基于GAHP和熵法的虚拟训练综合评价

针对武器装备虚拟训练中评价一次操作数据无法客观反映受评者真实水平问题,提出了基于灰色层次分析和熵理论的虚拟训练评价方法。在获取每名受评者操作数据样本的前提下,通过灰色层次分析,确定指标层次和初始权重,利用灰色评估方法确定相应指标的灰类,对灰数归一化加权得到每个指标的评分,并确定综合总评分;引入不稳定因子,借助熵法确定受评者每个指标的不稳定性。最后,通过实例验证了方法的有效性,并根据不稳定因子和各指标评分向受评者提供了后续训练提升的建议。     

基于改进Sage-Husa自适应滤波算法的SINS/DVL组合导航

捷联惯性导航系统（SINS）与多普勒计程仪（DVL）组合导航时需考虑量测数据异常问题。针对该问题，设计一种基于渐消因子动态调整的改进Sage-Husa自适应滤波。此滤波旨在解决自适应滤波估计量测噪声参数性能对渐消因子依赖性强的问题，提升DVL量测信息异常情况下的导航精度。实验结果表明，基于渐消因子动态调整的改进Sage-Husa自适应滤波，在DVL数据异常的复杂环境中仍可具有较好的信息处理能力，导航性能提高显著，实现高精度的组合导航，具有一定的研究与参考价值。     

多决策目标排序的层次分析与灰色关联法

战争中对打击目标排序是下定作战决心的前提,是战场信息处理的重要内容.随着军事科技的发展和战术运用要求的提高,决定目标排序的因素不断增多,作战环境更加复杂,单一指标已不能满足需求.采用层次分析和灰色关联相结合的方法对多决策目标进行分析,为具有多决策因子目标提供了一种排序方法.灰色数据的白化和精确数据的直接使用提高了数据的效率,使得不同特点的目标具有可比性.实例表明,该方法行之有效.     

组合干扰下的雷达干扰压制区边界

对组合干扰作用下雷达干扰压制区边界进行了建模分析.根据热噪声下的标准雷达方程,采用在典型环境下搜索雷达的实例来推导和建立了在干扰、杂波和组合干扰源的环境下压制区边界的估算方程.本模型充分考虑了地面射频效应对雷达探测性能的影响,贴近实际,可为电子战指挥员进行战斗部署提供辅助决策支持.     

用破片覆盖度进行毁伤概率评估

在对国内相关专业研究和了解的基础上,结合多年的工作经验,针对地空导弹武器系统典型目标易损性无法确定的情况,将目标整体作为杀伤对象对待,建立了目标被战斗部破片覆盖的程度、目标命中战斗部破片数、目标易损性折算因子及战斗部条件毁伤概率等模型,与传统方法进行对比仿真计算表明,用文中所给方法可以进行目标易损性分析、计算毁伤概率和确定杀伤区,亦可作为引战配合设计的参考依据.     

串联系统预防维修周期优化策略研究(英文)

针对串联系统建立了基于可靠性约束的预防性维修优化模型,该模型充分考虑到预防维修可以提高系统可靠性的同时,其故障率会随着维修次数的增加而上升,引入役龄回退因子对预防维修活动前后系统性能的动态变化进行了描述.通过实例验证了该优化模型的正确性与可用性,对模型作进一步的扩展,还可用于更一般复杂的串并联系统.     

多管炮效能定律的发现及多管因子公式研究

针对目前多管武器毁伤效能计算中存在的问题进行深入细致的研究,发现了多管炮效能第一、第二定律,根据定律,猜想并推导出了多管因子的计算公式.并对公式计算数据和传统经验数据进行对比分析,发现在管数小于24时,两者误差不超过3%,公式计算取得了较好的效果.研究成果同时扩充了传统多管因子的经验数据,并对24管以上多管武器效能的研究提供了理论依据和参考.     

宽带信号目标参数估计精度分析

现代雷达中随着信号带宽的增大和目标速度的提高,常规窄带近似的条件无法满足需要。根据匹配滤波和宽带模糊函数的特点,推导了目标回波延时和尺度因子的理论估计精度。通过仿真证明,推导的尺度因子估计的理论精度与相关文献一致,而新得到的延时估计理论精度基本不随载频变化,更符合实际应用。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。