共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
3.
4.
5.
6.
7.
多传感器目标关联是确定不同传感器系统观测的若干信号是否来源于同一目标,它是现代多传感器系统中的一个重要问题。传统的关联方法通过计算不同观测间的关联代价,通过求解代价矩阵最优解来获得关联匹配,但是容易受到环境和传感器性能的影响。提出了一种基于偏差映射聚类(bias mapping cluster,BMC)的目标关联方法,通过对多个传感器间观测目标偏差映射点进行聚类,搜索局部密度最大的映射点集作为传感器间的目标关联结果,走出了利用数学方法求解全局最优解的传统模式。相较其他传感器间目标关联方法,仿真结果表明该方法能有效利用目标观测的空间散布特性,关联正确率更高,并对虚假目标和目标失配等情况具有更强的适应性。 相似文献
8.
针对已有评估方法存在的不足,提出一种基于Vague集的防空武器系统机动能力评估新方法。分析了影响防空武器系统机动能力评估的指标因素,给出了各评价指标的模糊值表示及指标权重的计算方法,该方法能有效避免传统的专家打分法造成的主观偏差。在此基础上,建立了基于Vague集的防空武器系统机动能力综合评价模型,给出了评价其优劣的排序方法。最后通过实例分析验证,该方法评估结果准确,对指挥员科学决策具有一定的参考价值。 相似文献
9.
10.
11.
基于熵和TFN—AHP的TOPSIS法TBM目标威胁度评估 总被引:1,自引:0,他引:1
在界定基于能力的武器装备体系需求生成相关概念的基础上,对需求生成模式提出了基于改进的TOPSIS法TBM目标威胁度多属性评估方法,利用熵和TFN-AHP理论处理目标属性主客观权重,避免了传统TOPSIS方法中人为给定目标属性权重的随意性,同时利用模糊隶属度函数和G.A.Miller9级量化理论量化影响因素,建立了TBM多目标威胁评估排序模型,给出了计算实例。计算结果表明,该算法具有合理性和有效性。 相似文献
12.
13.
14.
15.
基于改进TOPSIS法和蚁群算法的反TBM目标群目标分配研究 总被引:1,自引:0,他引:1
基于改进的TOPSIS法和蚁群算法,以弹道导弹目标群为研究对象,研究了反导指控系统对目标群的目标分配问题。首先通过改进的TOPSIS法确定TBM目标群威胁排序并基于拦截排序准则确定拦截排序;其次使作战效能最大化,基于蚁群算法确定目标的最优分配方案;最后通过仿真实例验证了在考虑目标威胁值排序前提下采用此算法,可使目标群分配方案更加科学有效和符合反导作战实际。 相似文献
16.
17.
18.
针对地面机动目标跟踪过程中的多传感器管理问题展开了研究,设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先,在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型;接着将等价伪量测的异步融合算法与IMM算法结合,计算各目标在不同融合周期的跟踪精度估计值;最后,以目标的跟踪精度需求为出发点,结合蚁群算法的思想,设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明:该管理方法能在确保跟踪精度需求的前提下,根据对各目标跟踪任务的重要程度,合理地调度传感器资源。 相似文献
19.
防空监视网络传感器任务优先级的模糊评价方法 总被引:1,自引:1,他引:0
传感器任务优先级是传感器管理的重要依据。应用模糊推理技术的传感器任务优先级评价方法,基于所有融合航迹和识别数据,通过符号推理确定决策循环过程中执行的每个监视任务的优先级。首先确定了管理系统结构,建立了优先级决策树,给出了模糊推理规则,最后进行了仿真试验。试验结果说明了模糊评价方法在传感器管理应用中的有效性。 相似文献