Impacts of space-time-frequency synchronization errors onwide-band target echo characteristics of bistatic/multistatic radar

Bistatic/multistatic radar has great potential advantages over its monostatic counterpart. However, the separation of a transmitter and a receiver leads to difficulties in locating the target position accurately and guaranteeing space-timefrequency synchronization of the transmitter and the receiver.The error model of space-time-frequency synchronization in a motion platform of bistatic/multistatic radar is studied. The relationship between the space synchronization error and the transmitter platform position, receiver platform position, moving state, and beam pointing error, is analyzed. The effect of space synchronization error on target echo power is studied. The target scattering characteristics are restructured by many separate scattering centers of the target in high frequency regions. Based on the scattering centers model of the radar target, this radar target echo model and the simulation method are discussed. The algorithm of bistatic/multistatic radar target echo accurately reflects the scattering characteristics of the radar target, pulse modulation speciality of radar transmitting signals, and spacetime-frequency synchronization error characteristics between the transmitter station and the receiver station. The simulation of bistatic radar is completed in computer, and the results of the simulation validate the feasibility of the method.

基于自适应CS模型的IMM算法

目标运动状态的改变将导致目标跟踪算法精度降低或发散。为了提高机动目标跟踪的跟踪性能,首先,针对当前统计(current statistical,CS)模型中最大加速度固定设置导致模型误差增大的问题,提出了一种自适应CS模型;在自适应CS模型和交互式多模型(interacting multiple model,IMM)的基础上,提出了一种交互式多自适应模型(interacting multiple adaptive model,IMAM),该模型通过采用两个自适应CS模型,能够有效消除目标状态突变造成模型误差急速增大的问题,提高了模型的准确度和适应性。其次,在IMAM的基础上,结合修正卡尔曼滤波(amendatory Kalman filter,AKF)的思想,提出了IMAM-AKF算法,该算法通过修正最终的状态融合估计值,有效地降低了目标机动造成的模型误差,进一步提高了机动目标跟踪的性能。最后,结合自适应渐消卡尔曼滤波(adaptive fading Kalman filter,AFKF)的思想,提出了IMAM-AFAKF算法。仿真结果表明,无论是强机动还是弱机动,IMAM-AFAKF算法都具有较好的跟踪性能。

肺癌精确放疗中计划靶区外扩边界数学模型的建立研究

目的:研究肺癌精确放疗中计划靶区(PTV)外扩边界的影响因素及其数学模型的建立。方法:肺癌患者在CT扫描结束后,将断层图像输入计划系统进行三维重建,勾画肿瘤靶区。测量患者的肿瘤位置、肿瘤体积、肺体积、性别、年龄、体质量等相关参数。在模拟机下分别拍摄正位、侧位的吸气末和呼气末图像,记录靶区Y2、Y1、X2、X1、Z2、Z1等6个方向的位移数据。采用EPID验证摆位误差,拍摄正位、侧位验证图像并与计划系统相应DDR图像比较,测量X(左右)、Y(前后)、Z(头脚)三维方向上的摆位误差数据。用Spss软件对数据进行多元回归分析,得到靶区位移数学模型和摆位误差数学模型,并合成PTV外扩边界数学模型。结果:根据放射物理学推荐公式σ=σs+σp,δ=K.σ=(0.4～0.8)σ,合成PTV外扩边界数学模型公式。经配对t检验,PTV外扩边界数学模型计算结果与肿瘤边界位移测量结果无统计学差异。结论:在肺癌精确放疗中可以用此数学模型计算PTV外扩边界取值参数。

基于最小化新息协方差的修正SRCKF算法

目标跟踪过程中的模型误差会使得平方根容积卡尔曼滤波(SRCKF)性能下降,滤波精度降低;自适应滤波中的修正卡尔曼滤波(AKF)算法可以有效解决这一问题,但是难以应用到非线性滤波中。为了克服模型误差带来的不利影响,同时,进一步提高修正思想的应用范围,在SRCKF的基础上,基于最小化新息协方差准则推导了修正系数的向量形式,提出修正SRCKF(ASRCKF)算法。所提算法通过利用后期的测量数据,增加对测量值的信任度,从而达到对目标模型误差进行补偿的目的。仿真结果表明:与SRCKF和强跟踪SRCKF算法相比,所提ASRCKF算法能有效抑制模型误差,有着更优的滤波性能。

基于交互式多模型的雷达单目标跟踪算法

针对民用小型无人机被广泛应用而带来的安全隐患问题,本文将交互式多模型算法应用于雷达单目标跟踪系统,并对其进行了研究与仿真。首先,建立常见的目标运动模型,对每个运动模型的状态方程进行分析,介绍了交互式多模型算法的原理及计算方法。然后,分析了坐标转换误差对雷达跟踪性能的影响,并给出转换误差的补偿结果。最后,通过蒙特卡洛仿真实验表明,交互式多模型算法对机动目标有较小的估计误差,能够实现对运动目标进行有效的跟踪。测试数据分析结果表明了交互式多模型算法在雷达单目标跟踪过程中的可行性。

对等结构下多节点INS误差修正

传统的多目标跟踪系统一般采用集中式与分布式结构,文中在抗毁性差的集中式与分布式结构的基础上提出无中心化的对等式结构模型,针对INS系统误差随时间增长不断累积的问题,提出在对等式结构下修正多节点INS误差的算法。在对等式结构中选择导航精度最高的节点建立非线性运动模型,利用CKF滤波对该节点导航信息进行优化,其余节点利用对等结构可通信合作的优势解算滤波相对距离,与通过各自INS解算出相对位置信息之差作为量测值,建立INS误差修正模型,对INS误差参数进行卡尔曼滤波开环输出校正得到最优INS误差估计值,对各节点INS误差进行补偿。仿真结果表明,CKF滤波对非线性运动模型具有较好的跟踪能力,此算法能够对INS系统误差进行有效修正,具有较高的实时性与可靠性。