R站不确定在双基地雷达对抗中的优势评估

针对"R站不确定是否会给双基地雷达对抗带来优势"这一问题,提出了关于R站不确定对双基地对抗效果影响的定量分析方法。该方法首先构建R站配置位置与双基地对抗效果间的映射关系;然后,利用统计试验的方法,给出R站配置位置服从特定概率分布条件下的干扰效果值,并将其作为输出的待分析数据;最后,对输出数据进行处理,定量评估R站不确定在双基地对抗中的优势。     

基于分层核粒子滤波的快速运动目标跟踪

针对目标发生快速、运动不规则及遮挡等情况下的跟踪问题,提出了一种分层核采样策略。首先通过先验转移和后验转移分别预测2组粒子来建立联合分布,利用聚类算法近似联合分布粒子集的混合高斯分布;然后对每个聚类进行采样;最后采用均值漂移算法将粒子移动到后验密度的局部极值处。实验结果表明:算法在目标发生快速机动情况时,跟踪性能优于传统粒子滤波、核粒子滤波及分层粒子滤波,且对遮挡具有较好的鲁棒性。     

航空兵干扰声纳浮标与反潜飞机通信的方法与效能研究

为了提高潜艇规避声纳浮标搜索的能力,提出了航空兵以压制方式干扰声纳浮标与载机之间通信的思路与需求,基于有效压制区分析结论研究了干扰兵力的配置问题,建立了干扰效能评估模型,得到了干扰机与反潜飞机、声纳浮标应当保持的位置关系等增强干扰效果的结论。所得结论表明,为增强干扰效果,干扰机应与反潜飞机、声纳浮标保持在一条直线上,并与反潜飞机保持同步运动状态;在同一干通比下,干扰机与声纳浮标间的距离越小越好;在同一距离下,干通比越大越好。该结论可为航空兵以压制干扰方式支援潜艇摆脱反潜航空兵声纳浮标搜索与跟踪提供理论支撑。     

差分跳频通信抗干扰效能分析

差分跳频通信系统是一种全面基于数字信号处理的全新概念的通信系统,其技术体制和原理与常规跳频完全不同。差分跳频已成为当前短波保密通信的一个重要发展方向,因此其抗干扰性能尤其引起人们的关注。由于差分跳频通信系统特殊的通信机理,其抗干扰效能完全不同于常规跳频通信系统。鉴于此,在对差分跳频通信原理研究基础上,重点分析了差分跳频通信系统对同频干扰及异频干扰的抗干扰效能,并通过计算机仿真对相应结论进行了验证,可为差分跳频通信的进一步发展提供相关理论基础与技术借鉴。     

改进的TOPSIS法在雷达干扰资源分配中的应用

对雷达进行侦查是干扰雷达的前提,由于侦查无法得到精确的实际雷达工作参数,而只能得到一个工作参数区间,因此属性值为确定值的多属性决策方法是不适用的.从多个属性出发,提出改进的基于逼近理想解排序的TOPSIS法,针对属性权重信息不完全且属性值为区间数的特征,将多属性决策问题运用到雷达干扰资源分配中来,对雷达干扰资源进行优选配置,通过多个无线传感器干扰节点协同干扰,使其达到最佳的干扰效果.     

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。     

固定目标防护的干扰波束内部压制区模型分析

针对目前压制性干扰研究状况以及原有固定目标防护干扰方程运用时可能存在的缺点,重点分析了干扰方程中干扰波束增益这一参数,改进了原有干扰方程,构建了干扰波束内部压制区计算模型,仿真了不同波束方向下的有效压制区,总结了可能的变化规律,讨论了多目标干扰的可行性。此方程对干扰资源的配置和干扰效能的优化有一定实用价值。     

面向诸元计算精度鉴定的二次抽样试验设计方法

针对诸元计算精度常规试验方法的缺点和不足之处,提出了"二次抽样"的试验设计方法,在一次抽样的基础上,通过对试验结果进行分析,进行第二次有针对性的抽样试验,并采用贝叶斯估计方法,对两次相关联的试验结果进行综合评价。最后采用该方法对某型炮兵指控系统的诸元计算精度进行了检验,证明了该方法的实用性和有效性。与常规试验方法相比,二次抽样法对诸元计算中各变量不同值域的权重进行了重新分配,其计算结果对被试装备的实际性能更具有指向性。     

基于TSS方法的雷达性能优选分析研究

通过TSS方法进行了雷达性能的优选分析研究,分别针对雷达的单一性能指标和综合性能指标进行了优选分析。首先运用TSS方法完成了基于单一性能指标的雷达性能优选分析,然后通过欧几里德贴近度完成了雷达的综合性能指标优选分析,最后给出了TSS方法在雷达性能优选分析研究中的应用实例。     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。