基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

反舰导弹仿真中的目标命中判断问题

阐述了模型校核的意义和作用。对属于模型校核范畴的仿真中的系统状态不连贯问题的基本概念通过乒乓球的下落和反舰导弹攻击目标舰艇的例子进行了说明。介绍了已有的解决系统状态不连贯问题的三种方法,并进行了优、缺点分析。给出了反舰导弹仿真中的目标命中判断模型。指出,反舰导弹仿真中的目标命中判断问题是一个系统状态不连贯问题。为解决该问题,提出并应用了一种新方法预测法。利用预测法,最多进行两步最小步长仿真,就能够以要求的精确度检测到任何一个系统状态不连贯。相对于以前的三种方法,在提高仿真效率的同时,预测法还能够避免对系统状态不连贯问题的漏检。     

基于D-S理论的多传感器空中目标识别

针对当前空中目标识别的特点,探讨基于D-S理论的多传感器空中目标识别方法.设计了一套多传感器空中目标识别算法.详细推导了该算法,对"未知度"的概念进行了扩充,让其涵盖了部分不可求的逆命题,并结合具体实例对其应用进行了验证和分析.分析表明,该算法能够较好地识别空中目标.灵活确定"未知度",适当扩充"未知度"的概念,可使一些复杂问题简单化,通过较少地运算达到预定效果.     

防空武器火控系统对空中目标参数估计方法仿真

针对防空武器火控系统的特点,提出了一种防空武器火控系统对空中目标参数估计的方法,可以在不知道目标距离的条件下得到目标的航向角与俯仰角,实现对目标的被动式跟踪,对估计误差的统计特性进行了分析,仿真结果表明了该方法比传统的估计方法更加可行.     

论解算目标运动要素精度指标的新方法

解算目标运动要素的精度指标,既往都是以如下形式表述的,速度和航向的误差分别不超过某一常数,如σVm(或△Vm)≤C1,σVm(或△Cm)≤C2,经分析各种误差来源,阐明这种指标是不科学的,在技术上也是难以实现的,对分析武器使用效果的影响是严重的.为此提出精度指标新方法,即σVm=σCm·Vm,皆不大于某一常数C.     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

实现大空域变轨的三维虚拟目标比例导引律

为了实现反舰导弹的大空域变轨,提出了一种三维虚拟目标比例导引律。该导引律利用简单的控制指令就能控制导弹完成复杂的大空域变轨。采用变轨弹道可以提高导弹的机动性,有效地对抗敌方反导武器系统的拦截,提高突防能力。同时,采用变轨弹道可以增大导弹的射程,实现防区外发射,从而有效地提高发射平台的生存能力。最后,通过仿真实例证明所提出的导引律是很有效的。     

一种基于方位时延的水下被动目标运动分析算法研究

设计了一种新型的水下被动目标运动分析系统.以测得的方位序列和到达不同传感器的时间差为基础,建立了状态方程和观测方程,运用扩展卡尔曼滤波算法,对系统进行了分析.通过蒙特卡罗模拟仿真实验结果表明,此算法具有收敛速度快、精度高、稳定性好等优点,有着良好的实际应用前景.     

基于HMM的FOPEN UWBSAR图像中的树干杂波抑制

树干杂波是叶簇穿透(FOPEN)超宽带合成孔径雷达(UWBSAR)图像中叶簇隐蔽目标检测的主要干扰,能否有效抑制树干杂波是目标检测成功与否的关键。利用UWBSAR的大积累角成像特性所提供的目标方向性信息,基于隐马尔可夫模型(HMM),提出了一种识别并抑制树干杂波的方法。试验结果表明,该方法可有效识别并抑制FOPENUWBSAR图像中的树干杂波,增强叶簇隐蔽目标检测性能。     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。