一种利用目标属性进行态势关联的方法

为了解决由于航迹中断产生的态势关联问题,提出了属性态势关联的思想,分别采用目标身份识别、速度、ESM参数和专家知识等信息作为属性,利用模糊综合方法对各属性得到的关联度进行融合后判断关联情况,仿真试验结果表明该方法用于恢复中断后的态势问题是有效的,对进一步研究目标的态势关联具有重要的参考意义.     

多属性群决策理论的备件筛选方法

利用多属性群决策方法和多目标规划理论,建立了筛选武器装备维修备件的模型和方法.该方法首先按照多属性群决策方法对各种维修备件进行综合排序,然后再用多目标规划理论确定维修备件的选择方案.对该方法具体应用时的若干问题也进行了探讨.     

基于多目标多特征的模糊数据关联

在弹道导弹飞行中段多目标跟踪过程中,传统的数据关联方法只利用目标距离、方位、状态等与计算直接相关的信息,针对传统数据关联存在误跟、失跟的问题,提出一种基于多目标多特征的模糊相似度关联算法。该算法同时利用目标尺寸、形状、材料3种属性特征,应用模糊数据关联计算雷达观测目标间的相似度,利用蒙特卡罗法验证其正确率。     

城市战场目标分群的组合聚类方法

为了消除或减少城市作战中灰色情报信息对态势评估中目标分群的影响,提出一种基于Chameleon算法的组合聚类方法.根据目标属性间的区间灰数关联度和目标间的距离系数得到相似度矩阵,利用Chameleon算法对目标进行初始分群,然后,对分群中各目标的属性历史数据和分群中心的属性历史数据分别进行区间灰数向量关联分析,实现了目标分群的动态维护.通过算例验证了方法的有效性.     

基于网络雷达的目标定位跟踪

网络雷达实现了有源与无源探测一体化及雷达情报与电子对抗情报一体化,具有良好的目标定位跟踪性能。首先分析了网络雷达工作在有源无源一体模式的目标定位原理及定位的CRLB,并通过仿真说明了网络雷达的定位优势。然后根据网络雷达的特点,提出了一种基于目标状态和属性联合最近邻的数据关联算法,该算法合理地利用了目标的电子属性信息(如载频、重频、脉宽和脉内特征等)。对小角度交叉运动目标进行了跟踪仿真试验,该算法得到了很好的关联跟踪效果。     

舰载被动传感器数据关联算法研究

针对ESM的属性关联和空间关联准确度不高的问题,提出了一种属性-空间综合关联算法。建立了属性-空间综合关联算法的功能模型,并对采用算法进行了描述和仿真。仿真试验结果表明,属性-空间综合关联能有效克服不同平台、相同目标属性关联和同一平台、不同辐射源空间关联存在的问题,且具有较高的关联准确度。     

空间密集群目标关联与跟踪算法研究

为提高对空间密集群目标跟踪的精度,提出了基于全局最近邻的群目标关联与跟踪算法。通过对空间密集目标进行群分割,将群跟踪问题转化为多目标跟踪问题,考虑到空间目标具有运动速度快的特性,基于"全局最优"原则选取距离最近的群目标和量测进行优先关联与更新,避免关联冲突和减少关联错误,可有效解决关联准确性与跟踪实时性之间的矛盾,同时提出航迹预测与轨迹预报相结合的方法,来解决跟踪过程中的航迹断续与融合问题。仿真实验结果验证了所提算法的有效性。     

目标多特征信息的模糊数据关联算法

传统的解决密集杂波环境中多目标跟踪的数据关联算法主要是基于目标的距离特征。由于利用的信息有限,容易导致目标的误跟和失跟。提出一种基于目标多特征信息的数据关联算法,将目标的距离特征、方位特征和雷达散射截面积特征进行模糊信息融合,实现对雷达目标的关联。仿真结果表明了该算法的有效性。     

改进TOPSIS群决策方法及在舰船论证中的应用

在多属性群决策中,通常假设决策属性之间都是相互独立的.在很多情况下这一假设并不能成立.为了解决这一问题,引入λ模糊测度的概念,提出了一种新的TOPSIS群决策方法.该方法能够考虑决策属性之间的相互关联作用,使得决策结果更加符合实际情况.最后通过海军舰船论证中多方案对比的一个实例验证了方法的有效性和实用性.     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系.对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果.     

虚拟战场中坦克的快速碰撞检测算法

为了使虚拟战场中的坦克仿真运动有较高的真实性,必须处理坦克与场景中的物体及地形的碰撞问题。提出了碰撞检测的简化包围盒算法及地形匹配算法,分别解决这两种碰撞问题。在地形匹配算法中,依据地形平均曲率划定地形范围,地形平缓的地带采用两点匹配法,变化较为剧烈的地带采用三点匹配法。这两种简化的处理方法降低了系统的计算要求,满足了系统仿真的真实性需求。     

基于主成分分析和神经网络的目标识别

采用主成分分析法将多项识别属性进行综合聚集,减少关联属性对识别的干扰,达到属性约简的目的。利用神经网络进行目标识别,通过优化训练策略,可以提高网络的收敛速度和泛化能力。主成分分析法与神经网络结合既能高效识别已知样本,又能对未知样本具有很强的自学与适应能力,从而有效地对海战场目标进行识别。通过对比仿真,证明了算法的有效性。     

改进的组网雷达目标跟踪数据关联算法

基于高逼真多假目标干扰在组网雷达进行数据处理时可能会极大地增加中心站的计算量,降低数据关联正确率,提出一种改进的双门限快速数据关联算法,利用无源侦察设备所测的目标属性参数与空间状态参数的联合统计距离,对有源雷达与无源侦察装备协同的数据关联进行改良。通过仿真比较得出改进算法不仅可以对目标成功地进行跟踪,降低目标位置均方根误差,而且运算时间要比传统的JPDA大为缩短,验证了算法的有效性。     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

装甲目标毁伤评估的等效靶方法

目标毁伤评估的基本方法之一是实验的方法。而总是依靠大量的原型实验进行评估是不可能。提出了利用等效实验的方法进行目标毁伤评估,并结合动能弹毁伤装甲目标这一典型弹靶系统,讨论了等效靶的概念、建立及应用问题。     

某型坦克炮超越射击时友军至目标的安全距离

采用定量分析和定性分析相结合的方法,在以往研究成果的基础上,首先系统地分析并提出了影响坦克炮超越射击时友军至目标安全距离的主要因素;以此为基础,针对平坦地形和起伏地形上坦克炮超越射击的不同情况,分别建立了确定友军至目标安全距离的数学模型;最后通过运用Mathematica软件进行定量计算,并结合定性分析,提出了某型坦克炮使用尾翼稳定脱壳穿甲弹、空心装药破甲弹和杀伤爆破榴弹进行超越射击时友军至目标的安全距离.     

硬件加速的三维雷达作用范围表现

未来数字化战场迫切需要表现复杂环境影响下的三维雷达作用范围,目前研究多限于二维,而三维表现又受限于速度,为此提出一种硬件加速的三维表现方法。在构造环境影响下雷达电磁波损失三维数据场的基础上,利用硬件加速的等值面提取算法建立雷达作用范围的三维模型,并将其表现到战场环境中。在普通微机上针对典型雷达的实验中,克服了二维表现不直观以及三维表现慢的缺点,形象地展示了地形大气等环境影响下三维作用范围,从而为用户提供决策和感官支持。     

一种用于越肩发射截获区分析的方法

在越肩发射原理仿真 4进行后 ,提出了一种新的方法用于越肩发射的截获区分析。与传统的弹道处理方法相比 ,这种方法主要是把越肩发射作为一个物理过程考虑 ,而不是仅仅考虑是否命中 ,这样就可以综合考虑影响越肩发射整个过程的各个因素。通过采用这种方法分析越肩发射截获区 ,在最后得出一些有益且不同与过去弹道分析的结论。