-
题名多传感器多目标无源定位跟踪算法研究
被引量：25
- 1
-
-
作者
刘梅
权太范
姚天宾
李海昊
-
机构
哈尔滨工业大学电子与信息技术研究院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2006年第6期991-995,共5页
-
基金
2003度航天支撑基金(No.哈工01)
黑龙江省科技计划项目(No.GC05A126)
-
文摘
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.
-
关键词
无源定位跟踪
数据聚类
弹性网络
虚假点
-
Keywords
passive locating and tracking
data clustering
elastic net
false intersection points
-
分类号
TN953
[电子电信—信号与信息处理]
-
-
题名装甲车辆主动防护系统综合反应时间分析
被引量：9
- 2
-
-
作者
宋海平
张柯
刘勇
魏茂刚
姚天宾
-
机构
中国北方车辆研究所
电子信息控制重点实验室
-
出处
《电子信息对抗技术》
2014年第2期36-38,74,共4页
-
文摘
在介绍装甲车辆平台主动防护系统及组成的基础上,综合分析了装甲平台主动防护系统自卫告警、无源干扰、有源干扰、火力摧毁等工作时序。根据装甲车辆平台面临的威胁和其对抗手段,构建了主动防护系统综合反应时间仿真模型,并通过对典型对抗场景建模仿真,给出了对抗距离、威胁目标运动速度与系统反应时间的关系,为系统设计提供了依据。
-
关键词
装甲车
主动防护
反应时间
-
Keywords
armored vehicle
active protection system
reaction time
-
分类号
TN97
[电子电信—信号与信息处理]
TJ811
[电子电信—信息与通信工程]
-
-
题名干扰机组合优化定位算法研究
被引量：5
- 3
-
-
作者
刘梅
姚天宾
权太范
陈国乔
-
机构
哈尔滨工业大学电子与信息技术研究院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2006年第1期49-52,共4页
-
基金
2003年度航天支撑基金资助课题(哈工01)
-
文摘
针对传统的干扰机定位方法不能解决传感器连线附近定位精度低的问题,利用传感器和干扰机的几何投影关系,提出了投影定位法来弥补这一缺陷。在利用多传感器冗余信息的基础上,结合投影定位法和传统的三角定位法,提出干扰机组合优化定位算法。仿真结果表明,此方法可以有效实现对目标位置的估计,且精度较传统方法有较大的提高。
-
关键词
投影定位算法
组合优化定位算法
干扰机定位
GDOP
-
Keywords
projection location algorithm
combined optimum location algorithm
location of jammer
GDDP
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名幅相误差对有源相控阵天线副瓣的影响
被引量：4
- 4
-
-
作者
姚天宾
郝苗苗
龙晓波
-
机构
电子信息控制重点实验室
空军驻成都地区军事代表室
-
出处
《电子信息对抗技术》
2013年第6期79-83,共5页
-
文摘
对误差分布函数进行了理论分析,通过分析有源相控阵系统的组成,构建了其误差组成结构,并推导了误差计算公式。通过理论推导和仿真分析研究了幅相误差对有源相控阵天线副瓣电平的影响。结合误差计算公式和副瓣电平公式得到了实现所需副瓣电平的幅相误差分配方法。
-
关键词
有源相控阵
幅相误差
天线副瓣
-
Keywords
active phased array
amplitude and phase errors
antenna sidelobe
-
分类号
TN821.8
[电子电信—信息与通信工程]
-
-
题名基于增量学习神经模糊网络的机动目标跟踪
被引量：1
- 5
-
-
作者
刘梅
权太范
姚天宾
-
机构
哈尔滨工业大学电子与信息技术研究院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2005年第11期2031-2035,共5页
-
基金
2003度航天支撑基金(No.哈工01)
航天科工集团合作项目(No.YDF.2)
-
文摘
本文提出了基于增量学习神经模糊网络机动目标跟踪模型.当被跟踪目标发生机动时,该模型立刻检测到机动并对卡尔曼滤波器的自适应系统协方差进行精确估计,系统得到及时、正确的补偿.增量学习神经模糊网络能够随着环境变化,自动调整、找到最优的网络结构及参数,当发生机动时,总是能产生接近真实机动值的估计输出,从而提高跟踪性能及避免错误跟踪.仿真结果表明,该模型比传统的机动目标跟踪模型有更好的跟踪性能,并且该模型能动态的适应环境的变化,使系统更加实时,精确的跟踪机动目标.
-
关键词
神经模糊网络
增量学习
机动目标跟踪
-
Keywords
neural fuzzy network
increased leaning
target maneuver
-
分类号
TN953
[电子电信—信号与信息处理]
-
