多站遥测数据加权融合方法

针对靶场试验中遥测数据融合处理问题,提出了一种多站遥测数据加权融合处理方法。依据对加权融合思想的分析,构建了融合权重与测量精度之间的对应计算模型;依据地面测量站对导弹实测数据的统计分析,构建了测量设备实时测量精度模型。基于典型算例对所提算法进行验证,结果表明所提算法能够较好地解决遥测数据融合处理问题,具有一定的理论意义和较好的应用价值。     

FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

基于叠合度的维修性多源数据融合方法

针对装备维修性试验数据样本量不足的问题,采用了数据融合方法进行扩充数据样本量,通过建立折合模型对多源先验数据进行转换,解决了与现场数据差异较大难以实现数据融合的问题,采用了改进的Bayes Bootstrap法对多源数据的分布参数进行拟合,建立基于叠合度的数据融合模型,对装备维修性多源先验数据进行融合,结合某型坦克试验数据进行算例分析,证明了该方法的可行性。     

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。     

基于DDS的虚拟信号发生器LabVIEW程序设计

针对传统信号发生器存在的成本高、功能单一、电子线路复杂等缺点,设计了一种基于频率合成技术的虚拟任意信号发生器。通过动态链接库(DLL)与下位机设备DDS-3X25进行通信,基于"模块化"和事件结构的设计思想,用LabVIEW编程实现了基本波形、任意波形、噪声叠加、波形数据载入、波形数据量化转换和线性插值等程序模块。实验结果表明,该设计不仅能产生纯净和叠加噪声的正弦波、方波、三角波和锯齿波等基本波形,而且可以输出手绘的任意波形,验证了设计的有效性。     

高动态GNSS信号多普勒模拟任意阶直接数字合成器设计

为高精度模拟高动态条件下GNSS信号的多普勒特性,提出一种任意阶直接数字合成信号合成器的设计方法。设计任意阶直接数字合成信号合成器的结构;通过理论分析,推导各级累加器相位初值的计算公式;给出字长选择方法。经仿真验证,该方法能精确模拟GNSS信号的多普勒特性。此外,提出的直接数字合成器设计方法不受阶数的限制,可普遍应用于各类信号模拟器的设计。     

超音速子母弹时序抛撒分离干扰特性

为分析在时序抛撒方式下子母弹多体干扰流场特性及其对各舱段弹体气动特性的影响,基于流体控制方程与六自由度刚体运动方程,结合非结构动网格技术,分别对两种时序抛撒方式及后舱子弹单独抛撒方式下的子母弹三维非定常分离流场进行数值模拟,得到不同抛撒时序下的分离流场特性及其气动干扰特性,揭示各舱段子弹在不同分离阶段的气动干扰相互作用过程。研究结果表明:在时序抛撒分离过程中各弹体间激波不断地交错干扰,增加了流场结构的复杂性;前舱子弹的激波干扰使得后舱段子弹气动分离参数较低,分离效率较慢,尤其在短时序间隔下,后舱弹体受前舱子弹干扰较为严重,弹体的安全分离受到影响。     

多尺度方法在强非线性系统中应用的一个注释

多尺度法在求解非线性系统时，目前所得到的结果多集中在弱非线性系统上。论文对多尺度法进行了改进。对强非线性杜芬系统进行了变换，得到了强非线性杜芬系统存在3个解的结论，其中大的和小的是稳定的，中间的是不稳定的，物理上实现哪个稳定运动取决于初始条件。     

分布式多机协同控制信息同步技术

无人机群的信息同步是影响多无人机协同控制性能的一个重要因素。在介绍一类无人机群间信息流线性更新策略的基础上,对单链环形通信结构的信息同步位置进行了数学分析与仿真计算,结果表明可信度环形单链通信拓扑的信息同步于各单元初值的平均值。可信度的大小仅影响同步速度的快慢,对稳态值没有影响,可信度越大收敛速度越快,可信度越小收敛越慢。