无人机卫星导航系统的电磁干扰态势评估方法

在战场复杂电磁环境下,卫星导航接收机很容易受到电磁干扰而出现不定位的现象,针对这一现象,提出了一种基于环境感知无人机卫星导航接收机的电磁干扰态势评估方法。以干扰信号的特征参数、导航接收机未受干扰时的接收状态作为预测的输入,以接收机跟踪环路失锁时的效应阈值作为观测目标值,建立了极端梯度提升(extreme gradient boosting, XGBoost)的预测模型。在此基础上,给出了导航接收机电磁干扰态势的等级,提出了导航接收机在单源和双源电磁干扰下的态势评估方法。通过与高斯过程回归和支持向量机回归的预测方法进行比较,结果表明XGBoost方法具有更好的预测精度。依据该预测方法,综合利用技战术方案,有利于提高无人机在复杂电磁环境中的适应能力。     

基于GreyNN模型的无人机需求预测研究

针对无人机（unmanned aerial vehicle,UAV）需求预测问题,建立了灰色神经网络（grey neural network,GreyNN）模型,基于GreyNN模型对无人机需求进行预测。仿真实验结果表明,在小样本贫信息情况下,GreyNN比单一BP神经网络模型和灰色预测（grey prediction）模型预测效果更好,实验验证了方法的可行性。     

基于灰色模型的柴油机技术状态变化趋势预测

以某型坦克用柴油机为平台进行了大量实车实验，确定了能够表征柴油机技术状态变化的6个特征量，利用主成分分析法确定了柴油机寿命预测特征量；建立了灰色预测模型，并基于所测数据进行了技术状态变化趋势预测。研究结果表明：预测值接近于实际值，能够为柴油机的使用和合理维修提供依据。     

指数平滑法在边防情报分析中的应用

介绍了指数平滑法,以某地区吸毒人数为实例,进行三次指数平滑分析,对未来的趋势做出较为准确的判断预测,并对结果进行分析和评价,为边防决策提供依据.     

稳像火控系统误差分析

通过对坦克稳像火控系统预测模型和目标运动状态测量的误差分析,提出提高测量精度和射击命中率的措施。     

基于支持向量分类的装备完好性预测模型

对抗的战场环境和任务的变化，越来越需要装备战备完好性来保障作战行动。保持或提高装备战备完好性是装备保障的核心和中心工作。利用基于结构风险最小化的支持向量分类（Support Vector Classification，SVC）方法对装备的战备完好性进行了预测，提高了机器学习方法的预测能力。并以车辆装备发动机的技术状况数据为实例，建立了预测模型，通过参数选择，提高了模型预测的正确率、命中率等指标。结论表明：支持向量分类方法是预测装备战备完好性的有效方法。     

一种组合预测模型及预测值的模糊分级

基于多元线性回归模型及ＧＭ（１，ｎ）模型，给出了一种组合预测模型，进行了组合预测的精度分析及预测值的等级分类，并讨论了其在实际问题中的应用．     

船舶水下电场的预测方法

为了实现对船舶水下电场信号目标特征的控制,提出一种信号预测的方法。对测得的信号进行小波分解并分别在静电场和轴频电场频段进行重构。对高频的轴频电场信号构建自回归预测模型,对低频的静电场信号以灰色GM(1,1)模型进行拟合。将预测结果进行叠加得到对下一时刻电场信号的预测值。实测数据对该方法的检验结果表明:用该方法对船舶水下电场进行预测,电场的预测误差在原信号幅值的20%以内。