简介:现代军事行动的特征已经发生了改变,信号管理领域也正经历着革命性的进步。传感器、智能武器和各种侦察系统仍是需要考虑的因素,但不再是驱动信号管理领域发展的唯一因素。军事行动中出现的新动向带来了一系列亟待解决的新问题和新威胁。作为回应,信号管理领域如今也包括了更加广泛的解决方案,以应对整个生存力方面的各种问题。
简介:摘要:研究一类具有leakage时滞的离散型神经网络的状态估计问题.通过构造新的Lyapunov泛函得到保证估计误差全局渐近稳定的充分条件,并通过求解一个线性矩阵不等式(LMI)得到状态估计器的增益矩阵.采用一种新的时滞分割方法将变时滞区间分割为多个子区间,使该结果在获得更小的保守性同时也降低了计算的复杂度.
简介:研究了基于L曲线的跳频信号重构正则化参数的选取问题,对跳频信号的稀疏性进行了分析,采用L曲线对系统的最优正则化参数进行了选取.在此基础上,通过推广的正则化FOCUSS算法估计了跳频信号的稀疏表示.仿真结果表明,通过L曲线选取的正则化参数在推广的正则化FOCUSS算法下,能够实现跳频信号在噪声环境下的重构.
简介:针对目标跟踪中非线性滤波精度下降甚至发散的问题,提出了一种时变噪声统计估计的自适应无迹卡尔曼滤波(UnscentedKalmanFiltering,UKF)算法。首先将系统模型和滤波算法修正为适于噪声非零均值时的情况,然后根据极大后验估计原理,推导出一种次优的时变噪声统计估计器,其系数通过指数加权的衰减因子计算得到,最后与传统UKF算法结合形成自适应的滤波算法。仿真结果表明,该算法保证了滤波收敛性,能够对目标进行有效跟踪,而且滤波精度显著提高。
简介:影响火炮射击精度的众多因素中,跳角的定常偏差和随机散布误差是火炮研究领域特别关注的一个影响因子。参考国内外相关文献基础上,对火炮发射时弹丸初速跳角误差进行了较为系统全面的数学描述,同时对火炮射击试验过程中产生的现象进行了系统的总结与分析。
简介:针对超声检测回波信号中的大量噪声,分析了超声检测回波信号的特性,考虑经验模式分解(EMD)和小波哗噪的优点,在改进阈值函数基础上提出一种基于EMD的小波阈值降噪方法.该方法利用EMD对超声信号进行分解,对高频分量用改进小波阈值函数方法进行处理,再结合低频分量重构得到降噪信号.仿真实验结果表明,该方法降噪效果优于小波软、硬阂值降噪,进一步提高了重建信号的信噪比,降低了其均方根误差,是一种可行的超声信号降噪方法.
现代战场上的信号管理
基于时滞分割法的具有leakage项时滞的离散型神经网络状态估计
基于L曲线的跳频信号重构正则化参数优化
时变噪声统计估计的自适应UKF目标跟踪算法
火炮发射时弹丸初速跳角数学描述及试验分析
基于EMD的改进小波阈值降噪法在超声信号处理中的应用