多雷达多目标航迹跟踪法

提出了一种改进的模糊极小极大(Fuzzy Min-Max,FMM)神经网络算法,并结合无师训练FMM神经网络的聚类,给出了一种基于FMM神经网络的多雷达多目标航迹跟踪方法.仿真实验结果表明,这种方法能够有效地完成多雷达多目标的数据融合,并较好地实现了多雷达多目标的航迹相关.     

基于小波神经网络的舰载雷达目标识别方法

介绍了用于雷达目标识别的小波神经网络的结构与算法。该方法基于子波变换进行特征提取和识别，在最小均方能量准则下，用共轭梯度算法求解子波函数线性组合的尺度和延时参数，以及神经网络的权值。结果表明，该方法的实际结果具子波的非线性，可有效解决雷达目标的识别问题。     

齿轮传动故障诊断方法综述及应用研究

介绍了基于粒子群优化的小波神经网络,基于相关分析与小波变换,基于小波包和BP神经网络和基于小波分析等故障诊断方法,分析比较了各种方法的优缺点,并对提出了基于多数据融合的故障诊断方法将成为今后齿轮传动故障诊断的主要发展方向。     

神经网络的舰船航迹跟踪分析

舰船航迹具有比较强的时变性,对其进行研究具有重要意义。针对传统舰船航迹跟踪分析方法难以准确、在线性对舰船航迹进行跟踪,舰船航迹跟踪误差大的缺陷,设计了基于神经网络的舰船航迹跟踪分析方法。首先分析了舰船航迹跟踪的原理,指出各种舰船航迹跟踪分析方法的局限性,然后通过神经网络对舰船航迹进行有效拟合,建立舰船航迹跟踪分析模型,并对神经网络的相关参数进行优化,最后进行舰船航迹跟踪分析仿真模拟测试,神经网络的舰船航迹跟踪误差小于5%,远远低于舰船航迹跟踪实际要求的15%,而且舰船航迹跟踪精度要高于传统舰船航迹跟踪分析方法,舰船航迹跟踪分析时间更短,能够进行舰船航迹在线跟踪分析,具有更高的实际应用价值。     

变步长BP网络优化导航雷达跟踪滤波系统的研究

本文提出了采用变步长ＢＰ网络实时处理导航雷达目标跟踪滤波数据。其原理是在ＢＰ算法中加入变动量因子,用Ｎ层变步长寻优进行前馈神经网络的学习。该算法能够根据输入时间序列的特点自适应调整网络优化步长,对匀速和变加速运动目标的稳定跟踪精度分别在７．５ ｍ 和１１ ｍ 以内,而对急转弯的目标抖动２～４ 次就能及时跟踪上     

一种新的雷达间隙辅助红外的机动目标跟踪算法

论文针对雷达间隙辅助红外的机动目标跟踪问题,提出了一种新的跟踪算法。该算法由跟踪误差与精度指标的大小来选择雷达的开机时间,从而构成了一个闭环的跟踪系统,解决了在给定的跟踪精度指标下雷达的开机时间选择问题。其思想为：在内层通过引进高、低门限,根据跟踪精度与门限的大小,自适应地选择交互式扩展卡尔曼滤波（IMM-EKF）或交互式粒子滤波（IMM-PF）;在外层将基于雷达量测的滤波结果和红外量测的滤波结果进行交互;从而实现了两层交互式自适应滤波。仿真结果表明该算法在计算复杂度和跟踪精度上达到了较好的平衡,实现了雷达间隙开机下对目标稳定的跟踪。     

基于DSC的欠驱动船舶路径跟踪神经滑模控制

为进一步提高船舶路径跟踪的准确性和稳定性,针对欠驱动船舶易受外界环境的干扰和模型不确定等问题,提出一种基于动态面技术的神经网络滑模控制策略。在虚拟船逻辑制导算法的基础上,结合反步法对虚拟控制律进行设计,引入动态面技术对虚拟控制律的导数进行估计,避免因直接求导而增加计算负担。在动力学回路设计中,将径向基神经网络与滑模控制相结合,设计神经网络权重的自适应律,实现对系统非线性项的在线估计和对实际控制律的设计。采用Lyapunov直接法证明闭环系统的稳定性,并对一艘长为32m的单体船进行仿真试验。结果表明,该控制策略可行,能实现对欠驱动船舶路径的有效跟踪。     

雷达机动目标的自适应跟踪算法

机动目标跟踪一直是雷达目标跟踪的重点难点,论文建立了一种当前统计模型的目标运动模型,给出了概率密度以及非零均值目标加速度随机过程数学表达式,结合基本Kalman滤波,建立了基于该模型的机动目标跟踪自适应算法.最后针对实际目标机动情况,对其进行仿真计算,仿真结果证明,该算法具有良好的跟踪性能.     

非高斯条件下基于无味粒子滤波器的目标跟踪

研究了无味粒子滤波器的基本思想和具体算法实现步骤,在给出的闪烁噪声统计模型基础上,将PF、UKF和UPF算法应用在雷达目标跟踪中,解决了闪烁噪声情况下的雷达目标跟踪问题,仿真结果表明,UPF的状态估计性能优越。     

基于分类区间小波网络的雷达目标识别研究

介绍了一种区间小波的构造方法,并将区间小波与神经网络相结合,提出了一种用于信号分类的的分类区间小波网络,利用它可以解决以往小波网络的基底空间与被学习信号所属空间不匹配的问题.实验结果表明,将区间小波网络应用于雷达目标识别,可以减少神经元的数目,提高网络的收敛速度,能够获得较好的分类效果.     

VDR雷达图像的ROI图像编码压缩算法

针对VDR雷达图像感兴趣区域压缩问题，提出了整数小波变换和非均匀移位的ROI图像编码压缩算法。该算法利用整数小波对图像进行变换，对量化后生成的小波系数进行非均匀移位，不仅能够保证感兴趣图像数据在低比特数据流中的优先恢复，还实现了使图像的渐进恢复过程更加适合人眼视觉特点的效果。通过对VDR雷达图像的压缩实验，该算法效果明显。     

利用小波包分析进行雷达图像消噪研究

针对船用雷达图像消噪问题,提出了应用小波包分析算法对雷达图像进行消噪处理.小波包分析算法对上一层的低频部分和高频部分同时进行细分,具有更为精确的局部分析能力.本文对小波包分析进行了改进,解决了频率混叠问题,其消噪效果更佳,具有更为广泛的应用价值.     

基于分类区间小波网络的雷达目标识别研究

介绍了一种区间小波的构造方法,并将区间小波与神经网络相结合,提出了一种用于信号分类的的分类区间小波网络,利用它可以解决以往小波网络的基底空间与被学习信号所属空间不匹配的问题。实验结果表明,将区间小波网络应用于雷达目标识别,可以减少神经元的数目,提高网络的收敛速度,能够获得较好的分类效果。     

小波变换域雷达视频数据压缩

由于雷达视频信号的带宽问题,在对其进行数字化传输和记录时,必须对雷达视频信号进行压缩。本文提出一种雷达视频信号数据压缩有效算法,该算法主要基于小波变换域压缩编码算法。实际结果表明,该算法性能良好。     

概率数据相关技术在目标跟踪中的应用

介绍了目标跟踪系统和概率数据相关(Probabilistic Data Association)算法的基本原理,并对怎样将PDA算法用于杂波环境下的目标跟踪进行了详尽的叙述.     

跟踪反馈技术在舰载雷达目标检测的应用

相控阵雷达的出现,使得舰载雷达可以通过控制阵元间的发射接收相位差来改变波束方向,提高雷达波束的扫描速度。然而,基于RFS建模的多目标跟踪算法仍面临非线性系统下多目标跟踪精度的问题,需要借助单目标滤波算法中的非线性近似手段提升舰载雷达跟踪水平。本文围绕跟踪反馈技术在舰载雷达目标检测,以δ-GLMB跟踪反馈算法展开研究。使用多传感器提供的更全方位、更深维度的信息,提高整个跟踪反馈技术系统的观测精度,进而增强舰载雷达的抗误检、漏检、虚检能力。     

基于小波网的船舶运动极短期建模预报

本文结合小波分析和神经网络的优点，建立了应用于船舶运动极限期模预报的小波神经网络的结构及算法，给出了该算法的一步及多步预报模型，并进行了仿真，仿真结果说明该算法是可行的。     

一种改进全局最近邻关联的无人船双雷达目标跟踪算法

针对无人船载双雷达目标跟踪问题,提出一种基于全局最近邻关联（GNN）的无人船雷达目标跟踪算法。建立随船正北坐标系,对传感器的测量结果进行坐标变换,利用GNN算法对目标进行跟踪。针对GNN算法在虚警、漏报情况下易发生误关联的缺点,提出一种跟踪门的设置方法,利用关联代价与模糊隶属度对目标进行2次滤除来提高GNN的关联正确率。最后,利用安装有激光雷达与毫米波雷达的无人船在实际海上环境进行试验,试验结果表明,与未改进的跟踪算法相比,本文提出的改进跟踪算法正确率提高了25.87%,验证了算法的可行性和有效性。     

雷达图像快速无损压缩算法

针对船用航行数据记录仪雷达图像无损压缩问题,提出了将整数小波和改进SPECK相融合的算法.该算法利用整数小波对图像进行变换,进而采用引入了Hash表和综合匹配法的改进SPECK进行编码.雷达图像无损压缩仿真结果表明,该算法不仅提高压缩速度,而且提高了压缩比.     

用于雷达信号杂波抑制的小波算法选择

在航海雷达中，雷达信号存在着内部噪声、雨雪杂波、海杂波和同频干扰等杂波。而基于小波变换的雷达杂波抑制方法是一种不依赖于杂波统计分布特性，对各种分布的雨雪和海浪杂波都有良好适应性的方法。算法的选择是对该方法进行实际应用的关键，由这一点，从多角度出发，对此种方法在应用中小波基和算法选取进行讨论。结果表明，硬阈值处理、非降样算法的4尺度Haar小波比较适合进行基于小波分析的雷达信号杂波抑制处理。