防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。     

基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪

Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计,但是由于其计算量较大,不适用于实时性较高的被动目标跟踪情况。针对Rao-Blackwellized粒子滤波的不足,提出了改进的Rao-Blackwellized粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成,在执行过程中,粒子滤波和卡尔曼滤波相互交换信息,并行运行。计算机仿真结果表明,新的算法能够更好地减少计算量,提高跟踪的实时性。     

飞行器试验多测控目标发射零点应急处理方法

飞行器飞行试验任务中,发射零点T0是整个测控系统启动运行的基准点,是保证测控系统有条不紊正常工作的关键因素。特别是执行多个测控目标连射飞行试验任务,多个发射零点的正确处理更是关乎试验任务的成败。在分析发射零点形成机制基础上,对发射零点在指控系统实时测控软件中的处理方法进行了研究,提出了一种实时测控软件重启后重新获得多测控目标正确发射零点的应急处理方法,解决了试验过程中一旦实时测控软件因重大软件故障导致初始发射零点丢失的问题,保障了试验任务的顺利进行。     

基于AHP-PCR5的多传感器目标识别

目标识别系统中所获得的信息常常是高度冲突和不确定的。基于DSmT理论的多传感器目标识别,可以解决证据高度冲突情况下的信息融合问题。然而由于DSmT理论融合结果分类精细而不利于判决,需要将某些分类结果进行重新分配。层次分析法(AHP)包含不确定知识矩阵,生成基本信度分配函数。基于此提出AHP-PCR5方法进行证据高度冲突情况下多传感器综合目标识别,不仅提高识别精度,降低识别过程的不确定因素,同时引入折扣系数灵活处理识别过程中具有不同可信度的多传感器融合问题。     

基于RCS序列的助推段弹道导弹识别

在弹道导弹的助推段,通过低分辨率雷达得到RCS序列作为识别的重要信息。由于运动特性和电磁散射特性的差异,弹道导弹在助推段的RCS序列与其他目标相比具有可识别性,但需要对其RCS序列进行处理。基于目标识别技术,详细阐述能从RCS序列中提取出的特征参数,并通过直方图、N点截图等方法给出了直观的反映。最后,将弹道导弹助推段特征与飞机、燃料舱等典型目标进行对比,得到可以作为识别参量的特征参数,并通过类内类间距离验证了有效性。     

干扰条件下空中目标识别方法研究

目标识别是态势评估和威胁估计的基础,是作战指挥辅助决策的重要依据,是防空作战的关键环节之一。该文将雷达信息可信度扩展到传感器信息可信度,并基于扩展内涵的目标识别信息可信度,提出一种应用对空侦察雷达、光学器材、ESM传感器的空中目标识别方法,完成干扰条件下空中目标识别模块的设计。该方法依靠目标识别信息可信度较高的传感器信息来做出全局判决,有助于提高整个系统目标识别的可靠性。     

基于D-S证据理论的炮兵战场目标价值分析*

针对如何依据目标情报资料和作战任务需要合理评估战场目标的价值,选择需要射击的目标和确定优先顺序,建立了战场目标价值评价体系,提出了一种运用D-S证据推理理论对炮兵战场目标价值进行分析的新途径,该方法运用D-S证据组合公式对目标繁杂、不确定信息的融合,能够很好地消除目标信息的不确定性,从而将具有主观不确定性信息的目标价值分析问题转化为普通的确定性决策问题。通过实例证明了方法的有效性。     

一种新的机动目标模型及其自适应跟踪算法

针对机动目标跟踪问题,在截断正态概率密度模型的基础上,通过目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应调整,提出了一种新的自适应滤波算法——基于截断正态概率密度模型修正的自适应滤波算法。计算机仿真结果表明,该算法在跟踪机动目标时,具有良好的跟踪性能,并极大地改善了跟踪非机动目标的能力。     

改进的AHP法在目标价值排序中的应用

针对在应用AHP法时,传统的标度法可能导致判断矩阵一致性与思维一致性脱节,进而破坏层次分析法的优选排序功能的问题。首先分析了传统的1～9标度的不足,然后通过引入指数(0,2)标度,建立了满足一致性要求的判断矩阵,改进了层次分析法。最后将改进的AHP法应用于战场炮兵的主要攻击目标价值排序的评估,进一步提高了评估的准确性。     

Constrained minimax optimization of continuous search efforts for the detection of a stationary target

Analytical resolution of search theory problems, as formalized by B.O. Koopman, may be applied with some model extension to various resource management issues. However, a fundamental prerequisite is the knowledge of the prior target density. Though this assumption has the definite advantage of simplicity, its drawback is clearly that target reactivity is not taken into account. As a preliminary step towards reactive target study stands the problem of resource planning under a min–max game context. This paper is related to Nakai's work about the game planning of resources for the detection of a stationary target. However, this initial problem is extended by adding new and more general constraints, allowing a more realistic modeling of the target and searcher behaviors. © 2007 Wiley Periodicals, Inc. Naval Research Logistics, 2007