基于模型概率的自适应交互式多模型算法

传统的交互式多模型算法中过程噪声协方差矩阵固定,不能很好地适应实际目标不同程度的机动。采用匀速和转弯运动模型集合,提出了一种基于模型后验概率的自适应交互式多模型算法。通过后验概率来自适应调整各模型中的系统过程噪声协方差矩阵,进而提高模型同系统运动模式的匹配程度;结合防空作战机动目标跟踪要求,通过典型目标机动仿真,同标准交互式多模型算法进行比较,验证了该算法的合理性和有效性。     

搜索雷达视频模拟器的杂波和噪声仿真技术

为对雷达作战效能评估提供一个高逼真度仿真环境,运用FPGA内建正态随机数模型结合模拟电路的方法产生噪声信号源,来实现对杂波和噪声的模拟。详细描述了杂波和噪声仿真的原理和具体实现方案。通过仿真和真实试验验证,该方案有效地提升了雷达作战效能评估所需仿真环境的逼真度,在雷达作战效能试验方面有广阔的应用。     

基于扩展Petri网的防空C~4ISRK系统建模分析

针对地空导弹武器系统防空中的火力分配问题,建立了战术级防空C4ISRK系统的Petri网模型。对其进行扩展,即联合谓词Petri网和赋色Petri网,建立旅级火力分配的改进模型,给出了具体的前置谓词公式。为有效分析战术决策的正确性提供了依据和思路。     

非均匀湍流场中螺旋桨噪声研究

针对螺旋桨在湍流中的非定常噪声问题,在均匀湍流下螺旋桨宽频噪声相关性法的基础上,推导了非均匀湍流下螺旋桨宽频噪声的公式。在均匀湍流的研究中使用了十桨叶螺旋桨模型,并将计算结果与试验数据进行了对比,发现吻合较好。对于非均匀湍流中的问题,研究发现湍流的不均匀程度不会对宽频谱波峰的位置产生影响,噪声谱波峰的位置仍然取决于叶频,湍流的不均匀程度只会改变叶频处的波峰高度。最后研究了均匀湍流和非均匀湍流中侧斜角对螺旋桨噪声的影响,发现桨叶侧斜角的存在会降低螺旋桨在湍流中受到的宽频噪声。     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

先验有色噪声补偿的卡尔曼滤波组合导航算法

根据飞行器实际情况,将舱内捷联惯导安装等效为弯扭耦合激励扰动下的Timoshenko梁和阻尼弹簧振子混合系统,分析其激励响应获取惯导随机误差中的有色噪声。将有色噪声作为先验信息,通过微分方程描述并导入惯导误差模型,设计增强的卡尔曼滤波组合导航算法,通过仿真飞行验证了算法的稳定性并与传统卡尔曼滤波组合导航进行了对比分析。     

压制干扰环境下目标跟踪的改进粒子滤波算法

针对压制干扰环境下传统粒子滤波算法跟踪效果不佳的问题,在传统粒子滤波算法的基础之上,融合压制干扰条件下的有用量测信息,构造了一种新的粒子滤波算法。在算法的实现过程中,通过采用伯努利(Bernoulli)分布重新构造了压制干扰环境下发生量测数据丢失的传感器模型,在此基础上通过充分考虑有效量测值以及量测丢失时的一些有用量测信息,推导出了闪烁噪声条件下的似然函数,直接用于粒子权重更新的计算,并且通过纯方位跟踪以及协同转弯机动模型,仿真验证了该算法极大改善了标准粒子滤波算法的稳定性和提升了粒子滤波算法的估计精度。     

高轨双星辐射源跟踪的高斯和-容积Kalman滤波算法

针对辐射源运动方程和观测方程的强非线性,提出基于高斯和框架与5阶容积Kalman滤波(5CKF)的跟踪算法GS-5CKF。该方法将起始时刻的时差观测量所确定的位于地球表面的时差线按经度等间隔划分,初始化多个并行的5CKF,线性组合各滤波器的输出获得辐射源运动状态的估计。针对5CKF,提出新的非线性测度并引入滤波器分裂与合并,从而提高了跟踪精度,同时保持GS-5CKF算法复杂度基本不变。仿真表明,相对仅使用单个5CKF和基于高斯和框架但使用3阶容积Kalman滤波器的GS-3CKF等方法,提出的算法具有更高的估计精度。     

释放点排布方式对水雾红外遮蔽性能的影响

水雾作为一种优良的红外伪装措施,受到了越来越多的关注。水雾遮蔽性能的仿真研究也成为了关注的焦点,但是始终没有一种有效的仿真途径来探讨水雾释放点排布产生的影响。针对这一问题,基于高斯扩散理论与Mie散射理论,提出了一种空间划分的建模方案,解决了这一问题,并根据仿真结果,简单分析了相同条件下不同释放点排布方式对其红外辐射遮蔽性能的影响。所得结论对制定有效的红外对抗策略有一定的参考价值。