基于遗传算法的目标轨道测量数据融合处理方法

雷达与光测设备是一种重要的外弹道测量设备,利用雷达与光测设备联合跟踪测量飞行目标,再对测量数据进行融合处理,可以得到高精度的目标轨道参数.本文利用约束样条函数样条理论讨论了多测量设备的误差模型方程,提出了一种改进的遗传算法,利用该算法对多传感器测量的数据融合求解方法进行了阐述,给出了具体的计算步骤.仿真数据实验表明,利用该方法处理多传感器测量的目标轨道数据,可以分离各测量设备的系统误差,降低了随机误差对目标轨道精度的影响,提高了数据处理结果的精度.     

组网雷达测量色噪声数据的Hermite插值融合方法

利用组网雷达测量的色噪声数据融合处理出飞行目标坐标与速度,并估计出各雷达测量误差的有关参数。先根据雷达测量原理建立跟踪数据的色噪声误差模型,利用多雷达观测的色噪声数据序列初步估计目标的坐标与速度初值,再利用Hermite插值法估计目标坐标与雷达测量坐标的偏差,不断改进Hermite插值多项式的系数以及误差模型中色噪声修正系数,提高了目标坐标速度等参数的处理精度。仿真数据实验表明该计算方法稳定可靠,定位精度较高,可以发挥Hermite插值法在色噪声测量数据融合处理中的作用。     

合理性检验的方法研究

在把外弹道测量数据看作是非平稳随机信息的基础上，给出了以多分辨分析识别随机误差并进行滤波、以第一种类型间断点的信号奇异性检测识别和纠正孤立型野值、以多项式拟合循环迭代识别和纠正性状明显的斑点型野值、以类似游程检验的方法识别和纠正难于处理的斑点型野值的合理性检验方法；并结合仿真数据进行了处理分析，取得了较好的效果。     

基于深度神经网络模型的雷达目标识别

根据雷达测量的目标电磁散射面积(RCS)序列,采用深度神经网络模型识别空间飞行目标。首先,阐述了提取RCS时间序列特征的方法,包括均值、均方差及周期特性等特征;然后,给出了深度神经网络模型识别RCS目标的算法;最后,用仿真数据验证该识别方法,数值实验结果表明该方法能较准确识别雷达跟踪目标。