卡尔曼滤波的雷达双站无源测向定位新方法

雷达无源测向定位技术是一种非常有效的雷达电子对抗技术.将该技术应用到雷达组网中,将有利于提高现有装备雷达的电子对抗性能.通过在MSC坐标系中对双站无源测向雷达的Kalman滤波,计算出被测目标的状态预测以及预测方差,然后再将两者所得的状态预测通过数据融合技术计算出总的全局状态估计.并通过计算机仿真验证,结果表明此方法是一种具有工程意义的实用测向定位新方法.     

改进的最速跟踪微分器滤波效果仿真

为保证获得数据的实时性以及滤除数据在获取过程中存在的一系列野值干扰,利用鲁棒滤波理论对最速跟踪微分器的跟踪和抗野值功能进行了改进,利用误差反馈的思想,对最速跟踪微分器进行实时在线的补偿修正,并将改进型跟踪微分器与标准最速跟踪微分器和鲁棒Kalman滤波器仿真结果进行了比较,表明经改进的最速跟踪微分器有更好的跟踪、滤波以及抗野值效果。     

FMEA与粗糙集相结合的故障预测方法

基于FMEA和粗糙集决策系统基本理论,对飞机中分系统故障预测问题进行了研究。首先定义故障预测所需的征兆并对系统进行FMEA,按照FMEA分析结果分次向系统模型注入引起特定故障的事件,采集含有故障趋势的系统模型的信息用于构建适用于故障预测的粗糙集决策表,对该表进行了处理,最终发现用于故障预测的知识(即决策规则和算法);最后运用所发现的知识进行故障预测。     

基于马尔可夫过程的坦克火力随机对抗模型

根据小规模坦克火力对抗中所具有的马尔可夫性特点,将该过程视为离散状态、离散时间的马尔可夫随机过程(马尔可夫链),由此建立了坦克与反坦克武器系统之间一对一对抗的随机格斗模型,并给出双方获胜概率和平均对抗回合数的计算公式。最后通过实例验证了模型的有效性。该模型克服了轮流对抗不符合战场实际的缺点,为分队指挥员在射击策略的选择和分队火力运用上的快速决策提供了较为精确的量化依据。     

基于IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。     

模糊时滞系统控制器依赖于状态时滞的H∞控制

针对一类非线性时滞系统，研究了该系统基于T—S模糊模型的H∞控制器设计问题。采用线性矩阵不等式LMI的方法，设计一个依赖于状态时滞的模糊控制器，得到了系统存在模糊控制器的充分条件，此充分条件等价于一类线性矩阵不等式的可解性，最后通过仿真说明了控制器的有效性。     

光顺样条函数的再生核表示与计算

光顺样条是散乱数据拟合的理想函数,是噪声数据最优平滑的重要工具。因此,光顺样条的数学表示和计算的研究具有重要的意义。本文在一般的线性微分算子和线性泛函的情况下讨论光顺样条函数的构造和计算,通过构造一个适当的再生核Hilbert空间,使得所讨论的微分算子光顺样条成为该空间中的最小范数问题,再利用投影理论建立了光顺样条函数的再生核表示方法,并得到了插值偏差表达式。作为特例,还给出了奇次多项式光顺样条函数新的简洁的计算方法。     

一种基于预测滤波器的自适应卡尔曼滤波算法

针对系统过程噪声统计特性不确切或未知的条件下,研究了一种基于预测滤波器的自适应卡尔曼滤波算法。由预测滤波器实时估计系统模型误差及其协方差矩阵,再用其修正系统状态预测值及预测误差协方差矩阵,从而自适应调节卡尔曼增益。将该算法应用于弹载SINS/GPS紧耦合组合导航系统并与普通卡尔曼滤波、基于新息的移动开窗自适应卡尔曼滤波进行了对比,仿真结果说明该自适应滤波算法具有更高的可靠性和精度。     

全军军史编研骨干培训班在重庆成功举办

11月上旬,全军军史编研骨干培训班依托成都军区在重庆举办。培训班的主题是研究解决全军史料丛书编撰过程中遇到的问题,通过培训,进一步开阔视野,拓展思路,提高军史编研干部队伍政策理论水平和专业素质能力。全军编委会主任、总政治部副主任刘永治出席开班仪式并讲话。     

RBF神经网络的火箭发动机成本预测

神经网络技术已广泛应用于各工业控制部门, RBF神经网络是对一般BP神经网络的改进.尝试将其应用于固体火箭发动机成本预测中.首先利用已有的成本信息对该神经网络进行训练,使其对已有信息的预测误差小于规定值,再将其用于其他条件下的成本预测.结果表明,实际预测效果较为理想,从而为固体火箭发动机成本预测提供了一种新的方法.