导弹末制导中的目标机动估计

在空空导弹末制导段为了能更好地估计目标的逃逸机动,以满足制导要求,基于"当前"模型描述目标加速度,提出了一种利用相对速度估值差来调整目标加速度方差的算法.并在导弹-目标相对运动的三维空间内,由导弹对目标的速度测量值偏差调整状态噪声,并通过自适应扩展卡尔曼滤波实现对目标机动的估计.仿真结果表明,该算法在末制导中目标的机动估计精度要优于传统方法.     

D-S推理的炮位侦校雷达目标模糊识别

随着对战场透明度的要求越来越高,炮位侦察校射雷达不仅要快速准确侦察敌方炮位和校正己方射击,还应根据弹丸的飞行特性,确定发射弹丸的武器平台类型,从而为目标威胁判断和指挥决策提供支持.在基于D-S证据理论的基础上,应用模糊识别理论,通过对模糊隶属度进行重新分配,探讨了对炮位侦察校射雷达战场目标进行识别的算法,列举了具体的实例,实验结果验证了算法的有效性.     

导弹部队机动作战样式选择

结合装备本身的实际情况和周围客观条件,用模糊优先关系矩阵和模糊一致矩阵优选方法,建立以最优机动运输方式作为总目标的机动方式选择模型,将影响导弹机动作战的因素转化为定量指标,作为导弹机动样式选择的指标,并通过实例验证了模型的有效性.     

自行火炮作战效能分析与模糊综合评价

自行火炮以其机动性强,火力反应快,防护性能好,成为炮兵的重要组成部分和机动作战的骨干力量,但由于自身的复杂性和作战应用的多样性,其作战效能受多方面的因素影响,运用层次分析法确定影响作战效能的指标权重系数,结合模糊综合评价方法将子效能合并成整体体系效能,由此实现自行火炮作战效能的定量化评估。     

神经网络在某交流伺服系统建模中的应用

针对某交流伺服系统的模型辨识问题,提出了基于遗传算法优化的BP神经网络的辨识方法.BP神经网络在非线性系统的辨识中已得到了广泛的使用,但是其存在易陷入局部极小值和对网络结构初值要求高等缺点.根据遗传算法具有全局寻优的特点,先用遗传算法优化得到神经网络权值和阈值的初值,再由BP算法进行局部寻优.辨识结果表明,该算法辨识精度高、收敛速度快.     

基于改进QGA的有/无人机编队多任务联盟生成

针对有/无人机编队作战中多约束复杂任务分配问题,提出一种改进QGA(Quantum Genetic Algorithm,QGA)的多任务联盟求解方法。首先确定任务需求、时间、平台能力等多种约束,综合考虑联盟总任务收益、耗费成本与任务时间因素,构造目标函数,建立了多任务联盟生成优化问题模型;从多分组并行演化、观测值修正、动态旋转角调整3方面对QGA算法进行改进用于问题求解;并结合实际案例进行了仿真分析,结果表明,提出的方法可以有效生成多任务联盟,解决有/无人机编队多约束复杂任务分配问题,解质量较高。     

一种基于模糊神经网络的非线性系统故障诊断方法研究

提出了一种基于模糊神经网络的非线性系统故障诊断方法.利用模糊C 均值聚类法对测量空间进行分割,再利用模糊规则对分割后的子空间分别采用BP网络进行逼近,从而获得不同子空间故障输出与测量输入的非线性动力学特性.计算机仿真表明该网络具有良好的泛化性能,方案可行.     

云存储环境下的安全密文模糊检索方案

针对密文模糊检索的特点和要求,提出云存储环境下的安全密文模糊检索模型,采用基于通配符和编辑距离的关键词模糊集生成方法,以关键词的词频信息为权值构建Huffman树形索引结构,使用高效的布隆过滤器存储和匹配关键词模糊集,最后通过改进的TF-IDF规则对检索出的密文文档进行评分排序以返回最符合用户需求的Top-k个结果。实验测试结果表明,方案在保证安全性的同时,能够满足存储规模的要求,并具有较高的检索效率。     

宽带系统中线性调频信号的目标参量估计

在宽带系统中,线性调频信号的模糊度函数不仅在时延和多普勒频移具有耦合性,而且其宽带模糊度函数的脊线已经不是简单的直线,使得进行目标参量估计变得复杂.系统地研究了高斯包络的线性调频信号的宽带、窄带模糊度函数,并应用其脊线之间的联系给出了两种简单的估计目标速度的修正方法,最后进行了充分的仿真,结果表明:这两种方法都可以有效的降低估计误差,提高精度.     

改进的聚类算法在入侵检测系统中的应用

K-中心点聚类算法是几种经典的聚类算法之一。但传统的K-中心点聚类算法的效率以及稳定性较低,聚类的过程缓慢,容易陷入局部最优解,使得聚类最终结果的准确性不能得到保证。为此,提出了一种基于数据的"密度"信息有效地改进K-中心点聚类算法并应用于入侵检测模型。该算法很好地克服了传统的K-中心点聚类算法过分依赖初始中心点选择的弊端,并且用实验分别验证,以这种方法来进行数据的聚类相比于传统的K-中心点聚类算法,显著提高了数据集聚类的效果,在入侵检测系统的应用中也有效地提高了检测率和降低了误检率,具备一定的实用价值。