用于捷变频雷达的数字锁相本振跟踪源

介绍了数字锁相本振跟踪源的原理、组成及功能 ,论述了主要关键技术和解决途径 ,给出了主要技术指标。该设备已成功地应用于实际捷变频雷达中。

基于粉尘浓度实时监测的采煤机尘源跟踪喷雾参数智能调控技术研究

针对目前采煤机尘源跟踪喷雾降尘技术无法智能调节喷雾参数以匹配不断变化的采煤机截煤产尘强度的问题,提出针对采煤机截煤尘源处的粉尘浓度设置限值、根据采煤机截煤产尘强度变化相应调节喷雾降尘效率来保证采煤机截煤尘源处的粉尘浓度始终在限值以下的智能调控逻辑,并得出了工作面的粉尘浓度分布与即采煤机位置之间的关系规律,以及喷雾降尘效率与喷雾数量之间的函数关系,实现了基于实时监测的粉尘浓度智能调控采煤机尘源跟踪喷雾参数。在青龙寺煤矿5-20109综采工作面应用该技术后,采煤机司机和机尾10 m处的降尘效率均达到90.47%以上,降尘效果显著。

基于TDOA算法的声源跟踪智能小车设计与制作

为了实现智能小车紧急规避,提高小车自动驾驶控制的精确度,现利用TDOA算法,设计一款功能完善、实用性强的声源跟踪智能小车。首先,根据TDOA算法,完成系统总体设计。其次,从主控电路设计、传感器模块设计、控制器模块设计、电源模块设计等多个方面入手,完成系统硬件设计、最后,从用户登录模块设计、数据采集模块设计、自动避障寻声模块设计三个方面入手,完成系统软件模块设计。结果表明:在TDOA算法的应用背景下,本文所设计的声源跟踪智能小车运行正常、可靠、稳定,各个功能模块实现满足设计相关要求。希望通过这次研究,为相关人员提供有效的借鉴和参考。

声源定位跟踪系统

本文设计了一个声源识别和追踪装置。由麦i克风阵列来收集声源信号,并对收集到的模拟信号进行处理,将每个麦克风接收的信息都传递到K210微处理器中,K210微处理器通过mcropythone语言环境对其进行编写烧录程序,程序中使用到了TDOA算法,对于麦克风采集到的声源信号进行了多次取均值的操作来减少误差。除此之外,还对声源信号采用滤波操作,以减小噪声干扰(例如舵机的转动)。同时为增强人机交互能力,设计了人机交互的按钮来进行模式的切换,精准模式和实时跟踪模式,通过LCD屏幕输出声源的角度和距离。

基于信息理论和概率假设密度的自适应多站多目标无源定位与跟踪算法

本文针对密集杂波和冲击噪声条件下的多站多目标无源定位与跟踪问题,基于信息理论和随机有限集提出一种新的自适应高斯混合概率假设密度(PHD)滤波算法。该算法引入渐消因子,基于新息的方差动态修正滤波增益,并采用KL度量对量测更新步骤中多目标密度近似前后的差异进行衡量,在最小信息增量意义下对高斯元进行合并,得到更准确的多目标状态后验分布,提高了多站多目标无源定位与跟踪精度,并降低了冲击噪声等对估计结果的影响。本文给出了基于信息理论的自适应多目标跟踪算法的高斯混合实现方式,所提出的方法继承了PHD滤波器的优点,具有较好的实时性和多目标跟踪性能。最后,采用仿真实验对本文提出的算法进行验证,实验结果证明了本文所提出算法的有效性和优越性。

基于多目标多特征信息融合数据关联的无源跟踪方法

在多目标无源跟踪中 ,传统的数据关联方法只利用那些与目标状态向量计算直接相关的信息 (如DOA、TOA信息等 ) .本文提出了一种新的数据关联算法———基于多目标多特征信息融合的数据关联算法 ,该算法同时利用了更多的目标特征信息 (如频率、PRI等 ) ,应用D S证据理论进行单目标多特征信息融合 ,在此基础上 ,再进行多目标综合数据关联 .它是一种基于多特征信息的全局最优的算法 .计算机仿真表明 ,基于该算法的无源跟踪性能要优于传统的NN方法和扩展的NN方法 .

无源跟踪中基于灰关联信息融合的概率数据关联算法

在无源跟踪中,传统的概率数据关联算法(PDA)单纯依据状态量测信息.该文提出了一种基于多特征信息融合的概率数据关联算法,该算法利用目标多个特征信息(状态量测、载频、PR I等),通过灰关联分析的方法,计算有效观测与目标的关联概率,进而在信息融合的基础上,进行目标状态更新估计.该算法与传统的PDA相比有两个优点,第一,关联概率的计算量小、计算更准确;第二,该算法利用了目标多特征信息,因此,关联性能更好.实验表明,基于该算法的无源跟踪性能明显优于NN方法和传统的PDA方法.

多传感器多目标无源定位跟踪算法研究

针对多站无源测向交叉定位在复杂环境下会产生大量虚假定位点问题,本文提出了一种对目标进行无源定位跟踪的新方法,即先通过数据聚类,确定目标数量;由此动态建立多模弹性神经网络,去除了大部份虚假点;再通过建立航迹树的方法来动态跟踪目标,去除弹性网络未去除的虚假点.该方法解决了大量虚假点存在的情况下,目标数量的确定难题、弹性网初始化难题及动态剔除虚假点难题,进而有效地解决了多干扰机目标相关、虚假点的剔除问题.仿真分析试验表明:该方法计算量低,弹性网络收敛速率快,目标正确锁定率及虚假点剔除率高.

粒子滤波和多站TOA的外辐射源雷达跟踪方法

针对外辐射源雷达跟踪常采用扩展卡尔曼滤波(extended Kalman filter,EKF)算法导致其跟踪精度受闪烁噪声影响较大的问题,结合到达时间(time of arrival,TOA)定位技术和粒子滤波(particle filter,PF)算法,提出一种适于闪烁噪声环境的外辐射源雷达跟踪方法。该方法通过多站TOA获得测量信息,利用双基地角来减弱目标雷达散射截面积(radar cross section,RCS)闪烁,采用非线性和非高斯的PF进行跟踪,能减小因闪烁噪声而导致的跟踪误差,避免EKF算法因线性化而带来的误差,从而提高跟踪精度。实验表明,该方法的跟踪性能优于EKF,尤其受闪烁噪声影响小,能提高闪烁噪声环境下的跟踪精度。实测数据验证了该方法的有效性。

基于信息融合的机动多目标单站无源跟踪关键技术研究

跟踪起始与数据关联是机动多目标单站无源跟踪的关键技术。提出了一种基于目标多特征信息融合的自适应跟踪起始算法,通过构造多维动态可变的跟踪门,进行自适应跟踪起始检测,然后根据序列概率比检验准则进行轨迹确认。同时提出了一种基于多目标多特征信息融合的数据关联算法,首先通过定义多个特征数据关联度,将单个有效观测的多特征信息进行融合,再对多目标进行综合数据关联。计算机仿真表明,该跟踪起始算法能够快速有效地进行航迹起始,数据关联算法的性能要优于传统的最近邻(NN)方法。

基于UKF算法的双机协同无源跟踪

针对单机对目标被动定位跟踪不具有完全可观测性,建立了双机协同探测定位跟踪模型,利用双机探测到的目标方位角和俯仰角,结合非线性滤波算法估计出目标的位置和速度参数。为解决传统的非线性滤波误差比较大、容易发散的问题,引入无迹卡尔曼滤波(UKF)算法。仿真实验表明,与扩展卡尔曼滤波相比较,UKF能更好地解决量测方程的非线性问题,滤波效果更好。

简化UKF算法在单站无源目标跟踪中的应用

根据实际的应用背景,对标准的UKF算法进行简化,提出一种SUKF(Simplified Unscented Kalman Filter)算法,并将其应用于无源目标跟踪。对实测数据的滤波结果表明,SUKF不仅运算复杂度低(与经典EKF相当,比UKF大大简化),而且收敛速度快、一致性好,跟踪精度高(达到了UKF同样的性能),非常适合于实时应用的场合。

基于辐射源信号特征信息的JPDA无源跟踪算法

提出一种基于信号特征信息的改进联合概率数据互联算法,该算法不仅利用目标状态空间信息同时利用了目标特征信息计算互联概率。在航迹交叉和近距离情况下,传统算法出现目标航迹丢失,而改进算法可正常工作。通过计算机仿真证明了改进算法的有效性。

稳健的单站无源目标跟踪算法研究

无源定位与跟踪系统中面临着可观测性弱、初始误差大的问题,因此寻找一种稳健快速的跟踪算法显得尤为关键。本文在对现有跟踪算法进行分析和比较的基础上,提出一种IUKF(Improved Unscented Kalman Filter)算法,它通过对传统的UKF算法进行修正,改善了对状态滤波值和协方差的估计。与现有算法(如EKF,UKF)相比,新算法不仅适应能力强、稳定性高,而且收敛速度快、跟踪误差小,是一种稳健的无源目标跟踪算法,数值仿真和试验结果表明了算法的正确性和有效性。

一种改进的AEDA声源定位及跟踪算法

开展了基于麦克风阵列的真实声场环境声源定位的工作。针对传统的自适应特征值分解时延估计算法收敛时间慢、对初值敏感以及不能有效跟踪时延变化等问题,提出了一种改进的自适应特征值分解时延估计算法,该方法通过改进初值设定方法,有效改善了对时延变化的估计。另外,通过引入一个基于相关运算的语音检测算法,提高了定位系统的抗噪声能力。实验表明在真实的声场环境下该算法能够对单个声源的三维空间位置进行实时的定位和跟踪,系统在1.5m范围内对声源的定位误差小于8cm,声源位置变化时,系统也能准确跟踪声源的位置。

基于方位角和多普勒的机动目标无源定位跟踪可观测条件

可观测性分析是无源定位与跟踪系统的前提和基础,只有满足可观测条件才能对系统进行正确求解。应用线性系统理论,以目标方位角和多普勒频率为观测量,对匀加速和匀转弯这两类最常见的机动目标进行了可观测分析,为进一步研究机动目标的无源定位与跟踪提供了理论前提。最后给出了仿真实例,验证了理论分析的正确性。

基于极坐标的稳定UKF单站无源目标跟踪算法研究

单站无源目标跟踪系统中存在着可观测性弱、初始误差大的问题,目标跟踪算法的稳定性和快速收敛性显得尤为重要。结合利用空频域信息的单站无源目标跟踪系统的特点,提出了一种稳定的改进UKF算法,采用一组新的状态变量替代了原有状态变量,选取径向速度作为系统状态量,并将其初始估计误差控制在一定范围内,明显改善了目标跟踪算法的稳定性和收敛性。增加二次采样过程,取代了传统UKF算法的状态变量扩展,降低了算法的计算量,实现更容易。与现有的单站无源目标跟踪算法(如EKF、UKF)相比,算法具有稳定性好、收敛速度快、跟踪误差小的特点,是一种稳定的单站无源目标跟踪算法。数值仿真结果表明了算法的正确性和有效性。

基于粒子滤波的声源方位跟踪算法

针对混响环境中说话人方位跟踪问题,提出一种基于粒子滤波的声源方位跟踪算法。该算法根据说话人的运动特点,在Langevin方程的基础上构建声源方位的动态模型,采用相位变换加权的可控响应功率作为定位函数,运用粒子滤波对声源方位进行跟踪。使用典型会议室环境下小型麦克风阵列接收的真实数据来做实验。结果表明,该算法能有效地实现随机走动说话人的方位跟踪,并且在水平角和仰角方向的均方根误差均小于5°。

基于改进当前统计模型的自适应无源跟踪算法

针对无源跟踪中,标准当前统计模型无法自适应调整加速度极限值的缺点,设计了一种修正系数来通过机动目标的当前加速度自适应调整模型的加速度极限值,同时利用模糊控制的方法对修正系数的取值进行实时调整,实现了对当前统计模型的改进。最后结合容积卡尔曼滤波算法构造基于改进当前统计模型的自适应无源跟踪算法。仿真结果表明,相比基于标准当前统计模型的自适应跟踪算法,新算法对非机动目标、弱机动目标以及强机动目标都有更好的跟踪效果。

杂波环境下目标无源跟踪算法

针对杂波(虚假量测)环境下的目标无源跟踪问题进行了研究,并给出了只测角情况下相应的跟踪算法。该算法在利用修正增益扩展卡尔曼滤波(modified gain extended Kalman filter,MGEKF)对目标进行无源纯方位跟踪的同时,通过建立波门对不同时刻的测量数据进行选择,然后利用角度测量数据计算落入波门内的有效测量数据的概率(包括波门内所有有效量测均为虚假量测的概率和第i个有效回波是正确的概率),并以这些概率值作为权值对目标状态进行加权融合,实现杂波环境下对目标的实时纯方位无源跟踪。同时,仿真分析对文中所提算法的可行性和有效性进行了验证。