Print

鱼雷靶场试验数据融合的研究

论文摘要

本文以国防科工委“十五”基础科研项目——“鱼雷靶场信息融合和综合指控显示系统”为背景,对试验数据的数据融合问题展开了研究。论文的主要工作如下: 1.探讨了时间和空间校准技术对靶场试验数据的影响。 2.研究了用于数据关联的两个经典算法:最近邻域(NN)算法和联合概率数据关联(JPDA)算法,并指出了以上算法在密集及交叉回波环境下所存在的缺陷。 3.研究了一种快速JPDA算法,解决了传统JPDA算法中出现的计算量组合爆炸现象。对靶场数据的仿真结果表明,该算法在大大降低计算量的同时保持了JPDA的优良性能,在复杂情况下仍能做出正确决策。 4.将一种用于一般非线性系统的推广卡尔曼滤波(EKF)算法应用于鱼雷靶场试验数据的融合分析中,仿真结果证明其融合估计在精度上优于局部估计。 5.根据某水中兵器试验场系统构造的特点,设计了该试验场试验数据的融合方案。仿真结果表明该方案是有效的、可行的。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 数据融合的目的和应用
  • 1.2 数据融合的处理模型
  • 1.3 本论文的研究意义及主要工作
  • 第二章 数据预处理与时空校准
  • 2.1 点迹过滤、合并、去野值
  • 2.1.1 点迹过滤
  • 2.1.2 点迹合并
  • 2.1.3 去野值
  • 2.2 数据校准
  • 2.2.1 数据的空间校准
  • 2.2.2 数据的时间校准
  • 2.3 本章小结
  • 第三章 数据关联
  • 3.1 数据关联的基本思想
  • 3.2 数据关联过程
  • 3.3 最近邻域法
  • 3.3.1 算法的基本思想
  • 3.3.2 算法的基本准则
  • 3.3.3 仿真分析
  • 3.4 联合概率数据关联算法
  • 3.4.1 联合概率数据关联算法的基本思想
  • 3.4.2 改进的快速JPDA算法
  • 3.4.3 算法仿真
  • 3.4.4 与前一种方法的比较
  • 3.5 本章小结
  • 第四章 推广卡尔曼滤波在融合中的应用
  • 4.1 卡尔曼滤波
  • 4.1.1 线性系统描述
  • 4.1.2 Kalman滤波算法
  • 4.2 推广卡尔曼滤波（EKF）算法
  • 4.2.1 EKF算法思想
  • 4.2.2 算法分析
  • 4.2.3 算法仿真
  • 4.3 本章小结
  • 第五章 鱼雷靶场数据融合方案设计
  • 5.1 鱼雷靶场数据的融合方式
  • 5.2 系统描述
  • 5.3 靶场数据融合仿真
  • 5.4 本章小结
  • 第六章 结束语
  • 6.1 本文的主要工作
  • 6.2 下一步研究的内容
  • 参考文献
  • 致谢

    • 相关论文文献

    本文来源: https://www.lw50.cn/article/bdd87d78fed8fae095afd27c.html