基于TOPSIS的战区高层反导威胁评估

在分析战区高层反导威胁评估特点的基础上,建立了以来袭TBM发射点、预测落点、射程等为核心的战区高层反导威胁评估模型指标体系并进行了相应的量化,然后利用基于熵值权重确定的TOPSIS理论对模型进行求解。通过实例证明所提出的战区高层反导威胁评估模型和算法的有效性,对研究美军的战区高层反导武器系统具有一定的借鉴意义。     

空战截击引导航线自动生成算法研究

以等角航线作为截击引导航线计算的基础,研究了满足战术要求的截击引导航线自动生成方法,提出了基于前置点滑动搜索的截击引导航线优化生成算法（LPMSOA,lead-point moving search optimal algorithm)。LPMSOA算法采用二分搜索思想,以到达时间差为优化准则,通过对预定敌机前置点的滑动搜索来寻找最优前置点,通过飞行航迹长度最小化获得最短截击时间,在此基础上对最优截击引导航线进行解算。仿真实验表明,LPMSOA能有效解决空战截击引导航线自动生成问题,算法实时性强,计算精度高。     

面向装备健康管理的可测性指标研究

可测性指标是开展可测性设计、验证和评估的依据.针对传统可测性指标主要用于故障可检测性和故障可隔离性水平评价,不能全面反映面向装备健康管理可测性水平的问题,在定性分析装备健康管理对可测性的本质需求基础上,从全域和瞬态角度提出了五个可测性指标以定量描述面向装备健康管理的可测性水平;并基于故障模式状态矢量给出了可测性指标的分析计算流程.最后以某装备柴油机的机体子系统为案例详细说明了可测性指标的计算过程,应用结果表明所提指标具有一定的可行性和合理性,可以有效指导面向装备健康管理的可测性优化设计.     

粒子滤波的序列图像运动目标跟踪(英文)

序列图像的运动目标识别与跟踪是计算机视觉主要研究方向之一。研究的重点是要建立一个准确可靠的跟踪系统。针对此问题,传统的帧间差分法进行了改进,并研究了粒子滤波算法。在改进的帧间差分法和粒子滤波的基础上,提出了序列图像运动目标跟踪方法。实验实验表明,这种方法能够在目标被背景云彩遮挡的情况下,实现目标的可靠跟踪。     

雷达干扰效能评估指标体系的构建方法

建立合理的干扰效能评估指标体系是实现雷达干扰效能综合评估的前提,首先分析了影响雷达干扰效能的要素,提出了一种由雷达受到干扰后的战术性能变化、干扰机主要战术性能参数和电磁环境因素建立雷达干扰效能评估指标集的方法。然后应用粗糙集属性约简算法对该指标集进行约简,删除了冗余属性,并对约简后的指标体系进行了有效性检验。仿真结果表明,该指标体系具有较好的完备性和独立性。     

基于OPN的军事信息服务组合模型构建方法

介绍了军事信息服务的基本含义,给出了基于对象Petri网的军事信息服务组合模型的形式化描述方法,构建了军事信息服务组合模型的基本结构,并针对一个具体的防空反导作应用案例,使用国防科大对象Petri网建模仿真环境工具开发了相应的军事信息服务组合模型,并对组合服务进行了简要分析。实践表明,该方法能满足军事信息服务组合模型构建的需要,并具有良好的服务建模与仿真分析能力。     

基于灰色系统理论的目标方位估算及应用

针对潜艇作战过程中依据目标方位变化判断战场态势的军事需求,根据灰色系统理论,以实测目标方位序列为原始数据,建立GM(1,1)模型,深入挖掘其内在规律性,对目标方位序列的变化趋势进行科学分析,并估算未来时刻目标方位,用于战术态势判断、检验目标运动要素解算和战术绘算的准确性,以及干预目标运动要素解算,以期望利用有限的数据,获得最大限度的信息,为潜艇指挥员提供决策支持。     

模糊灰色关联模型在遮弹层防护性能评价中的应用

为对遮弹层防护性能进行综合评价,建立了遮弹层防护性能评价指标体系,采用多对象模糊综合评价和加权多层次灰色关联评价相结合的方法.得到了遮弹层防护性能的二级模糊灰色关联评价模型,并对五种遮弹层的防护性能进行了评估.结果表明,综合考虑直接成本、施工条件、伪装性能等因素,刚玉块石混凝土遮弹层防护性能最佳.该模型为遮弹层防护能力综合评估提供了理论依据.     

海战场时空查询及索引机制研究

针对目前海战场信息系统的不足,引入时空数据技术对战场数据建模,并支持设计了海战场时空数据库原型系统.对系统要求的时空查询问题进行归纳,结合海战场数据特性加以分析,为后续的索引建立提供了依据.3D R-tree相较现有的其他时空索引更适用于海战场的环境,并通过扩充部分的弥补了其检索效率的不足.     

The effects of model parameter deviations on the variance of a linearly filtered time series

We consider a general linear filtering operation on an autoregressive moving average (ARMA) time series. The variance of the filter output, which is an important quantity in many applications, is not known with certainty because it depends on the true ARMA parameters. We derive an expression for the sensitivity (i.e., the partial derivative) of the output variance with respect to deviations in the model parameters. The results provide insight into the robustness of many common statistical methods that are based on linear filtering and also yield approximate confidence intervals for the output variance. We discuss applications to time series forecasting, statistical process control, and automatic feedback control of industrial processes. © 2010 Wiley Periodicals, Inc. Naval Research Logistics, 2010