空袭目标属性综合识别的灰色评判模型

在灰色关联分析的基础上,对斜关联度进行了修正,引出了点、斜修正关联分析的概念。通过对影响目标属性识别的各种因素的分析,结合战术思想利用灰色点、斜修正关联分析及多目标优化方法建立了目标属性综合识别模型,从而利用数量化理论有效地解决了目标属性识别这一复杂而困难的问题,为防空作战C^3I系统指挥自动化提供了一种辅助决策方法。     

工业过程稳态优化新方法—改进两步法

本文针对具有Hammerstein模型的非线性控制系统,提出了一种确定次优稳态工况的实用新方法—改进两步法.该方法利用动态与稳态数据辨识和更新稳态模型,因而得到的解更近于实际最优解.针对线性二次型优化问题,本文还给出了改进两步法的收敛性证明,最终数字仿真结果显示了该方法的有效性.     

多扩展目标的高斯混合概率假设密度滤波器

针对多扩展目标跟踪中状态信息难以估计的问题,提出了一种可以估计扩展目标运动状态和形状信息的多扩展目标高斯混合概率假设密度(RHM-GMPHD)滤波器。首先利用描述凸星形扩展目标量测源分布的随机超曲面模型和传感器量测方程,建立扩展目标运动状态及形状信息与量测之间关系的伪量测函数;然后结合扩展目标状态预报信息,推导了扩展目标状态更新方程,递推地对扩展目标运动状态及形状信息进行估计跟踪。此外,还建立了Jaccard距离来度量RHMGMPHD滤波器对目标形状的估计性能。与联合概率数据关联(JPDA)滤波器和GMPHD滤波器相比,RHM-GMPHD滤波器不仅可以估计凸星形扩展目标的形状信息,并能有效提高对目标数和运动状态的估计精度。仿真实验表明,RHM-GMPHD滤波器对质心估计的均方根误差分别约为JPDA和GMPHD滤波器的1/3和1/2,对目标数的估计接近真实值,对形状估计的Jaccard距离一般小于0.2。     

多变量非线性控制系统频域稳定性判据

基于广义频率响应函数矩阵,讨论了多变量非线性系统的稳定性问题。文中得到了多项式类多变量非线性系统的稳定性判据,它与李雅普诺夫方法相比在工程上更容易使用。最后通过仿真实例对结论进行了验证。     

子集优化在非线性系统辨识中的应用

提出了一种基于子集优化的非线性系统辨识方法．该方法滑有对非线性系统激励信号的统计特性作任何假设,但它的计算量比现有的方法低,而对非线性系统输入输出数据量的要求也比现有的方法少,仿真结果表明,文中提出的方法是非常有效的。     

Volterra泛函级数辨识中维数灾难的一种解决方法

对Volterra泛函级数进行三阶截断近似,将Volterra核的求解问题转化为一个标准的最小二乘问题,并通过QR分解进行参数估计,在利用Householder变换实现矩阵P的QR分解过程中,提出了利用输入向量对输出向量的影响因子进行P阵的列选择,进一步简化了算法,数字仿真表明了7该方法的有效性。     

一种精确估计恒虚警检测器阈值因子的方法

针对恒虚警检测器在利用求解阈值因子方法时需要大量样本且搜索耗时较长的问题,提出了一种基于仿生微粒群的精确估计雷达恒虚警检测器阈值因子的方法.将指定虚警概率下的求解阈值因子问题转化为一个最小化问题,再利用微粒群方法对其进行求解,而微粒群优化采用基于种群的搜索方式.惯性因子可以随着迭代数的变化自适应调整,从而线性地减少了惯性因子的数值,致使算法具有平衡全局搜索、局部搜索的能力和较高的搜索效率.仿真结果表明,所提方法可在指定的精度下快速实现单雷达或者雷达组网等多种恒虚警检测器阙值因子的精确估计,节省了近5O%的时间,提高了解的检测精度,并具有良好的鲁棒性和快速收敛等特点.     

求积分卡尔曼粒子滤波算法

针对非线性/非高斯系统的状态估计问题,提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法--PF-QKF算法.新算法使用统计线性回归的方法,通过一套高斯一厄米特积分点来线性化非线性函数,不需要计算雅可比矩阵,易于实现,而且所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测数据,提高了对系统状态后验概率的逼近程度.理论分析和实验结果表明,PF-QKF算法的估计精度比无味粒子滤波(PF-UF)算法提高了约18%,其计算复杂度比PF-UF算法稍有降低,表明PF-QKF算法是一种很有效的非线性滤波算法.     

一种多线索融合的均值偏移跟踪算法

针对传统基于的均值偏移(Mean Shift,MS)跟踪算法不能对运动目标准确跟踪的缺点,提出了一种融合多视觉线索的MS跟踪算法.首先根据目标在前一帧的估计位置,将目标搜索区域划分为目标区域和背景区域,其次在区域划分的基础上定义了一种新的颜色、运动线索直方图模型,能有效地抑制目标相邻背景的混乱干扰,最后基于MS理论框架提出了一种融合目标颜色、运动线索的跟踪算法,其颜色、运动线索可在跟踪过程中互补.实验表明,在目标快速运动、姿态发生较大变化或被遮挡的情况下,算法能够获得更为准确、鲁棒的跟踪结果.     

任意相关噪声线性系统异步状态向量融合

基于线性无偏最小方差估计理论,提出了一种任意相关噪声线性系统异步状态向量融合算法.该算法将融合中心的采样周期设定为传感器测量周期的最小公倍数,使得传输到融合中心的局部状态估计在每个周期内具有相同的数目,减少了跟踪滤波的计算量.在跟踪滤波器的增益阵中引入测量噪声与过程噪声的相关量和测量噪声之间的相关量,增加了描述多传感器融合系统的信息量.仿真结果表明,状态向量融合算法比噪声不相关融合算法具有更好的跟踪性能,航迹跟踪的精度得到了改善.