水下目标分数低阶统计特性分析

大量的理论与实验检验表明,多数情况下舰船辐射噪声和海洋环境噪声等水声信号通常具有脉冲特性,服从稳定分布,二阶统计量不再稳定收敛,传统的水下目标噪声信号调制谱分析方法在这种环境下性能可能会下降。针对上述问题,为提高分析方法的稳健性,采用共变谱代替传统调制谱分析方法中的功率谱,提出基于分数低阶统计量的目标信号调制谱分析方法...     

加强激光对抗技术的应用研究

激光设备和激光武器的广泛应用，大大加快了激光对抗技术的研究。探讨了目前激光对抗领域中的激光探测和告警、有源干扰、无源干扰、激光防护等有关技术。     

云安全，防护工具还是攻击利器？

随着“云计算”的进一步推广,“云安全”也开始频繁出现在人们的视野中。但事实上．“云安全”在带来更可靠保护的同时．也给很多用户带来了强烈的不安和困惑。     

基于盲均衡的水声信号波形恢复

本文针对水声信号波形恢复问题,提出基于四阶累积量的盲均衡水声信号处理方法,建立了适用盲均衡算法模型.在输入不同信号序列的情况下,分别对实系数和复系数信道进行信号均衡仿真,并用水池实验实录数据检验,其信号均恢复较好.     

雷达机动目标跟踪的卡尔曼粒子滤波算法

为解决不敏粒子滤波算法对雷达机动目标跟踪实时性差和跟踪起始阶段收敛慢的问题,引入卡尔曼粒子滤波算法。通过坐标转换将实际的极坐标雷达观测数据转换为直角坐标数据,然后用线性最优的卡尔曼滤波器估计粒子状态先验概率密度,最后用非线性最优的粒子滤波器精确估计目标状态后验概率。仿真实验表明,与不敏粒子滤波相比,卡尔曼粒子滤波以牺牲较少精度(减少约6%)的代价,实现机动目标跟踪的实时性(约为前者的1/5),起始阶段收敛性更好。     

基于Sigmoid函数的变步长LMS自适应滤波算法性能分析

总结了最小均方（LMS）、基于Sigmoid函数的变步长（SVS）-LMS、改进的SVS-LMS和基于误差相关的变步长LMS自适应滤波算法,讨论了各算法的收敛性能、跟踪性能和稳态误差,并通过计算机仿真,分析、验证各种变步长算法的不同性能表现以及误差阶数对算法性能的影响,给出了合理的建议。     

一种新的红外目标跟踪算法

给出了一种基于独立分量分析的红外目标跟踪新算法.在红外序列图像的第一帧中,依据目标的尺寸和大概位置选择目标区域,进行独立分量分析得到目标矩阵.在后序图像中选取跟踪区域,将其在独立分量上投影得到跟踪矩阵.利用实际目标区域所得跟踪矩阵和目标矩阵的夹角最小这一特点,进行目标跟踪,在目标被遮挡、形状变化和背景发生变化等复杂环境下取得了较好的跟踪效果,与传统方法比较,有较好的适应性.     

基于有效量测分集的联合概率数据互联算法

杂波环境下用联合概率数据互联算法(JPDA)跟踪多目标,其计算量将随跟踪目标数的增多和杂波密度的增大而呈指数增长,因此实时性不强;并且JPDA跟踪杂波环境中的近距离目标时,容易造成航迹合并。在充分考虑单个目标独立性的基础上,提出有效量测分集概念。将接收到的有效量测信号按照单个目标的关联划分,确定各目标跟踪波门内的候选量测信号,不考虑量测信号的重复关联。取得单个目标独立性之后,再运用单目标概率数据互联的方法估计目标状态。仿真实验表明,较传统JPDA实时性更强,能够分辨并跟踪近距离目标。     

改进的“当前”统计模型变采样率目标跟踪算法

为满足实际雷达系统对高精度和高实时性的要求,提出了一种改进的"当前"统计模型变采样率机动目标跟踪算法。该算法针对"当前"统计模型必须预设加速度极值和机动频率的问题,提出一种加速度方差和机动频率在线同步自适应方法,建立改进的"当前"统计模型机动目标跟踪算法;针对在线自适应方法计算量大的问题,结合采样周期的大小与目标机动特性的关系,引入变采样率方法。仿真结果表明,与传统"当前"统计模型相比,改进的"当前"统计模型机动目标跟踪算法能显著提高对不同机动强度目标的跟踪精度;变采样率方法通过减少采样点数,节省了系统资源,提高了跟踪实时性;所提算法将两者结合,用传统的"当前"统计模型1.5~2倍的平均采样周期得到了更小的位置均方根误差,实现了用单模型方法同时改善跟踪精度和实时性的目的。