自适应交互多模型算法在机动目标跟踪中的应用

针对多模型算法在机动目标跟踪中存在的问题,运用交互多模型算法(IMM)和自适应滤波理论,设计了一种自适应交互多模型算法(AIMM),结合目标运动模型对目标当前加速度和其方差进行估计,并在此基础上给出了AIMM中模型集和模型转移概率的设计方法,进行了计算机仿真.蒙特卡罗仿真结果表明,与标准IMM算法相比,该算法比IMM算法的跟踪性能有很大提高,跟踪复杂机动目标比IMM有更快的收敛速度,跟踪滞后问题得到较好的解决,跟踪目标的稳定性和精确性均优于IMM算法,有利于机动目标的实时跟踪.     

Investigation on the spatial distribution characteristics of behind-armor debris formed by the perforation of EFP through steel target

The behind-armor debris (BAD) formed by the perforation of an EFP is the main damage factor for the secondary destruction to the behind-armor components. Aiming at investigating the BAD caused by EFP, flash X-ray radiography combined with an experimental witness plate test method was used, and the FEM-SPH adaptive conversion algorithm in LS-DYNA software was employed to model the perforation process. The simulation results of the debris cloud shape and number of debris were in good agreement with the flash X-ray radiographs and perforated holes on the witness plate, respectively. Three-dimensional numerical simulations of EFP's penetration under various impact conditions were conducted. The results show that, an ellipsoidal debris cloud, with the major-to-minor axis radio (a/b) smaller than that caused by shaped charge jets, was formed behind the target. With the increase of target thickness (h) and decrease of impact velocity (v₀) and obliquity (θ), the value of a/b decreases. The number of debris ejected from target is significantly higher than that from EFP. Based on the statistical analysis of the spatial distribution of the BAD, An engineering calculation model was established considering the influence of h, v₀ and θ. The model can with reasonable accuracy predict the quantity and velocity distribution characteristics of BAD formed by EFP.     

基于切比雪夫神经网络的软件定义卫星网络智能路由策略

针对现有的软件定义卫星网络中流表占用的三态内容寻址存储器空间不断增加,复杂的流表项查找、匹配过程导致路由转发效率降低,无法满足多样化应用需求的问题,提出基于神经网络的软件定义卫星网络智能路由架构。控制器通过训练神经网络获取数据流的传输模式,并用训练后的神经网络代替流表,在此基础上提出基于Chebyshev神经网络的智能路由策略,交换机根据数据流的业务类型预测其转发路径,以满足卫星网络应用的服务质量要求。仿真结果表明:所提路由策略显著减少了占用的三态内容寻址存储器存储空间,提高了路由效率。     

基于粒子群算法的宽带真延时平面阵列方向图综合

针对大阵元间距平面阵列方向图综合问题,提出基于粒子群算法的宽带真延时平面阵列方向图综合方法。该方法根据真延时条件下阵列方向图主瓣和栅瓣指向的特点,采用宽带真延时抑制阵列方向图的栅瓣;利用粒子群优化算法优化阵列结构,得到具有较高主副瓣比的平面阵列方向图。通过对8×8的矩形平面阵进行仿真,验证了所提方法的有效性,在此基础上,还仿真研究了该方法对栅瓣的抑制性能与信号带宽之间的关系。     

强化学习框架下移动自组织网络分步路由算法

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出强化学习框架下的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集以提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析。仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

高超声速飞行器前缘流-热-固一体化计算

针对高超声速流动气动加热与结构传热的复杂耦合问题,探索和研究基于有限体积法的高超声速流-热-固一体化求解方法,将流场与结构温度场进行统一建模与数值模拟。该方法避开了传统气动加热和结构传热耦合求解方法在时间域内进行流场与结构温度场耦合交替迭代计算所带来的大量数据交换与计算,将流场与结构温度场作为一个物理场,采用统一的控制方程进行求解。采用典型高超声速绕流二维圆管稳态或非稳态流-热-固耦合算例对该一体化方法进行验证,稳态时圆管驻点温度最高达到648 K,非稳态时的热流密度和结构温度与参考文献和实验值吻合较好,由此证明了该方法的可靠性和正确性。与耦合计算方法的对比分析结果表明:该一体化求解方法所得计算结果更接近实验值,并且计算量和网格依赖性都相对较小,具有更好的稳定性和计算精度,能为高超声速飞行器一体化热防护设计提供有效的理论和技术支撑。     

圆周合成孔径雷达的快速时域成像算法

为实现圆周合成孔径雷达(Circular Synthetic Aperture Radar,CSAR)快速成像,提出一种用于CSAR的快速时域成像算法。该算法通过将CSAR的圆孔径分成若干子孔径,分别对子孔径采用快速因式分解后向投影算法处理,再将各子图像相干插值叠加至同一坐标系下得到成像结果。详细分析算法实现中的坐标转换、误差控制和运算效率等关键问题,并用点目标仿真和实测数据处理结果验证算法的有效性。所研究方法具有成像范围大、计算量小等优点。     

线性二次型及模型预测控制编队控制研究

多智能体集群作战是未来战场的重要形式.作为集群作战中的关键技术,编队控制有着广泛的应用.以编队控制律为研究目标,选择2种优化控制方法:线性二次型调节器(linear quadratic regulator,LQR)方法和模型预测控制(model predictive control,MPC)方法.针对圆形编队轨迹,采用...     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型,可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大,一旦发生堵塞,将会影响网络中关键链路性能的问题,建立网络拓扑结构优化的多目标规划模型,并提出一套基于基因环操作的遗传算法对其进行求解,通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数,结果显示该模型和算法能有效均衡负载,降低网络冲突率,且不需要改变电磁发射系统以太网的物理链路,不会增加额外成本,对电磁发射类系统具有普适性的意义。     

加权模糊C均值聚类算法实现BDS三频组合观测值优选

在对BDS三频载波相位组合观测值进行误差分析的基础上,确定了优选载波相位线性组合系数的筛选标准。针对传统聚类算法在高维多频混合数据集分类中存在的不足,采用一种基于加权的模糊C均值聚类算法,通过对同一维度在不同簇上赋予不同的权重值,对传统遍历搜索法所获得的部分BDS三频载波相位组合观测值进行了优化分类选取,有效解决了传统全球导航卫星系统载波相位观测值选取方法效率低的问题,同时为多系统多频数据组合观测值系数的优化选取提供了一种新的思路。对分类结果进行分析,确定了各类组合观测量的适用范围,并结合实测数据,利用无几何层叠模糊度解算方法对优选组合进行了整周模糊度的解算,结果验证了该方法的可行性。