用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

神经网络的单滤波器目标跟踪算法

当前统计模型及其自适应滤波(CSMAF)算法是机动目标跟踪中的一种有效方法.但该方法对目标机动加速度极限值有依赖,并且对弱机动目标跟踪的精度不高.为解决这一问题,利用一种改进的加速度方差自适应调整公式克服了对加速度极限值的依赖,同时利用神经网络对滤波参数信息进行融合,自适应调整过程噪声.仿真结果表明,该方法有很好的机动...     

多速率交互式多模型粒子滤波研究

由于粒子滤波的算法原理,其计算量很大.研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法.该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一搬基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性.     

一种自适应变结构交互式多模型算法

针对机动目标跟踪问题,提出了一种自适应变结构交互式多模型算法。对滤波问题进行了简单描述,并给出了交互式多模型算法的数学模型;建立了一种新的变结构交互式多模型算法的精确模型,模型子集之间并行独立运行,通过选取概率最高的模型子集的状态估计作为最终的估计结果;在变结构交互式多模型算法基础上进一步设计了自适应变结构交互式多模型算法,该方法提高了模型子集和目标实际机动模式的匹配程度,从而提高了目标跟踪精度。仿真结果表明,自适应变结构交互式多模型算法的跟踪效果优于其他方法。     

机动目标跟踪的交互式多模型自适应滤波算法

采用"当前"统计模型、匀加速模型以及匀速模型,运用交互式多模型算法的思想,提出了一种用于机动目标跟踪的交互式多模型自适应滤波算法.基本思路是上述三种模型并行工作,利用马尔可夫切换系数在它们之间进行切换,目标状态估计是上述三种模型交互作用的结果.蒙特卡罗结果表明该算法不仅克服了上述三种模型各自的缺点,提高了对机动目标的跟踪精度,同时具有全面自适应跟踪能力.     

基于“当前”统计模型的模糊自适应滤波算法

"当前"统计模型需要预先设计目标最大机动加速度和目标机动频率,不能适应各种机动情况。在"当前"统计模型的基础上,提出了一种基于"当前"统计模型的模糊自适应滤波算法。该算法能使目标最大机动加速度和目标机动频率随着机动特性自适应调整,适应各种机动情况。仿真结果表明,该算法的跟踪精度优于传统的基于"当前"统计模型的跟踪算法。     

交互多模自适应容积Kalman滤波算法设计及履带车辆跟踪应用

为满足履带车辆作为机动目标的实时跟踪和对目标速度、航向角的准确估计,针对测量值含有相关乘性噪声,采用新息分析法依据噪声相关系数已知和未知改进容积Kalman滤波算法。考虑到单模型滤波器难以准确地实现机动目标的跟踪,采用交互式多模型算法对履带车辆运动轨迹进行描述,提出一种交互式多模自适应容积Kalman滤波算法。仿真表明交互式多模型自适应容积Kalman滤波算法对车辆机动具有稳定的跟踪效果且乘性噪声得到有效处理。     

基于“当前”统计模型的衰减因子自适应跟踪算法

针对机动目标跟踪问题,叙述了加速度方差自适应的"当前"统计模型.提出了一种具有自适应衰减因子的滤波算法,并对该算法进行了较为深入的理论分析.这种衰减记忆滤波具有集机动检测与参数自调整于一体的能力,最后Monte-Carlo仿真结果表明,这种自适应算法较原算法有较大的改进.     

基于影响图方法的信息战模型

由于粒子滤波的算法原理,其计算量很大。研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法。该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一般基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性。     

潜艇战术应用软件及其建模

潜艇战术软件研制是一项复杂的系统工程,建立模型是这项系统工程中的核心部分,它直接关系到潜艇战术软件的各项性能指标。对潜艇战术软件的建模问题进行了探讨和研究。     

基于小采样周期的机动目标模型跟踪性能研究

分析了小采样周期条件下“当前”统计模型、基于速度估计的自适应模型及自适应常加速度模型,对3种模型的稳态性能和动态性能进行了分析比较,并对3种模型的机动目标跟踪效果进行了仿真。仿真结果表明：小采样周期条件下,3种模型的稳态跟踪性能一致,而在动态跟踪条件下自适应加速度模型性能更优。     

基于MDA的MARTE模型形式化转换

非形式化/半形式化模型到形式化模型之间的转换是当前软件工程领域的研究热点。根据异构模型转换,提出了基于MDA的MARTE模型到Object-Z规约之间的转换方法。针对Object-Z在实时领域表达能力不足的问题,首先扩展Object-Z元模型;然后在MDA的元元模型体系下,定义了MARTE元模型和扩展的Object-Z元模型之间的转换规则。MARTE模型可以重用这些转换规则以实现到Object-Z形式化描述之间的转换,进而可以对模型进行形式化验证;最后通过一个实例使用该方法完成模型转换,具体说明了转换规则的应用。     

战时装备保障过程建模仿真研究

目前战时装备保障方案制定,多是依靠基本原则和经验,过程描述随意性大,同时保障活动的组织缺乏有效的手段,导致方案缺乏科学性、可操作性差。为此借鉴过程管理的思想,应用IDEF3方法建立装备保障准备阶段过程模型,形成规范的、易于交流的保障流程,依据过程模型采用离散事件仿真的方法对不同活动组合的过程效率进行了分析,改变以往根据排队理论经过大量计算分析效率的方式,实现战时快速准确优化过程的目的,为装备保障方案的形成提供方法支持。     

基于MDA的HLA仿真技术框架设计

近年来MDA在分布式仿真特别是在HLA仿真技术中的应用情况缺乏对MDA与HLA结合的仿真技术整体性的认识,不利于仿真系统开发的宏观指导.基于MDA的HLA仿真技术框架的提出就是从系统的角度研究基于MDA的仿真系统开发过程.该框架从模型通用性的静态角度和建模仿真过程的动态角度出发,分为HLA仿真系统主题域的划分和HLA仿真系统开发过程两部分进行了全面的分析,为今后开展基于MDA的HLA仿真研究提供了一种宏观的指导方法.     

雷达信号级仿真中的模型耦合问题研究

针对目标回波小尺度幅度起伏特性模型进行了介绍。对雷达线性接收机和对数接收机的特性和模型进行了对比。对雷达信号级仿真中,由于雷达采用非线性对数接收机造成的目标回波小尺度幅度起伏特性模型与接收机模型相互耦合的原因和所产生的影响进行了分析。提出对这样的模型耦合问题必须解决,以保证仿真研究结果的有效性。     

离散作战模型的连续化兰切斯特模型研究

通过兰切斯特方程的分析,定义了作战力量变换系数概念,推导出作战力量变换系数的兰切斯特方程,得到了衡量交战双方作战力量等效值,而作战力量变换系数的兰切斯特方程正是适用于离散型作战的兰切斯特作战模型,使具有深刻影响力的兰切斯特方程适用范围扩大到了交战双方离散数量型的作战领域,从而赋予兰切斯特方程新的生命,为复杂的格斗作战分析提供了新的工具。     

坦克射击视景建模与实时动态显示

根据坦克射击视景景物的特征,采用了一种较优越的方案将视景进行分类建模.对景物模型进行简化和各种实时技术处理后,能在微机图形工作站上实时动态显示逼真的坦克射击视景.     

二维浅水波并行模式的伴随

以二维浅水波为例,详细探讨如何开发并行模式的切线性模式和伴随模式。切线性模式的并行机制和原始模式一致,而伴随模式不同。三个模式采用一致的数据剖分方法可提高并行效率。在集群并行计算机系统上采用一维数据剖分,切线性模式的通信量与原始模式相当,而计算量几乎是原始模式的2倍;伴随模式的通信量大约是原始模式的2倍,而计算量几乎是原始模式的3倍。在三个模式中,切线性模式的加速比最大。     

战术互联网网络管理模型

战术互联网具有与一般通信网络不同的特征与要求,为此其网络管理需要采用新的方案来解决。采用模型分析方法,对战术互联网网络管理的活动模型、功能模型、组织模型、运行模型、通信模型与视图模型进行了分析研究,从而为战术互联网网络管理方案确立了总体框架,并为战术互联网网络管理系统设计提供了指导思路。基于所研究的模型,可以使战术互联网网络管理系统适应战术互联网的特殊性,满足战术互联网的作战运用需求,保障战术互联网充分发挥作战效能。