状态分量综合修正加速度方差的CSM算法

"当前"统计模型自适应算法依赖于先验加速度极限值,并不适用所有机动情况。而单一的位置或速度自适应调整加速度方差,往往使得跟踪不稳定。综合考虑位置、速度和加速度信息,提出一种新加速度自适应公式,克服了对先验加速度极限值的依赖。并在此基础上结合高斯隶属函数对其权值予以修正,提高了跟踪精度。为解决单个"当前"统计模型不能跟踪机动频率不断变化实际目标,利用交互多模算法,将不同机动频率的改进"当前"统计模型进行交互。仿真结果表明,新算法具有较好的跟踪效果。

基于自适应IMM算法的蛇形机动目标加速度估计研究

针对防空导弹拦截高速蛇形机动反舰导弹的难题,基于导引头测量的视线角速度、弹目相对速度等信息,开展了蛇形机动目标加速度估计算法的研究,最终建立了基于交互多模型的扩展卡尔曼滤波算法,实现了对蛇形机动目标的加速度估计。考虑传统加速度方差计算方法受限于先验值的缺陷,根据残差对加速度方差的计算方法进行了改进。数字仿真证明:提出的自适应交互多模型算法能有效提高蛇形机动目标加速度的估计精度。

机动目标跟踪的一种新的方差自适应滤波算法

针对"当前"统计模型自适应滤波算法跟踪非机动或弱机动目标时存在跟踪精度不高以及受目标机动加速度极限值先验设置的制约等问题,提出了一种方差自适应滤波算法,该方法利用新息与加速度变化量之间的关系,实现了加速度方差的实时估计和自适应调整,能更好地适应目标非机动和强机动的各种情况,避免了"当前"统计模型在目标非机动或弱机动时加速度方差过大而带来的跟踪精度不高的问题;同时也避免了对目标加速度的极限值设定.理论分析和仿真结果表明,相对于"当前"统计模型,无论是跟踪常速运动目标还是跟踪强机动目标,本算法都具有较高的跟踪精度.仿真结果验证了算法的有效性.

一种新的机动频率和方差自适应滤波算法

针对工程应用中"当前"统计模型对机动频率和最大加速度经验值依赖过大,难以根据目标的加速度变化进行实时动态调整的问题,在分析机动频率物理含义及其与加速度变化关系、位移扰动增量与加速度方差的关系基础上,提出了一种高效的机动频率和加速度方差双变量自适应算法。仿真结果证明:该算法能很好地自适应目标的加速度变化,并在不同噪声水平下有效提高跟踪精度,尤其大幅度提高了对非机动或弱机动目标的跟踪精度。

一种改进的方差自适应滤波算法

标准的基于"当前"统计模型的自适应卡尔曼滤波算法中机动频率和加速度极限值存在靠经验预先设定的问题,以及在跟踪非机动和弱机动目标时存在精度不高的问题,本文在分析已有的加速度方差自适应算法的基础上,提出了一种改进的加速度方差自适应算法。仿真结果表明本文提出的改进的加速度方差自适应算法是有效性的,较已有算法提高了跟踪非机动或弱机动目标的精度。

基于双变量自适应“当前”统计模型的场面4D轨迹跟踪预测

为了解决“当前”统计模型由于固定机动频率及假定加速度极限值,在复杂机场环境下机动目标跟踪性能降低的问题,提出一种双变量自适应的“当前”统计模型滤波算法。首先,利用加速度噪声一阶时间相关过程模型,推算出实时在线调整的机动频率。然后,根据位置状态估计值与加速度变化率,通过运动学理论模型和位置滤波残差,推导出实时在线更新的加速度方差,从理论上实现了模型自适应更新。最后,基于场面真实广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)轨迹数据进行验证,结果表明改进的“当前”统计模型能够在非等间隔预测的基础上实现自适应调参,且在位置、速度和加速度上的轨迹拟合精度均得到了提高,并在速度和加速度跟踪误差方面得到了收敛。

改进的机动目标当前统计模型自适应跟踪算法

针对机动目标当前统计模型自适应跟踪算法的加速度方差依赖于预先设定的加速度极值的问题,研究新的加速度方差调整方法。在机动目标当前统计模型的基础上,根据雷达实时观测信息,利用加速度扰动与位置变化量之间的物理关系,采用一种新的机动目标当前统计模型加速度方差自适应跟踪方法。仿真结果表明,新算法对高机动目标、一般机动目标均具有较高的跟踪精度,从而验证了新算法的正确性和有效性,对机动目标跟踪问题具有一定的实际应用价值。

舰船加筋板结构的圆孔形穿甲损伤识别方法

[目的]舰船在执行作战任务时会受到导弹或炮弹的攻击,而穿甲损伤识别有其特殊性,对其进行专门研究具有重要意义。[方法]以舰船普遍存在的加筋板结构作为研究对象,首先,采用加筋板前3阶模态的固有频率作为特征参数的概率神经网络(PNN)对加筋板进行圆孔形穿甲损伤识别研究;然后,通过结合模态特征和加速度方差的结构损伤识别方法,解决固有频率的对称性识别问题。[结果]结果表明,所用方法对圆孔形穿甲损伤的定位和损伤程度识别效果良好。[结论]概率神经网络收敛速度快,易于在硬件上实现高度吻合的加筋板结构圆孔形穿甲损伤识别问题。

基于MIMU的自适应步态检测算法

行人步态检测精度对个人导航系统至关重要。针对当前行人自主导航系统中常规步态检测算法不能适用于多种运动状态下的步态检测问题,提出了一种基于微惯性测量单元(MIMU)的自适应步态检测算法。该算法首先利用加速度计三轴模值方差、单轴方差差别和波形相位识别4种不同的行走状态,包括前进、快跑、后退和横向行走,然后针对不同的行走状态设置自适应阈值,实现各类运动状态下的自适应步态检测。利用实验室自主研发的MIMU固定在腰部脊椎位置进行实验验证,数据显示,前进行走和快跑步态检测精度可达99%,后退和横向行走步态检测精度可达93%。实验证明,自适应步态检测算法适用于个人导航系统。

基于当前统计模型的目标跟踪改进算法仿真分析

针对当前统计模型跟踪机动目标算法存在误差较大问题,采用加速度方差与机动频率自适应技术,能够实现对任意机动情况下的目标精确跟踪。经计算机仿真,比较了加速度方差与机动频率自适应方法的跟踪性能,表明改进算法具有更好的适应性。

一种新的改进的“当前”统计模型的自适应滤波算法

针对标准"当前"统计模型中加速度和机动频率需要预先设定的不合理,以及在跟踪非机动和弱机动目标时存在精度不高的问题,从加速度状态方程式中推导出机动频率自适应表达式;并结合已有的加速度方差自适应算法,提出了一种新的基于"当前"统计模型的自适应卡尔曼滤波算法。仿真结果表明算法的有效性和合理性。

The Scientific Error Analysis在机构误差分析中的应用

介绍了 ScientificErrorAnalysis软件包的使用,研究了基于 ScientificError Analysis软件包的误差分析方法与一般步骤,以平面四杆机构为例进行了公式推导,给出了计算实例的位置、速度与加速度方差曲线.

不同运动特性目标落入自由波束的分析探讨

指定仰角目标如果不在雷达指定搜索范围,需要抽调指定波位到指定仰角对目标进行照射。对于不同运行特性的目标,在保证雷达跟踪性能和跟踪精度的前提下,选取不同的目标运动数学模型、滤波外推算法,分析预测精度对目标落入自由波束的影响;通过仿真分析,发现运动模型以及滤波算法的选取对目标落入自由波束时影响是明显的,最终提出一种折中方案,即使目标运动特性发生变化,也能保证目标以一定的概率落入自由波束,实现雷达全空域的搜索。

飞行器目标跟踪中的改进自适应滤波算法

针对经典“当前”统计模型预设目标参数无法随运动状态进行实时调整的问题,提出一种基于卡尔曼滤波的改进自适应滤波算法(MAF),通过对机动频率及加速度方差的计算,实现目标运动参数的自适应调整,提高跟踪精度。仿真结果表明,该种新型自适应滤波算法相比固定参数的“当前”统计模型滤波算法具有更高的跟踪精度、更强的稳定性,在高信噪比环境下的位置跟踪精度提高20%,低信噪比环境下的位置跟踪精度提高2倍,具有一定工程实用价值。

机动目标跟踪中一种改进的自适应卡尔曼滤波算法

针对"当前"统计模型中预先设置机动频率和加速度极限值造成对目标跟踪精度不高的问题,提出一种新的参数自适应算法。该算法利用目标前后2个时刻的加速度均值代替"当前"统计模型中只利用前一时刻的加速度值作为当前时刻的加速度均值,推导出了机动频率自适应,再利用加速度方差与加速度变化量之间存在的正比线性关系,推导出了加速度方差自适应,避免了由于参数设置不合理而造成的跟踪误差。理论分析和仿真结果表明,改进算法有效提高了目标跟踪精度,仿真结果验证了改进算法的有效性。