多冲突环境下混合模糊双矩阵对策的集结

针对策略集模糊与具有模糊支付值的多冲突环境,建立了混合模糊双矩阵对策的综合集结模型。基于局中人的约束条件,构造局中人面向多冲突环境的可行策略串集合,建立新的结局空间;在假定模糊支付值为三角模糊数的情形下,基于模糊数的运算,构造局中人在新结局空间上的合成结局模糊支付值,建立多冲突环境下的混合模糊双矩阵对策综合集结模型,将集结模型清晰化并求解。最后,给出军事想定实例,说明了模型的实用性及有效性。     

具有策略偏好的模糊双矩阵对策模型及其应用

针对局中人对策略有偏好、支付值模糊的双矩阵对策给出了一种具体的求解方法,首先根据加权算子集结得到局中人的策略偏好向量、利用模糊数排序方式将模型转化为清晰的双矩阵对策,再利用粒子群优化算法求解.最后以雷达电子对抗为例,建立了具有策略偏好的模糊双矩阵对策的作战效能评估模型,研究结果对于双方资源分配,提高作战效能具有一定的军...     

两人多冲突环境下的双矩阵对策集结模型

针对用多个双矩阵对策来描述的两人多冲突环境,首先基于局中人所受到的约束条件,构造局中人面向多冲突环境的可行策略串集合;其次以所有局中人的可行策略串集合建立新的结局空间,构造局中人在新结局空间上的支付函数,进而建立两人多冲突环境下的对策综合集结模型;最后给出了一个军事例子,该算例说明了模型的实用性.     

雷达组网效能量化评估模型

针对雷达组网效能评估过程中决策者的主观判断可能存在一定误差的情况,将层次分析法应用于组网雷达效能评估中。首先建立了组网雷达效能评估结构模型。其次结合案例构造了雷达组网效能评估判断矩阵,进行层次单排序以及层次总排序和一致性检验。最后,利用灰度层次分析法对模型的合理性进行了验证。结果表明,该模型的建立在一定程度上为雷达组网的合理分配使用提供决策依据。     

对组网雷达的多目标航迹欺骗

由于目前点迹压缩、点迹串行合并等融合方法在组网雷达中的普遍应用,使得对单部雷达的多目标航迹欺骗很容易被雷达组网系统所识别。为了能够有效地欺骗组网雷达,并在网内各雷达的PPI显示器上显示相似的航迹,在对单部雷达实施多目标航迹欺骗的理论基础上,提出了一种对组网雷达实施多目标航迹欺骗的方法。根据组网雷达系统中各雷达坐标位置的不同以及各雷达主波束对准干扰机时间的不同,详细讨论了产生具有空间相关性和时间相关性的可控欺骗航迹的算法。     

基于模糊多目标对策的雷达反干扰策略优化

考虑到单部雷达反干扰效能评估指标多样化、模糊且存在不同权重的情况,在对策论基础上提出了一种雷达反干扰策略优化模型,并在考虑局中人偏好情况下,设计了一种模糊多目标对策最优混合策略求解算法,为找出较优化的雷达反干扰策略以及为战场决策提供参考。     

基于复杂系统的组网雷达系统分析

分析了常规单基雷达演化成组网雷达的过程,并运用复杂系统的基本属性———差异性、多样性、相关性和整体性,分析了组网雷达演化的机理。然后指出组网雷达整体涌现具体表现为作战能力的提高和“四抗”能力的飞跃。最后分析了组网雷达作为复杂系统,网内雷达站之间的数据融合是其涌现的动力学机制。     

雷达组网系统责任区抗干扰优化部署

针对有源压制干扰对雷达组网系统的威胁,深入分析了雷达组网系统的抗干扰优化部署问题,建立了雷达组网系统责任区抗干扰优化布站决策模型,并给出了具体的算法和求解分析.仿真结果验证了该方法的有效性,可为雷达组网系统的实际优化部署提供参考.     

FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。