感器选择算法还可以适用于杂波数目较少的目标跟踪场景.仿真结果说明了本文所提算法的有效性.