最小熵反馈式变结构多模型融合算法

传统变结构多模型方法(VSMM)在处理高机动目标状态估计问题和大观测误差时存在因模型集合与真实模式匹配欠佳导致估计质量下降的问题.本文结合最小信息熵准则(ME)提出一种反馈式变结构多模型融合算法(MEVSMM),将在所有模型相关的在线估计信息进行反馈,进而选取状态估计分布信息熵最小的模型集作为当前有效模型集,计算多模型估计结果;结合粒子滤波算法(PF)和设计擂台赛算法(CM),构造了易于工程实现的次优算法(PF–MEVSMM).理论分析与仿真表明,与传统VSMM算法相比,本法具有模型集更精简、有效,融合估计结果鲁棒性更强、精度更高的优点.

多传感器高斯混合PHD融合多目标跟踪方法

针对复杂环境下单传感器多目标跟踪方法效果不佳的问题,基于FISST(Finite set statistics)跟踪理论提出一种多传感器高斯混合PHD(Probability hypothesis density)多目标跟踪方法.首先,分析了FISST下多传感器PHD的形式化滤波器,在此基础上构建一种反馈式多传感器PHD融合跟踪框架;进一步利用高斯混合技术提出多传感器PHD跟踪方法;最后,通过解决多传感器后验PHD粒子匹配与融合问题提出三种算法.仿真实验表明,与常规高斯混合PHD跟踪算法相比,本文所提算法能够有效提高目标跟踪精度和鲁棒性.

一种基于粒子滤波的联合跟踪与分类算法

针对纯运动学信息联合跟踪与分类问题,提出了一种基于混合无味粒子滤波的联合跟踪与分类算法。在传统粒子滤波联合跟踪与分类算法的基础上,通过采用无味变换,利用多个无味卡尔曼滤波器给出更高质量的粒子建议分布,提高整个算法的性能。理论分析和仿真结果都表明,与传统粒子滤波联合跟踪与分类算法相比,该算法无论在跟踪精度还是在分类正确率上都有明显的提高。

多步历史估计信息反馈多模型融合方法

针对强机动和大观测误差下的目标跟踪问题,传统低阶多模型融合方法存在估计精度较低、鲁棒性较差的缺点;高阶多模型融合方法面临计算量增大和保证实时性之间的矛盾.为此本文针对一类多步稳健机动目标跟踪问题提出一种基于历史估计信息反馈的多模型融合框架,首先累积和反馈历史估计信息,然后结合当前量测计算多阶模型序列的似然函数,最后得到贝叶斯后验融合结果.同时结合粒子滤波构建了易于工程实现的粒子滤波历史反馈多模型融合算法(PF-HFMM).仿真表明,与传统粒子滤波多模型算法相比,本法显著提高了估计精度和鲁棒性.

声探测网络延时概率多假设跟踪算法

针对利用同步固定声探测网络中的纯方位角延时量测数据对低空机动目标进行探测与跟踪的问题,为提高跟踪精度,根据期望最大化算法提出一种延时概率多假设目标跟踪算法,对网络中多个时刻各个传感器数据间的组合进行延时概率多假设建模,形成多假设联合量测,利用内嵌合适的贝叶斯平滑器对目标状态进行递归优化,最终得到目标状态的极大后验估计值。仿真结果表明算法能够有效解决声探测网络延时数据难以利用的问题,对低空机动目标的状态进行有效跟踪,满足估计精度要求,收敛速度快,鲁棒性强的特点。

一种多传感器自适应量测迭代更新GM-PHD跟踪算法

针对多传感器观测数据质量不同且未知时,多传感器量测迭代更新高斯混合概率假设密度(GM-PHD)滤波器跟踪算法的结果对更新顺序敏感的问题,该文提出一种多传感器自适应量测迭代更新GM-PHD跟踪算法AIUGM-PHD。首先基于多传感器融合一致性度量,提出一种用于在线评估各传感器跟踪结果质量的方法;然后对多传感器迭代融合顺序进行优化,最后构建相应的多传感器GM-PHD融合跟踪算法。为了解决多传感器自适应顺序迭代融合无法体现传感器质量差距的问题,提出了一种自适应带权伪量测迭代更新GM-PHD跟踪算法PAIU-GMPHD。仿真结果表明,与常规多传感器迭代更新GM-PHD跟踪算法相比,所提算法能够获得鲁棒性更好、精度更高的跟踪结果。

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。

采用实时功率反馈的半导体激光器幅度调制方法

针对现有半导体激光器(Laser Diode,LD)幅度调制电路具有调制幅度不稳定、调制波形存在非线性失真的缺点,提出采用实时功率反馈的幅度调制方法。通过光电二极管(Photodiode,PD)实时监测LD的输出功率,再根据LD的输出功率自动调整LD工作电流,使其输出功率随调制信号线性变化。最后根据提出的调制方法设计并实现了调制电路,实验结果表明:在温度20~40℃范围内,调制电路的-3 dB带宽达到20 MHz,调制功率的幅度稳定度优于4%,最大非线性误差为0.1%。该调制方法提高了半导体激光器的输出功率稳定性,减少了调制波形的非线性失真,拓宽了半导体激光器的线性工作范围。

极化智能天线的二维矢量波束形成方法研究

针对极化智能天线的匹配接收与干扰抑制等问题,将现有的基于均匀线阵的极化波束形成方法拓展到二维平面阵,提出了一种基于二阶锥规划的二维矢量波束形成方法。在二维观测平面内,该方法通过对主瓣区域进行极化匹配设计以提高系统接收增益和主瓣干扰的抑制能力,在旁瓣区域将零陷凹面与正交极化约束进行叠加设计以最大限度提高干扰抑制能力,建立最优的矢量波束优化问题模型,进而转化为两个等价的标量波束优化问题,并使用二阶锥规划对其求解。仿真结果表明:相对于现有的均匀线阵极化波束形成方法而言,该方法能够在二维观测平面上实现自适应极化设计,包括了主瓣极化匹配和旁瓣零陷凹面的极化约束,进而提高了极化波束形成方法的工程实用性。

新工科理念下测试技术与传感器课程教学改革探索

测试技术与传感器是自动化专业本科生的主干专业基础课,其课程内容在学生的整个知识体系中占据重要地位,是学习其他专业课程和从事检测技术必备的基础专业课程。新工科的主要思想涵盖工程教育的新理念、学科专业的新结构、人才培养的新模式、教育教学的新质量、分类发展的新体系五个方面。本文将在新工科背景下,探索测试技术与传感器课程教学的新内涵、新发展模式,以期获得更好的教学效果与产出。

模糊逻辑推理系统的运动目标分类算法

随着战场环境的日益复杂,对战场上的监视目标进行分类工作越来越重要,本文主要研究了窄带雷达目标分类问题,对目标的运动信息进行特征分析,得到其高度信息以及速度信息,利用专家经验建立模糊逻辑推理系统,实时输入得到的目标状态估计,从而得到直升机、民航客机、战斗机三类目标的分类结果,仿真结果表明本文提出的基于模糊逻辑推理系统的运动目标分类算法能够实时地根据目标运动状态对目标正确分类.

基于重要性采样的纯方位定位算法

应用纯方位角解决固定目标无源定位问题时,极大似然估计算法可以转换为非线性优化问题,但该算法需要迭代求解且对初始条件敏感。为此,提出一种新的纯方位定位算法,使用蒙特卡洛重要性采样算法计算该问题的近似全局解。首先,通过观测方程得到关于方位角的极大似然函数,应用Pincus定理得到全局解的形式,从而获得目标位置的概率密度函数;然后,使用伪线性估计算法对目标位置进行初步估计;最后,使用重要性采样算法进行近似计算。仿真实例表明,在不同场景中,重要性采样算法与极大似然估计算法性能相当,非常接近Cramer-Rao下界。

基于高斯过程的航迹片段关联算法

在恶劣战场环境下,目标航迹极易中断并形成大量零碎片段,对航迹管理和态势估计产生了严峻挑战。传统的航迹片段关联算法在假设的先验模型和实际运动模式不匹配时,性能大幅下降。针对这个问题,提出一种基于高斯过程的航迹片段关联算法。利用高斯过程对目标的状态转移函数非参数学习,通过对中断区间的量测进行训练将航迹新旧片段分别回溯和预测至关联时刻。采用假设检验和二维分配技术对航迹片段进行关联和配对。在整个中断区间,通过高斯过程将配对后的新旧航迹进行航迹缝合。仿真结果表明,在目标先验模型与实际运动模式不匹配时,所提算法能有效提高航迹正确关联率和航迹寿命。

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题,提出基于目标存在概率(PTE)的航迹融合算法,提升了正确航迹率和跟踪精度。首先,通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后,在局部估计误差互协方差矩阵未知的条件下,基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈,提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。