论文探讨了TMA(目标运动分析)中基本的非线性估计问题；介绍了粒子滤波(PF)的基本思想和辅助变量PF(AVPF)的基本算法，特别针对空对海单站只测方位TMA(BO-TMA)问题应用AVPF和EKF(扩展卡尔曼滤波)进行了对照研究；建立了问题的离散非线性滤波估计模型；设计了典型的应用场景；给出了Monte Carlo仿真运行结果；表明AVPF具有更高的估计精度、更好的收敛特性和滤波一致性。

该文指出Hong(2001)在多速率运动模型中关于过程噪声的一处错误,提高了多速率运动模型状态估计效果,并在此基础上建立了多帧概率数据关联算法.在确定多帧量测数据有效回波时,提出双重门限方法,有效减少了多帧概率数据关联算法的计算量.最后针对各种杂波密度情况对多帧量测数据概率数据关联算法的性能进行了分析.

针对目前图像隐写检测模型中线性卷积层对高阶特征表达能力有限，以及各通道特征图没有区分的问题，该文构建了一个基于多层感知卷积和通道加权的卷积神经网络(CNN)隐写检测模型。该模型使用多层感知卷积(Mlpconv)代替传统的线性卷积，增强隐写检测模型对高阶特征的表达能力；同时引入通道加权模块，实现根据全局信息对每个卷积通道赋予不同的权重，增强有用特征并抑制无用特征，增强模型提取检测特征的质量。实验结果表明，该检测模型针对不同典型隐写算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的检测准确率，与最优的Zhu-Net相比，准确率提高1.95%～6.15%。