改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。     

一种飞行器在线实时航迹规划算法

针对飞行器在线航迹规划问题展开研究,提出了一种实时航迹搜索算法。该方法将飞行器的运动与航迹搜索结合在一起,可以有效地调节搜索的时间,满足在线实时应用的要求。通过在限定的时间内扩大寻优范围,该算法可以有效地避免不可行区域,并使生成的航迹更加优化。实验结果表明,算法能有效地处理各种航迹约束,实时地生成满意的三维航迹。     

考虑飞行器RCS分布的航迹规划

提出飞行器根据自身RCS分布特征,在雷达威胁完全覆盖防区时进行突防的三维航迹规划方法.将飞行器在三维空间中的运动分解为水平平面和垂直平面内的运动,简化飞行器RCS分布特征为蝴蝶结形分布,根据雷达探测目标信噪比大小提出多威胁情况下快速判断最具威胁雷达的方法,采用启发式A*算法得到突防航迹.最后对比分析采用固定RCS和分布RCS的飞行器所得突防航迹,结果表明采用分布RCS的航迹安全性更高.     

基于A*算法的实时航迹规划方法研究

根据巡航导弹实时航迹规划时效性强、弹载计算设备的运算速度和内存容量有限等特点,将巡航导弹的机动性能约束与规划空间的划分结合起来,构造了一个较小的搜索空间,然后在此缩小了的搜索空间内利用A*算法具有的启发式特点,可在有效时间内搜索到满足要求的可行航迹.最后,通过一个例子对A*算法进行了验证.     

面向航迹中断的模糊航迹关联算法

针对海战场态势中,由于系统误差、电磁干扰、地理环境隔绝、电子静默等原因,出现的传感器信号长时间中断、目标丢失,导致态势中航迹不连续的问题,提出了一种改进的模糊航迹关联算法.该算法通过采用统一速度模糊因素和方向模糊因素、改进加速度模糊因素、制定二级关联策略和自动调整隶属度函数关联阈值等方法,实现了在目标机动性较强、中断时间较长等情况下的航迹关联,保证了态势的稳定.通过Monte Carlo仿真实验表明,该算法具备较高的关联性和鲁棒性.     

无人机三维航迹规划与可视化仿真

结合无人机的机动能力限制条件,研究了基于稀疏A*算法的无人机三维航迹规划.该算法有效修剪了搜索空间中的无用节点,缩短了航迹搜索时间.在搜索过程中,充分利用了三维地形信息,使算法生成的航迹能够自动回避地形和雷达威胁.最后通过三维航迹的可视化仿真,对生成的航迹进行了验证.     

突发威胁下的无人机动态航迹规划研究

针对突发威胁下无人机动态航迹规划的问题,提出了一种避开突发威胁的动态规划算法。利用A*算法生成全局最优航迹并进行平滑处理。当遇到突发威胁时,利用三次样条的二阶连续性及边界条件进行局部航迹规划,能够生成一簇候选路径,根据候选路径中心线与突发威胁中心线之间的夹角对候选路径簇进行旋转调整,使其路径簇完全包围突发威胁且具有对称性。最后综合考虑安全性、平滑性和连贯性的3种代价函数,建立总代价函数,选择出最佳的规避威胁航迹。实验结果表明,该算法能够在众多候选路径中选择出一条完全避开障碍安全平滑的较优航迹,且耗时短,实时性较强。     

具有时间约束任务的无人机航迹规划方法

根据战场环境中威胁的种类及特性,建立了威胁模型,描述了威胁范围与威胁概率的关系;在对具有时间敏感性任务的无人机进行航迹规划时,根据无人机任务的时间限制,结合无人机的性能参数,采用适当增加风险代价,来满足任务时间要求的方法,改进了A*搜索算法,将A*算法的代价估价函数设置为与时间相关的函数,采用变步长搜索策略,通过判断是...     

不确定环境中的飞行器航迹快速搜索算法

本文提出了一种飞行器两阶段航迹规划算法,该方法能够在具有不确定信息的飞行环境中进行实时规划。首先根据获得的先验信息建立概率模型———概率图;其次为保证航迹的鲁棒性及可行性,先用RYG算法确定飞行器的安全走廊,有效地缩小了搜索空间。在此基础上,考虑到实际约束条件,再利用A*搜索算法进一步细化,得到一条最优航迹。仿真结果表明,该算法能够快速有效地完成规划任务,获得较满意的航迹。     

基于A*算法的无人机地面目标跟踪

提出一种在威胁环境下应用A*算法进行目标跟踪的方法。为了简化模型和便于分析,主要考虑地形和雷达威胁。在考虑了雷达盲区的安全区域内,利用目标的实时信息和改进后的A*算法对无人机航迹进行规划,以达到跟踪地面移动目标的目的。仿真结果表明,所提出的方法可以很好地实现目标跟踪。     

一种基于遗传算法的多传感器管理算法

分析了针对多传感器多目标分配的传感器管理算法的特点以及存在的问题,结合遗传算法的思想,给出了一种以目标联合信息增量为效能的传感器管理算法,并进行了算法的仿真.仿真结果表明,基于遗传算法的传感器管理算法是有效的,特别是问题规模较大时更比规划方法具有实用性.     

基于遗传算法的多约束路由算法研究

针对数字化军事通信网络的多业务需求,提出了一种基于遗传算法的多约束路由算法,来求解多约束条件下的最佳路由。采用自然数编码,自适应的变异和杂交算子,有效地提高了算法的搜索效率。仿真结果表明该算法是有效的,既保证了业务对网络带宽和延迟的需求,同时使得网络的资源利用率最低。     

一个实时调度仿真模型算法的算法

提出了一个在仿真支撑系统中所采用的实时调度仿真模型算法的算法,并且成功地应用在“RDFI—50MW热电厂训练仿真机”中.     

基于属性信息融合的概率多假设跟踪算法

通过引入辅助的属性信息与属性数据来弥补目标跟踪信息量的缺失,提出了一种适用于目标近距离环境下的基于属性信息Homothetic-PMHT目标跟踪算法。该算法将传感器获得的目标属性信息与目标状态信息之间的关联以概率的形式给出,从而实现了运动状态信息、属性信息联合应用。仿真结果表明,所提算法在航迹关联成功率上与Homothetic-PMHT算法相比有明显的提升,同时在跟踪精度上也有所提高,证明该算法是有效的。     

一种改进的RCP算法

RCP算法是一种基于速率的显式拥塞控制算法,具有较好的效率和公平收敛性,在多瓶颈网络拓扑环境下也有很好的性能。但是研究表明,当一个新流加入网络时,RCP算法存在严重的瞬态过载现象,从而导致丢包的发生。文中通过在原有RCP算法基础上调整了源端控制的方式,提出了S-RCP算法。理论分析和仿真结果表明,S-RCP算法一定程度上解决了瞬态过载现象,基本消除了丢包现象。     

基于EMA算法的变结构交互多模型算法

标准交互多模型(IMM)算法使用固定数目和时不变的模型集,往往不能兼顾算法的实时性与跟踪精度。基于增加期望模型(EMA)算法的思想,提出综合利用前一时刻的模型匹配概率与当前时刻的混合概率作为加权系数调整系统噪声模型集,调整后的模型集被认为非常接近系统实际噪声模型。将该模型集自适应技术与IMM算法结合得到一种变结构交互多模型(EMA-VIMM)算法。使用机动目标跟踪仿真实例,与标准IMM算法进行了仿真对比,分析了跟踪性能与RMSE误差。仿真结果表明,EMA-VIMM算法不仅极大地提高了跟踪精度,而且与标准IMM算法相比,具有稳定的跟踪性能和较低的计算量。     

基于蚁群算法的被动目标定位算法

通过对蚁群算法的研究,用蚁群算法成功解决了无源测向定位中消除虚假点,对真实交点进行正确聚类的难题.并通过Matlab 仿真实验证明了该算法的有效性.同时该算法具有目标关联确率高、计算速度快、鲁棒性强等优点.     

基于遗传算法的多功能电子系统任务调度

雷达、通信、电子战等多功能一体化是未来作战平台电子系统的发展方向之一,任务优化调度技术是多功能电子系统的关键技术。针对多功能电子系统射频任务调度问题,在建立任务调度数学模型的基础上,采用了改进的遗传算法对模型进行了求解,提出了任务列表和随机键结合的编码方式,设计了以执行时间最短和任务丢失率最小为目标的多目标适应度函数,采用轮盘赌选择、改进型双点交叉和对称交换变异方式设计遗传操作。通过仿真实验,验证了所设计任务调度方法的有效性和优越性。     

基于禁忌算法的无线传感器网络PEGASIS算法改进

为了减少无线传感器网络节点能耗,延长网络生存时间,在PEGASIS算法的基础上,针对PEGASIS算法中节点之间容易产生长链和簇头选择没有考虑节点剩余能量的问题,提出了一种基于禁忌算法的PEGASIS算法改进。建链阶段采用禁忌算法代替原有的贪婪算法,防止了长链的产生,减小了节点传输距离;同时引入基于剩余能量的簇头选择机制,均衡了节点之间的能耗,延长了节点的生存时间。仿真结果表明,改进算法较PEGASIS算法第1个节点的死亡时间延长了约7倍,半数节点的死亡时间也得到了延长,从而提高了整个网络的生存时间。     

基于遗传算法的分布式多传感器航迹关联算法

以分布式多传感系统中的两节点序贯航迹关联方法为基础,把多节点情况下的航迹关联问题转化为多维分配问题。而多维分配问题是典型的组合优化问题,其计算量随着维数的增加而出现指数爆炸现象,进而根据遗传算法能够解决组合优化问题的能力,提出了利用遗传算法解决此多维分配问题的一种方法。仿真实验结果表明,遗传算法能够有效地求解此多维分配问题,使航迹关联具有较高的成功率。