隶属度信息辅助的红外多目标模糊关联算法

针对红外多目标跟踪,利用红外序列图像中目标隶属度信息建立改进的多目标关联算法。该算法是基于模糊c均值聚类方法,以红外目标运动状态和背景环境变化引起的红外目标隶属度信息变化为选择门限,适时切换算法赋值策略,以提高特殊环境下多目标关联的适应性。通过仿真对比证明了该方法具有更好的跟踪精度和稳定性。     

位置修正技术在航位推算中的应用

利用图解法证明了航位推算轨迹和真实轨迹相似,符合相似性原理,并通过图解法推导位置修正公式;将位置修正技术用于里程仪的初始标定,经实测数据证明标定后的航向安装偏差角、俯仰安装偏差角及里程仪刻度系数误差大幅减小;将位置修正技术与GPS结合进行GPS/DR组合导航,经Matlab仿真证明该组合导航在长距离行车可将航向误差角限制在3.6′之内;该修正技术具有较高的实际应用价值。     

基于相邻脉冲相似性的快速聚类分选方法

针对复杂环境下的聚类问题,提出了一种新的聚类分选算法。其利用同一雷达辐射源的相邻脉冲间的相似性对信号进行聚类。该算法按到达时间顺序将信号依次归类,并将新分类的数据作为所在类的聚类中心,其无需事先指定聚类的数目,也无需进行反复的迭代计算。仿真表明,该算法不仅分类准确,而且大大缩减了计算量。     

基于激励机制的装备采办风险总量控制

针对装备采办中的风险总量控制,提出一种激励方式来提高承包商的积极性。在单目标风险控制模型的基础上,建立了多目标风险控制模型,推导出了激励机制下风险控制的最优合同公式。对激励机制中存在的两类错误进行了理论分析和实例验证,得出了两类错误对收益的影响,并在成本控制中得到了应用,有效地提高了装备采办的质量和效率,为军方决策者在装备采办中提供了合理的参考依据。     

滑动聚束SAR步进扫描影响分析

滑动聚束SAR系统在实际工作中通过步进扫描的方式来实现天线照射波束在方位向的扫描,然而该扫描方式会在滑动聚束SAR的成像结果中引入成对回波。为分析该成对回波的形成物理机制,建立滑动聚束SAR步进扫描的数学模型,通过泰勒展开和傅里叶级数分析具体解释了成对回波的成因,并给出了成对回波幅度及位置与步进脉冲控制数之间的定量关系。理论分析和信号仿真结果表明,该模型能够准确有效地解释这一现象,并可为滑动聚束SAR的波束扫描系统参数设计提供理论依据。     

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GM-ANP的维修人员保障能力评估

以维修人员保障能力评估指标体系为基础,建立基于GM-ANP的维修人员保障能力评估模型。采用网络分析法(ANP)确定各因素的权重,运用超级决策SD软件辅助计算权重;用灰色聚类评估方法(GM),确定评估样本矩阵和评估灰类,计算灰色评估权矩阵;综合权重和评估权矩阵,得出评估结果。通过实例计算表明这种评估模型的有效性和实用性。     

一种连续修正速度方向的导引方法

考虑制导炮弹由身管武器发射，其飞行控制能力和导引信息量有限，基于预测落点位置偏差量来修正速度方向并在控制时间内连续分配导引指令的思想，提出了一种新的三维末制导方法。根据非线性弹道方程组的级数解预测弹丸落点位置，得到落点与目标的偏差，并提出了两种通过此偏差解算当前速度方向修正量的方法。取剩余飞行时间为修正时间，通过将速度方向修正量分配到整个剩余导引段建立了加速度修正公式，以减小导引指令饱和的可能性。通过连续地预测落点和分配加速度指令来实时地导引飞行。仿真结果表明：该导引方法简单可行，精度高，对控制能力要求较低，且具备较好的制导效果和毁伤效果，为该体制制导炮弹的应用提供参考依据。     

基于模糊聚类——拍卖机制的火力协同方法

针对协同作战中环境影响复杂度高,火力分配不及时、效率低等问题,提出了陆战场协同任务分配方法,构建了多武器-目标任务的数学模型。在该数学模型的基础上,基于聚类算法与拍卖算法相结合的原理进行优化求解,在两级分配的模式下,可在更短的时间内获得分配方案。算例表明,所构建协同任务分配模型能够及时有效地获得任务分配方案,较好地解决了多武器-目标的协同任务分配问题。     

特征敏感度与模糊度的弹道目标聚类识别评估

针对现有弹道导弹目标聚类识别算法中,很少同时考虑目标特征敏感度与模糊度的问题,提出了一种基于特征敏感度与模糊度的弹道目标聚类识别算法。该算法通过目标特征类内类间距离,定义目标特征聚类识别敏感度,将两类目标形成的类看成两个圆,利用圆之间的位置关系,定义目标特征聚类识别模糊度,将所定义的特征敏感度与特征模糊度合理组合,作为目标特征对聚类识别好坏的评估因子。仿真实验从特征评估分析和特征组合分析两个方面验证了算法的有效性。