广义的目标运动分析的特性和性能

目标运动分析(TMA)已经是重要文献的主题。然而目前的方法是使用短时间分析估计的数据(方位,多普勒等)。对于远的声源,可以简单地建立由于声源运动引起的声呐阵列处理输出的非平稳性模型。该模型有可能直接考虑时空TMA。然后可以估计新的(时-空)数据。这些估计值相当于一个长时间分析。还要注意:估计新的数据与(传统的)方位无关。在这种一般结构中,声源轨迹概念代替了传统的瞬时方位。从而研究了相应的TMA算法。另外还仔细研究了统计性能。     

临近空间高超声速机动目标跟踪的IMM-QB算法

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。     

临近空间高超声速机动目标跟踪的IMM-QB算法北大核心

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。     

基于加速度的马尔可夫参数自适应IMM算法

针对标准的交互式多模型算法(IMM)模型切换存在滞后性,使得目标机动改变时跟踪误差增大的问题,提出了一种基于加速度的自适应转移概率矩阵的IMM算法。该算法通过当前时刻IMM算法输出的加速度估计值,得到相应的修正因子,修正下一时刻的转移概率矩阵,使得模型切换速度加快,减小目标机动时的跟踪误差。最后通过仿真实验证明,改进的IMM算法能够有效减小目标机动改变时跟踪误差,提高模型切换速度,同时还指出了该算法的适应范围。     

基于方位和线谱频移的TMA方法

采用纯方位跟踪(BOT)技术确定运动声源的位置及速度时,需要自身至少机动一次,这给观测带来了一定的限制。而处于舰船噪声低频区的线谱具有很高的强度和稳定度,这一事实为估计目标运动要素提供了新的思路。综合考虑了目标方位和线谱多普勒频移信息,给出了形式简洁,易于实现的滤波公式,消除了机动限制。计算机模拟及海上试验数据表明该方法能够得到稳定有效的解。     

鱼雷扩展偏螺旋机动搜索弹道设计

潜艇使用鱼雷对位置散布目标实施攻击时,总期望鱼雷能够通过机动搜索覆盖目标位置散布区域,提高发现概率.扩展螺旋弹道环绕的中心点是固定的,对机动目标的搜索效果不理想.扩展偏螺旋机动搜索弹道克服了扩展螺旋弹道的缺点,使其能够围绕具有一定速度的目标散布区域实施相对弹道为扩展螺旋的机动搜索,较好地覆盖目标散布概率密度较高的区域,明显提高发现目标概率.     

基于Monte Carlo方法的一对二马尔可夫随机格斗模型

讨论了一对二马尔可夫随机格斗双方获胜概率计算问题。提出了一种新颖的一对二马尔可夫随机格斗任意对抗回合双方获胜概率的计算方法,该方法首先基于Monte Carlo仿真计算各个对抗回合中双方发射次序的概率分布,再利用全概率公式确定马尔可夫链的状态转移概率矩阵,从而克服了马尔可夫随机格斗模型往往只能提供无限对抗回合之后格斗双方获胜概率的缺点,为运用马尔可夫随机格斗研究火力运用和弹药分配提供了新途径,并用实例说明了该方法的有效性。     

利用多传感器跟踪机动目标:数据越多总意味着估计越好吗?

在文献中考虑利用多传感器跟踪机动目标一类的问题时,支持特定目标跟踪的传感器数量及类型通常相对于目标假定位置是固定的。然而,在许多多传感器系统中,支持某一特定目标跟踪的传感器数量及类型,可由于各个传感器的机动性、类型及资源的制约而随时变化。这种在传感器系统配置上的变化性,在跟踪机动目标时造成严重的问题,这是由于目标运动模型存在不确定性。卡尔曼滤波器通常用于滤波位置测量,以估计目标的位置,速度和加速度。在设计卡尔曼滤波器时,过程噪声(加速度)方差Qk的如此选定以致于65％到95％的概率区间能包含目标的最大加速度水平。然而,当目标机动时,加速度以一种确定性方式变化。于是,与过程噪声相关的白噪声假设发生偏离,滤波器在目标机动期间产生状态估计偏差。如果选定一个较大的Qk,则在机动时的状态估计偏差较小。但当目标不作机动时,此时的Qk只能粗劣地表征目标运动,而且滤波性能远远偏离最优了。这里,举出了目标在单一坐标系运动的例子,说明了利用多传感器跟踪机动目标存在的问题,从中表明两传感器(在确定条件下,其中包括各传感器的正确配置)具有较之单一传感器更糟糕的跟踪性能。将交互式多模型算法(IMM)应用于该范例中,证明了它是一种解决跟踪滤波器性能问题的潜在方法。     

多阶段任务系统任务持续能力数学评价模型研究

分析了多阶段任务系统(PMS)及任务可靠度、可信度和任务效能等任务持续能力评价参数。结合实际装备系统大部分属于可用马尔可夫过程进行描述的可修复系统的特点,为简化模型复杂程度提出了一些合理的假设条件。针对两状态PMS,通过分析其状态转移关系,从阶段任务成功概率和阶段任务间转换概率的概念出发,分析给出其计算方法。结合对可信度和任务效能等参数的分析结果,建立其计算模型,从而建立了多阶段任务系统任务持续能力数学评价模型。最后结合常见的“靶场打靶”任务,通过对比仿真结果进行了模型的实例验证。     

动态武器目标分配问题的马尔可夫性

动态武器目标分配(weapon target assignment,WTA)问题是军事运筹学研究的重要理论问题,也是作战指挥决策中迫切需要解决的现实问题。在对动态WTA问题进行描述分析的基础上,运用随机过程理论证明了动态WTA过程的马尔可夫性;给出了该马尔可夫决策过程的状态转移概率的解析表达式,并对其状态特点进行了简要分析。研究结果可以为动态WTA及相关问题的研究提供理论和方法依据。     

光学侦察卫星对地机动目标侦察性能的评估

建立了基于改进Johnson判则的光学成像侦察卫星对地面机动目标检测概率模型。模型针对机动目标位置变化、运动速度与方向随机性等特点,提出了一种基于高斯分布的目标转移概率密度函数,用以评估卫星搜寻到目标的概率,将原适用于静态目标检测概率计算的Johnson判则,用于机动目标。通过Matlab/STK联合仿真,验证卫星对机动目标的覆盖情况和发现、识别和确认目标的概率性能。模型以发现、识别和确认目标的概率来描述光学成像侦察卫星对地面机动目标的侦察性能,卫星对地面机动目标的侦察性能可以作为规划机动目标行动方案的依据,有助于机动目标规避侦察。     

光学侦察卫星对地机动目标侦察性能的评估北大核心

建立了基于改进Johnson判则的光学成像侦察卫星对地面机动目标检测概率模型。模型针对机动目标位置变化、运动速度与方向随机性等特点,提出了一种基于高斯分布的目标转移概率密度函数,用以评估卫星搜寻到目标的概率,将原适用于静态目标检测概率计算的Johnson判则,用于机动目标。通过Matlab/STK联合仿真,验证卫星对机动目标的覆盖情况和发现、识别和确认目标的概率性能。模型以发现、识别和确认目标的概率来描述光学成像侦察卫星对地面机动目标的侦察性能,卫星对地面机动目标的侦察性能可以作为规划机动目标行动方案的依据,有助于机动目标规避侦察。     

当前非法出入境活动发展趋势预测

将灰色系统理论与马尔可夫链方法相结合,提出了灰色模型——马尔可夫链预测当前非法出入境活动发展趋势的方法,以某年至某年出入境统计的原始数为依据,通过MATLAB编程建立起微分拟合方程和系统状态转移概率矩阵,对当前非法出入境活动的发展趋势进行了预测和分析.     

目标声源级指向性对被动声自导鱼雷命中概率的影响

分析了目标声源级在水平面内的指向性对被动声自导鱼雷命中概率的影响,给出了鱼雷相对自导作用距离与目标声源级的关系曲线图,对不同舷角和目标机动情况下的鱼雷攻击目标命中概率进行了仿真计算,分别得出了等概率曲线图。计算结果表明:受目标声源级指向性的影响,在浅海区攻击定速直航目标时,为达到一定的命中概率,潜艇必须占领有利的发射阵位,而攻击机动规避的目标,比攻击定速直航目标的命中概率普遍要低,一定距离条件下只有在70°和180°左右舷角时命中概率才能达到80%。因此,潜艇使用被动自导方式的鱼雷攻击目标时,应当充分考虑目标声源级指向性的影响,综合考虑影响鱼雷作战使用效能的各种因素,选择有利目标舷角和合理射距。     

用于纯方位机动目标跟踪的机动探测法

假设目标在某时刻发生折线机动,并且目标在机动前后都是做匀速直线运动。所提出的机动探测算法通过探测这种变化得到探测时刻。这种算法是基于对方位预测误差的均值变化进行分析的。然后估计出目标机动时刻,并从机动时刻起重新设置滤波器,估计出目标机动后的运动参数。典型的机动TMA态势仿真结果表明,该算法对于一般的目标折线机动可以有效地进行跟踪。     

用于跟踪机动目标的交互式加速度补偿算法

两级卡尔曼估计器研究针对在有随机偏差的情况下的状态估计,通过把目标加速度视为一偏差向量,用于对机动目标的跟踪。此时,目标加速度作为一个偏差,第一级估计器包含了一个常速机动模型,由其估计出目标位置和速度,而第二级估计器则估计目标加速度。当目标机动被检测出时,则该加速度估计用于修正第一级估计器中的估计。本文介绍的交互式加速度补偿算法(IAC)能克服对两级估计器明显机动检测的要求。此IAC算法被视为是一个具有两个加速度模型的两级估计器:零加速度的等速度模型和等加速度模型。交互式多模型算法(IMM)用于计算加速度估值,以补偿等速滤波器的估值。仿真结果表明,IAC算法的跟踪性能和IMM算法的性能相当,而计算量大约是IMM算法的50%。     

基于HMM的传感器位置优化模型

首先介绍了隐马尔可夫模型(HMM)理论,并对HMM健康状态评估的基本程序和方法进行了研究。HMM对系统健康状态评估具有所需样本少、识别精度高及分类明显等优点,利用隐马尔可夫模型对传感器的不同位置进行评估,从定量的角度对传感器位置的优劣进行评价,提出了利用隐马尔可夫模型对传感器在不同位置上的效果进行评价的方法。最后,利用齿轮箱实验数据,分析验证了方法的实施流程和有效性。     

基于遗传算法的低探测概率稳态滤波器优化

低探测概率机动目标跟踪α-β-γ滤波器收敛速度和精度是一对难题.通过对目标机动域的划分,提出基于遗传算法稳态α-β-γ滤波器的参数优化.在滤波计算中,根据目标机动估计值并结合跟踪波门的设定实时调整滤波器参数.通过在目标位置信息可测条件下的稳态滤波仿真表明,经优化的α-β-γ滤波器跟踪精度和收敛速度显著提高,较好解决了滤波环境恶劣时稳态滤波跟踪问题.     

马尔可夫过程的k/N系统使用任务完成能力分析

研究了任务期间允许换件维修和备件供应时k/N系统的任务完成能力.首先,利用马尔可夫过程分析了k/N系统的状态转移过程,研究了k/N系统在特定维修保障策略下的运行过程.然后,以k/N系统固定任务时间内在正常状态停留时间的分布函数作为其任务完成概率模型,并通过全概率分解和更新过程的分析方法对任务完成概率进行求解.最后,利用任务完成概率模型在Matlab中绘制了任务完成概率随任务时间、任务量、备件携行数量以及备件平均供应时间的变化曲线,讨论并分析了对任务完成概率的影响.     

多机动目标跟踪的BFG-GMPHD算法

针对高斯混合概率假设密度(GMPHD)滤波算法中的机动目标跟踪问题,提出BFG-GMPHD算法,扩展了GMPHD滤波算法的适用范围。算法利用最佳拟合高斯(BFG)分布来近似目标动态模型中的状态转移矩阵和过程噪声的协方差矩阵,实现了滤波器与不同动态模型的匹配;在对BFG分布进行递推时,引入了模型概率更新过程,解决了BFG仅依赖于先验信息的问题;并利用UKF算法对GMPHD的高斯分量进行递推,使得算法能处理量测方程为非线性的情况。仿真实验表明,BFG-GMPHD算法能快速匹配目标模型的变化,实现对多机动目标的有效跟踪,准确估计出目标的数目和状态。