基于UKF的马尔可夫参数自适应IFIMM算法

给出了一种基于不敏卡尔曼滤波(UKF)的马尔可夫参数自适应的新息滤波器交互式多模型算法,较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波的交互式多模型(IMM)算法和基于UKF的IMM算法更好的稳定性和计算精度,还避免了复杂的Jacobi矩阵运算;该算法结合了马尔可夫参数自适应和新息滤波器技术,实现了马尔可夫转移矩阵的自适应和量测噪声的减小。最后,通过Monte Carlo仿真进一步验证了该方法的正确性和有效性。

基于SRCDKF的交互式多模型算法

给出了一种基于平方根中心差分卡尔曼滤波的交互多模型(IMM)算法。该算法较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMM算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算。Monte Carlo仿真验证了该算法的可行性和有效性。

基于SVD-UKF单站无源定位算法研究

论文提出了新的基于奇异值分解的不敏卡尔曼滤波(SVD-UKF)单站无源定位算法。该算法通过观测平台得到辐射源的来波方向角(DOA)信息,利用SVD总体最小二乘批处理方法计算目标点初始位置,将得到的初始位置用于后续的UKF滤波,得到高精度的辐射源定位信息。最后,通过Monte Carlo仿真结果表明,该算法定位精度高,收敛速度快,能够较好地满足工程应用要求。

杂波环境下机动目标跟踪算法研究

本文给出了一种基于平方根中心差分卡尔曼滤波(SRCDKF)的交互式多模型-概率数据关联(IMMPDA)算法。在杂波环境下,该算法较好的解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波(EKF)的IMMPDA算法更好的数值稳定性、计算精度和收敛速度,还避免了复杂的Jacobi矩阵运算;本文大量Monte Carlo仿真进一步验证了该算法的可行性和有效性。

基于信息熵的自适应资源调度算法

在目标搜索领域,合理安排调度序列能有效提高雷达搜索性能。针对相控阵雷达同时多任务需求,提出了一种基于最大信息增益原则的自适应资源调度搜索算法。在目标先验信息引导下,给出重点搜索区域内波位编排方法,采用最大信息增益原则,在满足时间和能量资源的约束条件下,解决重点区域内目标的最优搜索问题。仿真结果表明,与传统相控阵雷达基于顺序搜索方式相比,该算法能快速发现目标并有效提高搜索数据率和能量利用率,在工程应用中证明该方法是行之有效的。

水声被动交叉定位算法应用研究

文章通过双基阵被动测距的方位交叉定位法,自动计算水声源前端测得所有方位目标的交叉点,并对交叉点进行历史点管理。通过交叉点形成的轨迹的连续性和平滑性判定产生交叉点的原始方位目标是否是同一个目标。在多站多基阵的环境下,验证了该算法的有效性和可行性,该方法可以成为纯方位目标同一性认定的有效手段。最后,对交叉定位法在实际工程应用中遇到的问题进行了总结,并指出了不足之处,以待后期进一步完善。

低信噪比下基于Keystone变换的高速多目标检测

微弱多目标检测中,高速运动目标的跨距离单元走动会影响长时间相参积累的效果,论文提出了在低信噪比情况下通过Keystone变换校正多目标的跨距离单元走动,对所有脉冲相参积累达到提高信噪比的目的,仿真实验结果验证了该方法的有效性。