简介：单站无源跟踪问题本质上是非线性估计问题，使用传统的DKF算法进行跟踪滤波，得到的结果误差较大，容易产生发散现象。本文在惟方位跟踪中应用UKF算法，仿真结果表明，与EKF相比，采用UKF算法跟踪精度较明显的提高，同时增强了滤波器的稳定性，有效地改善了跟踪性能。

简介：角闪烁背景下,雷达导引头在近距离跟踪阶段存在不能稳定跟踪,甚至不能精确跟踪的问题。基于高分辨技术的单脉冲测角方法是抑制角闪烁、提高角跟踪性能的有效途径。现有研究采用幅度加权的思路,在对目标角度的估计过程中只利用了目标多个散射点的幅度信息。对于雷达目标的角度估计和角度跟踪而言,目标几何中心具有确切的物理意义。在距离高分辨条件下,散射点的距离信息表征了目标散射点在径向上的分布情况,对目标几何中心的角度估计更具有实际意义。因此,充分利用高分辨雷达所能提供的有效目标信息,提出了基于目标几何中心的角信息处理方法。仿真结果表明,该方法不仅能有效抑制角闪烁,而且具有更好的跟踪准确性和稳定性。

简介：为了有效解决机动目标自适应跟踪中系统误差的实时补偿问题，提出了一种基于修正输入估计的机动目标自适应跟踪与系统误差配准算法。该算法将目标机动加速度看作未知输入向量附加至状态方程，同时，将未知的系统误差向量附加至量测方程，推导出状态方程和量测方程扩维情况下目标滤波算法，在目标跟踪过程中实时估计机动加速度，并对系统误差进行配准。仿真结果表明，该算法可解决机动目标的自适应跟踪和系统误差实时修正问题。

简介：无源定位跟踪是一种非线性系统状态估计问题。为了提高系统定位精度和降低系统复杂度,将无迹卡尔曼滤波（UKF）应用于多移动传感器多目标无源定位跟踪系统。由于多移动传感器多目标交叉定位时会产生大量虚假点,随着传感器和目标数量的增加而大幅增加。因此,提出了一种改进的快速精确定位算法,即首先通过预测点选取传感器-目标测量方程;然后变换该测量方程,排除大量虚假点;再进行基于距离的支持度非等权值融合;最后将UKF子滤波估计值进行融合得到融合估计值。仿真结果表明,UKF和基于距离的融合法相结合对多移动传感器多目标无源定位具有较高的定位精度和较好的跟踪效果。

简介：针对再入弹道目标跟踪问题,提出了一种基于平方根容积信息滤波的多传感器融合估计算法（SCIF）。SCIF通过在扩展信息滤波（EIF）框架中嵌入平方根容积卡尔曼滤波算法（SCKF）实现状态滤波。仿真结果表明：所提出的算法不仅避免了EIF由于模型线性化误差易导致滤波发散的问题,且克服了不敏信息滤波（UIF）在高维滤波中数值不稳定的缺点,算法的滤波精度较高,能够更加有效地解决弹道目标跟踪中的强非线性滤波问题。

简介：为适应目标位置快速变化、局部遮挡和短暂消失等情况,提出了一种基于均值偏移（MeanShift）和卡尔曼滤波的红外目标跟踪算法。该算法采用局部二元模式（LBP）算子提取图像特征向量,基于MeanShift特征匹配和目标定位结果,预测下一帧跟踪波门中心位置,结合卡尔曼滤波器进行跟踪状态估计和维持。仿真试验表明该算法的有效性。

简介：

简介：基于目标信号到达不同高轨卫星的时差信息,本文提出了一种空中动目标定位跟踪方法。该方法不仅能够对空中动目标进行定位跟踪,而且同时能估计出目标的航速航向等信息。仿真结果表明了该方法的定位跟踪和航速航向估计都能达到很高的精度,对于高轨卫星对空中动目标定位跟踪的工程化实现具有一定的参考价值。

简介：根据非合作式单站无源目标定位跟踪的模型,对标准的UKF算法进行了简化,提出了一种SUKF（simplifiedunscentedkalmanfilter）算法,并将其应用于非合作式单站无源目标跟踪。仿真分析表明,与传统的EKF相比,该算法在滤波精度上有显著的提高;与标准UKF相比,该算法不仅保持了与UKF相同的滤波精度,而且其时间复杂度较UKF大为降低,更适合于实时性强的场合应用。

简介：以对单脉冲雷达导引头目标检测跟踪过程建立信号级仿真模型为出发点，介绍了振幅和差式单脉冲雷达导引头角度跟踪环路建模仿真的实现思路，然后结合具体实例对单脉冲雷达导引头的角度跟踪性能进行了仿真试验分析，最后对单脉冲雷达导引头抗自卫式单点源干扰能力进行了总结。

简介：摘 要：国有企业通常规模大，物资消耗大，所以物资采购花费的资金数额也较大，如果没有合理合规的采购管理和风险防范措施，很容易导致国有资产的流失，产生不必要的成本支出。因此在新时期国有企业的物资采购中，采购合规化和风险防范能力提升成为必然发展趋势，同时也成为衡量国企采购工作水平的重要内容，所以需要解决问题、优化采购管理，保护国有资产。

简介：多目标跟踪问题是计算机视觉领域的关键研究问题之一。现有的目标跟踪算法严重依赖于目标检测器的性能,如果目标检测器的虚警率或漏警率较高,数据关联将会失败,导致目标跟踪精度不足。为此,本文提出一种基于结构化学习策略的目标身份感知网络流量技术,可在目标检测和数据关联并行化框架下有效地实现多目标跟踪。文中首先通过结构化学习为每个对象训练一个模型,并将目标跟踪问题建模为拉格朗日松驰优化问题,然后提出一种目标身份感知网络流量（TINF）技术进行结构化学习的推理。在学习期间,通过搜索使目标身份感知网络流量代价函数最小化的一组轨迹,确定最被违反约束和序列在下个时间段的最优轨迹,推断出视频片断中所有目标的最佳位置。最后,利用多种高难度数据集进行仿真实验,结果表明本文方法的性能优于其他最新算法。

简介：摘要建筑工程是一个庞大、复杂的系统，涉及多部门、多环节的协调运作与管理，建筑项目的承接，首先需要企业采购相关的生产原料与工具，机械化设备的引入与管理，成为建筑工程高效运行的基础条件。本文阐述了通过运用互联网信息技术，建成集商务操作、过程监控和供需协调等多功能电子化物资处置平台，形成线上交易、线下物流的“互联网+”物资处置管理体系，重点突出三项机制的建设更加突出开放，强调处置权力的公有化；更加突出竞争，挖掘处置效益的最大化；更加突出制衡，发挥异体监督的有效化。提升了处置各环节的合规性、及时性和准确性，营造了公开公平、透明诚信的竞争氛围，打造了物资采购领域的阳光生态。