改进的拉格朗日松弛数据关联算法

在多传感器多目标跟踪领域中,当传感器为被动式的,传统的多维分配算法利用拉格朗日松弛算法求解.拉格朗日乘子更新一般用次梯度方法,但每次迭代都要进行多次极小化运算来求对偶解,导致实时性差.针对这个问题,提出了一种改进的基于拉格朗日松弛的数据关联算法,通过代理修正次梯度方法更新拉格朗日乘子,并在允许时间内获得近似解.仿真实验...     

采用弹道修正技术的红外干扰弹性能优化

针对弹道修正弹的高维非线性特性导致的性能优化难题,改变概念设计阶段传统的串行设计方式,提出了一种基于实验设计(Design Of Experiments,DOE)和响应面(Response Surface Methodology,RSM)的智能优化算法,定义基本的弹丸结构模型以及相关的设计参数.在DOE的基础上,将设计...     

基于多虚拟目标模型的榴弹炮炸偏修正方法

榴弹炮的传统射击修正方法是根据射击目标的高角距变及偏流不变原则完成的,该方法在通常情况下可以满足射击修正精度要求,但是在炮目距离接近最大射程,或因气象条件、弹药条件、火炮条件等数据不准确造成炸点偏离目标较远等情况下,高角距变和偏流均会产生剧烈变化,因此,传统修正方法存在较大误差.提出一种基于多虚拟目标模型的修正方法来改善这个问题,分析结果表明,该方法比传统方法修正精度更高.     

基于迭代误差补偿的发射点坐标精确求解方法

针对已知目标点坐标和射程射向情况下的发射点坐标精确计算问题,提出一种基于迭代误差补偿的非典型大地主题正解方法.该方法利用发射点方位角粗略计算目标点方位角,并调用大地主题正解方法,计算初始的发射点坐标和发射点方位角,将已知的发射点方位角和计算得到的发射点方位角之间的偏差作为负反馈,用于修正目标点方位角,通过迭代求解的方式得到发射点坐标.通过利用大地主题解算方式对非典型大地主题正解方法进行检验,得出发射点与目标点坐标之间的方位角偏差为10-7°,计算精度满足工程应用中的发射点坐标误差要求,能够用于军事指挥信息系统中发射点精确计算.     

基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法.通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类.仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法.     

XNAV中的相对论效应(III)——时空测量值的坐标转换

在文献[1-3]中求得的XNAV基本方程中,时间和距离是指太阳质心系(BCRS)中的坐标量。但在实际测量中,接收机测量的时间是时钟的固有时,接收机的位置一般应以地心系(GCRS)为基准。在相对论框架内完成这两个坐标转换,使得XNAV测量方程能够直接得到应用。最后给出了完整的XNAV高精度测量方程及其在实际测量中的计算过程。     

自主式车载组合导航系统研究与仿真

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与惯导/里程计/气压高度表组合导航系统相结合使用,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型。相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制了滤波的发散,提高了滤波的精度。最后对组合导航系统进行仿真验证,取得了较为满意的结果。与INS/GPS组合导航系统相比,该系统具有良好的自主性及适应性。     

三坐标雷达目标真实高度估计算法研究

在目标跟踪领域,通过三坐标雷达的测量值(斜距、仰角及方位角)来估算目标的真实高度一直是个难点。目前主要有两类处理方法:坐标转换法和等效地球半径法。前者把与雷达天线相关的三坐标测量值转换到大地坐标系统来计算目标高度;后者充分考虑地球曲率以及大气折射的特性,通过增加地球半径来估算目标的高度。最后对上述的两类方法进行总结、比较与分析。     

互耦影响存在时修正MUSIC算法的DOA估计

首先用矩量法精确分析了考虑互耦影响时天线阵元的电流分布,给出了计算电流的解析式,并仿真计算了单元直线阵的电流分布。然后以等效网络法为基础研究互耦影响存在时修正MUSIC算法的DOA估计性能,仿真实验表明在互耦影响存在时MUSIC算法失效,而修正MUSIC算法仍然具有良好的DOA估计性能。     

粗糙集中不确定性测量的修正粗糙熵方法

分析了引起粗糙集中不确定性的因素,对已有的测量不确定性的粗糙度与粗糙熵方法进行了比较,提出了一种修正的粗糙熵方法,证明了此粗糙熵的性质,并将基于等价关系的修正粗糙熵拓展到基于一般二元关系下的广义修正粗糙熵,同时给出了广义修正粗糙熵的定义及性质.通过分析和实例可以看出,所提出的修正粗糙熵方法可以用来更合理、更精确地测量粗糙集中的不确定性.