船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。     

面向快速响应发射的机动测控力量构建

快速响应发射是太空作战背景下实现快速进入、反击作战及重建太空信息支援作战能力的重要保障。立足未来太空作战需要,本文提出构建全域机动测控力量的设想。该测控力量以快速响应发射、应急航天搜救以及商业航天发射为目标,并具备全面对抗条件下全域范围内机动作战、独立遂行测控任务的能力。文章研究分析了测控力量作战编成,并对后续作战应用进行探讨,以完善现有测控力量体系、提升测控作战能力。     

主要国家航天力量建设节点

航天力量是各主要军事强国重点投入建设的新型作战力量。本文以航天产业军民两用的天然技术属性作为切入点,从各主要军事强国商业、民用航天的规划建设中研判分析航天力量短期、中期、长期的建设节点,对航天力量走向战场需要突破的瓶颈进行思考,就航天力量建设问题提出思考。     

基于案例推理的指挥实体任务规划高维解空间适应性问题研究?

利用案例推理对指挥实体任务规划过程中决策问题求解方法的修正过程是该方法推理过程中最困难的阶段,尤其当决策问题解空间是多维的情况下。讨论了指挥实体任务规划过程中高维决策空间的修正问题,并提出了可行的解决方法。首先,利用自组织匹配法清晰展现问题空间与决策空间的映射过程,然后,利用反向传播神经网络分析匹配结果间的相关性问题,最后,选取一个简化的军事剧情对该方法的合理性进行验证。     

磁探针位置及角度偏移对电磁发射过程测试的影响

简化电磁发射装置中的导轨和电枢为线电流下的直导体,建立发射装置的物理模型。利用毕奥-萨伐尔定律和感应电动势原理,推导出磁探针线圈中心放置点的磁感强度。假设线圈范围内的磁场为均匀磁场,计算得到磁探针线圈产生的电动势。以此设计测量所用的磁探针,并和测试数据对比验证模型的正确性。在多次试验中发现,发射过程中装置振动导致磁探针距离变化和角度偏转问题。测量并分析三组单次发射中的故障测试状态。仿真和实验数据表明:小范围距离变化没有使磁探针的测试性能失效,但角度偏移对下一步的速度拟合带来误差干扰,且随着角度增大拟合速度逐步减小。     

临近空间大气环境建模及其对飞行器影响

临近空间飞行器在大气层飞行的过程中,其飞行状态和工作性能会受到大气环境的影响。首先对临近空间大气的宏观变化和扰动类型进行了简要介绍,建立了基于国军标的中国地区平稳风模型和基于概率的最恶劣阵风模型,并研究了风场变化特性和阵风幅值变化规律,最后仿真分析了大气风场对飞行器弹道的影响。仿真结果表明：大气风场对飞行器的落点散布有显著影响,并且其影响结果与当地平稳风的长周期变化有关。     

基于图像信息的多特征空间坦克姿态估计

坦克作为地面战场的主要目标,分析其姿态至关重要。根据坦克姿态估计的需要,在可见光条件下采集了坦克车体纵轴与瞄准镜光轴不同夹角的图像作为训练集。利用主成分分析法选取了目标的主要特征向量,每个训练子集用3个特征向量表示,利用少量的特征向量建立目标的8个特征空间,降低了空间的维数。设计判别准则将待识别目标向量与重构向量之间的余弦值进行比较,即确定目标所在的空间位置,完成了目标姿态的识别。实验结果表明,利用建立目标多特征空间的方法识别目标空间位置是有效的。     

航空发动机自适应模拟退火遗传算法建模

以阶跃输入响应进行模型的检验,提出了航空发动机状态模型的建立方法:在抽功法所建立的状态空间模型的基础上,利用自适应模拟退火遗传算法对A、C矩阵元素进行寻优,解决了状态空间模型的响应与非线性模型不能够很好吻合的难题。仿真表明,得到的状态空间模型无论是动态过程还是稳态过程都能取得较高的建模精度,为航空发动机分布式控制的研究奠定了强有力的基础。     

GPS时分二进制偏移载波调制信号的高精度无偏抗多径算法

二进制偏移载波调制信号将在卫星导航系统中得到广泛应用。全球定位系统的L1C信号导频分量采用了时分二进制偏移载波调制,对此信号直接采用码参考波形算法消除多径时的鉴别曲线收敛点存在偏差,从而影响测距偏差。因此,提出一种时分二进制偏移载波调制信号的高精度无偏抗多径算法。通过时分的方式分别生成针对BOC(1,1)和BOC(6,1)分量的本地闸波,以保证鉴相函数在码相位无偏差时等于0。由于更好地利用了BOC(6,1)信号分量,该技术在实现无偏跟踪的同时,还能提高跟踪精度。     

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