一种新型交互式多模型算法

通过在线辨识交互式多模型（ＩＭＭ）算法各波滤模型噪声，提出一种新型自适应ＩＭＭ（ＡＩＭＭ）。仿真表明该算法的估计精度明显优于标准ＩＭＭ，反映了参数的辨识的有效性。     

运动目标统计模型下的传感器管理方法

利用概率统计模型和信息增量最大化对运动目标检测进行传感器资源调度。在求取信息增量时，将目标概率密度的变化分成目标转移和量测更新所引起的变化，并分别推出由均值和协方差的变化求解这两种情况下概率密度变化的方法。     

基于相对距离的一种多传感器数据融合方法

分析了多传感器量测数据不确定性产生的原因,提出了一种基于相对距离的多传感器数据融合方法。该方法利用模糊集合理论中隶属度函数的优点,通过挖掘量测数据间冗余和互补信息调整数据间的相互支持程度,进而合理地分配量测数据在融合过程中所占权重。同时,避免了关联门限的设定,从而降低了先验信息的影响,避免了量测数据间相互支持的绝对化。通过仿真实例,验证了该方法的有效性。     

基于目标优先级加权的一种传感器管理算法

基于目标的运动优先级，提出了一种利用加权值对目环进行检测与跟踪的传感器管理算法，当信息增量的大小不足以检测跟踪到目标时，可以利用目标在某时刻的速度大小去定向地检测与跟踪优先级高的某个目标。该算法在检测与跟踪目标时，不仅考虑到目标的信息增量，还考虑到目标任务的优先级，仿真结果表明：与仅利用信息增量的方法相比，该算法能更好地检测和跟踪目标。     

圆形阵列的相干源分辨问题研究

将Gram-Schmidt正交化算法和空间平滑技术应用于解决圆形阵列天线的相干源的分辨问题,对采用有向阵元的圆形阵列天线和无向阵元的圆形阵列天线的相干源分辨的仿真结果进行了比较,分析了有向阵元的圆形阵列天线对相干源分辨力强的原因．     

基于综合色度和梯度方向直方图的运动目标跟踪算法

本文在传统的Kalman滤波和Mean-Shift优化框架下提出了一种新的视频运动目标跟踪算法。融合色度直方图和梯度方向直方图,形成了一种新的综合直方图特征.构建运动目标图像区域的金字塔,采用Kalman滤波预测耦合Mean-Shift算法的框架,在尺度、位移空间内进行优化匹配搜索,确定最佳候选目标的位置信息。大量实验结果表明,本文提出的在滤波与优化算法框架下的运动目标跟踪算法,能够很好地解决运动目标的尺度伸缩、旋转和形变等难题,可以取得比基于传统直方图更好的稳定性和跟踪精度。     

基于MCMC无味粒子滤波的目标跟踪算法

针对传统粒子滤波目标跟踪算法存在粒子退化的问题,提出了基于马尔可夫链-蒙特卡罗(Markovchain Monte Carlo,MCMC)无味粒子滤波的目标跟踪算法.该算法采用无味卡尔曼滤波(unscented Kalmanfilter,UKF)生成粒子滤波的提议分布,来代替传统粒子滤波算法采用状态转移先验概率作为粒子滤波的提议分布,以改善滤波效果,然后在无味粒子滤波的基础上融合了典型的MCMC抽样算法(Metropolis Hastings,MH),从而可以减少传统粒子滤波未考虑当前量测对状态的估计作用所带来的影响.融合后的算法将当前量测信息融入到滤波过程中,并使采样粒子更加多样化.实验结果表明,该算法较传统方法在跟踪精度方面有显著的提高.     

基于粒子滤波的机动目标跟踪改进算法

粒子滤波是指利用Monte Carlo仿真方法处理递推估计问题的非线性滤波算法,这种方法不受模型线性和Gauss假设的约束,是一种处理非线性非高斯动态系统状态估计的有效算法。在粒子滤波的基础上融合扩展卡尔曼滤波(EKF)算法,融合后的新算法在计算提议概率密度分布时,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。仿真结果表明,该算法对机动目标有更好的跟踪效果。     

幅相量化对圆形阵列方向图的影响

研究相位量化和幅度量化对圆阵副瓣峰值的影响及两者同时量化对副瓣峰值的影响.通过计算和仿真可以看出,量化对圆阵方向图的影响小于对线阵方向图的影响,且相位量化对方向图的影响要远远大于幅度量化对此的影响.     

基于动态加权下测量方差适应的同质多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致信息资源的浪费和状态估计精度的下降,为此提出一种动态加权下测量方差自适应的同质多传感器融合算法．该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性,使得每次测量的信息得到充分的利用．仿真结果表明,该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。