合成分队双层主从决策模型研究

针对合成分队不同指挥层级之间的决策交互优化问题,提出了基于主从决策的双层武器目标分配模型。该模型能够体现上下指挥层级之间交互式决策协调优化的特点:上层目标为主攻方向我方遭受威胁最小,下层目标为对敌打击最大。结合合成分队作战决策的特点和要求,提出了一种求解该模型的改进型粒子群优化算法。仿真结果表明,该模型合理有效,改进的求解算法能够获得满意解。     

基于微分对策的多型反舰导弹火力优化模型

根据多型反舰导弹对抗舰艇编队的基本作战模式,以最大毁伤作为优化目标,对作战双方不同能力层次的武器进行区分,建立了能够动态反映对抗过程的微分对策火力分配优化模型,实时反映对抗双方的毁伤,从而最终寻找得到作战双方的最优火力分配策略;运用拉格朗日构造法解算微分对策模型,给出迭代求解模型参数的方法。立足体系作战思想,整合作战资源,灵活运用军事运筹学以提高各作战单元的组织度,研究成果主要为运用多型反舰导弹对海攻击任务的方案制定、训练演习提供参考。     

基于PSO-BP神经网络的HRRP目标识别

为提高雷达目标识别准确率,提出了一种基于PSO-BP神经网络的雷达一维距离像识别方法。利用粒子群优化算法良好的全局搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络收敛速度慢、存在多个局部极值点的缺陷。利用实测数据对PSO优化前后的BP神经网络的识别性能进行了对比测试。实验结果表明,PSO-BP神经网络具有更高的识别准确率及噪声鲁棒性,分类性能优良。     

时变平坦衰落SIMO信道中的信噪比盲估计

针对恒包络信号在时变平坦衰落单输入多输出(SIMO)信道下的信噪比盲估计问题,提出一种基于EM(Expectation-Maximization)算法的改进M2M4-EM算法。利用EM算法的迭代期望值最大化思想,推导了SIMO信道下EM算法的闭式解。为进一步改善性能,通过接收信号的二阶和四阶矩(M2M4)对EM算法进行初始化。仿真结果表明,M2M4-EM算法在较宽的信噪比范围内具有较好的估计精度和较快的收敛速度。     

基于区域分割的快速KNN定位算法

针对位置指纹定位算法指纹匹配效率低、定位实时性差等问题,基于传统的K最近邻思想提出一种区域分割的方法。该算法在指纹匹配阶段根据区域分割的思想,逐步缩小对目标点的定位区域范围,选取该范围内所有的参考点作为待匹配的指纹,利用KNN算法进行最终的位置估计,实现目标的快速定位。这样的过程大幅度减小了KNN算法的指纹匹配功耗,使其能应用在较大的指纹数据库中。仿真实验结果表明,该算法在保证定位精度的情况下,定位的速度明显快于传统的KNN定位算法。     

采用PWPF调节器的再入飞行器最优控制分配方法

针对具有反作用控制系统(Reaction Control System,RCS)和气动舵两类控制机构的再入飞行器,提出一种基于脉宽脉频(Pulse-Width Pulse-Frequency,PWPF)调节器的最优控制分配方法。将RCS的输入信号转化为连续变化量,RCS与气动舵的控制分配问题被描述为二次规划问题,并采用有效集方法对其求解。采用离散法和PWPF调节器将优化结果转化为RCS的开关机状态。与混合整数规划问题相比,连续二次规划问题更容易求解,计算速度更快。通过对二次规划问题的重构,该算法能有效地应对故障情况。     

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。     

潜艇TMP问题透析与展望

针对潜艇指控系统目标运动要素解算(TMP)存在的主要问题,从算法理论和作战使用要求等方面进行了系统分析.探讨了潜艇目标运动要素解算的合理结构,肯定了理论模型整个TMP过程中所起的主导地位,并对未来研究所具有的潜力进行了挖掘.强调TMP过程人机交互和多条件综合控制的重要性,指出了TMP今后的研究发展方向.     

信息融合系统中的多传感器优化分配

在舰载多传感器信息融合系统中,对传感器优化分配问题进行了研究.充分考虑目标身份和目标优先级等信息,依据最大信息增益准则,建立了传感器优化分配的数学模型,并对算法进行了仿真实验.     

基于本体的炮兵火力分配决策问题模型化方法

提出一种基于本体的炮兵火力分配决策问题的模型化方法,并详细描述了该方法求解框架中最重要组成部分:决策问题本体的构建过程.决策问题本体包括领域概念本体、任务本体和控制结构本体.通过本体的描述,能从语义上分析问题,分解问题,发掘决策问题的内在组成结构,将问题刻画成细粒度问题的组合,提高决策问题解决的灵活性和多样性.