舰载主被动传感器数据关联算法

针对海战场密集目标情况下,传统方法在解决舰载主被动传感器数据关联问题中表现的不足,提出一种基于属性信息相似度检验的方法.通过分析雷达实体目标与辐射源在时间上可能出现的不同对应关系,给出相应的判决规则.仿真结果表明,新算法具有较高的关联精度和较低的漏关联概率.     

被动多传感器阵列中复合观测数据的数据关联

被动多传感器阵列是现代化战争中对雷达等主动传感器的重要补充手段。针对被动多传感器阵列的观测数据特点,提出了一种基于复合观测数据的量测与航迹的关联方法。该方法根据被动传感器对目标的位置量测数据以及运动属性的描述信息,利用模糊积分的方法对观测数据与备选航迹进行关联度量,以实现量测数据与航迹的关联。试验表明该方法是切实可行的,可以有效地进行量测与航迹的关联。     

谈英语词汇学习的语义因素

词汇学习和记忆是学习语言的最基本的手段,也是运用语言的先决条件。学习英语词汇除了从词汇的语音、拼写和一般定义入手外,还应特别注意词汇的语义。本文尝试从词汇的语义关系这个角度论述语义在英语词汇学习中的重要性。     

新时期高校学生社团活动的特点和作用

高校学生社团活动在校园内蓬勃兴起,根据学生社团活动在新时期的新特点和对学生工作及跨世纪教育工程的特殊影响和作用,相关部门应给予积极的扶持,实施有效的管理,进行正面的引导,为最终实现高校教育目标将起到正面的。积极的作用     

航迹关联算法在飞行计划管理中的应用

针对传统飞行计划管理中的缺限,基于MK－NN航迹关联算法思想,提出了一种利用方向因子、速度因子、偏航因子、时差因子和区域因子对综合航迹和计划航迹进行比较关联的方法,实现对飞行计划实施的动态监控,从而提高了飞行计划管理的准确性与科学性。     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系。对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果。     

测向交叉定位系统多目标数据关联研究

多目标测量数据关联问题是分布式被动交叉测向定位系统必须解决的问题,首先提出了基于残差的数据关联方法,但多目标时该方法运算量很大。针对这一缺点,提出了基于不变量的目标数据关联新方法,通过数字仿真对比了这两种方法的数据正确关联概率。仿真结果表明:基于不变量的方法正确关联概率与基于残差的数据关联方法相当,但计算量远小于后者。     

测向交叉定位中基于最小距离的二次聚类算法

针对现有测向交叉定位系统中聚类算法存在的计算量大、求解最优解困难等问题,提出了一种基于最小距离的二次聚类算法.即先通过最小距离法对每条测向线上的交点进行聚类分析,得到几个聚类程度较高的交点集合,再对这些交点集合通过取交集的方法进行二次聚类,得到少数的几个交点集合,最后再对这几个少数的交点集合进行选优,从而消除虚假交点集合,得到真实交点集合.通过交点回归计算,保证了真实交点集合具有很高的关联正确率.计算机仿真结果表明,该算法具有很高的关联正确率,且计算量较小,实时程度较高,并且适应于多传感器存在漏测的情形.     

空时频方位关联算法

针对跳频组网通信中不同信号间的时频分隔特点,利用时频重心进行目标方位数据关联,提出了空时频方位关联算法。根据提取的时频特征设计空时频测向的核函数,实现了简化的空时频测向算法。根据时频距离设计代价函数,基于匈牙利算法实现了方位关联结果的最优化二维分配。根据时频距离选择窗函数的类型和长度,有效避免了信号旁瓣泄露对测向精度的影响,显著提高了密集目标条件下的关联正确概率。数值仿真验证了上述观点。     

The graph association problem: Mathematical models and a lagrangian heuristic

Graph association is the problem of merging many graphs that collectively describe a set of possibly repetitive entities and relationships into a single graph that contains unique entities and relationships. As a form of data association, graph association can be used to identify when two sensors are observing the same object so information from both sensors can be combined and analyzed in a meaningful and consistent way. Graph association between two graphs is related to the problem of graph matching, and between multiple graphs it is related to the common labeling of a graph set (also known as multiple graph matching) problem. This article contribution is to formulate graph association as a binary linear program and introduce a heuristic for solving multiple graph association using a Lagrangian relaxation approach to address issues with between‐graph transitivity requirements. The algorithms are tested on a representative dataset. The developed model formulation was found to accurately solve the graph association problem. Furthermore, the Lagrangian heuristic was found to solve the developed model within 3% of optimal on many problem instances, and found better solutions to large problems than is possible by directly using CPLEX. © 2013 Wiley Periodicals, Inc. Naval Research Logistics, 2013