基于Unscented粒子滤波的传感器管理算法

传感器管理是信息融合技术的重要研究方向,以往的传感器管理算法主要是针对线性融合系统,现实中非线性系统更为普遍,而针对非线性融合系统的传感器管理算法研究较少。粒子滤波是目前非线性领域中应用最广的滤波算法,该算法的主要思想是使用一个带有权值的粒子集合来表示系统的后验概率密度。Unscented粒子滤波采用Unscented卡尔曼滤波计算提议概率密度分布,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布。针对非线性系统,提出了一种基于Unscented粒子滤波的传感器管理算法。首先利用Unscented粒子滤波对目标进行状态估计,求出目标的协方差;然后利用信息熵计算目标的信息增量;最后利用信息增量最大对传感器资源进行分配,并对该算法进行了仿真。     

基于群决策和QFD的型号装备作战需求论证方法

通过研究定性问题的定量化处理方法和2类关键模型,提出了基于群决策和QFD的型号装备作战需求论证方法,阐述了方法的基本流程,构建了方法应用的数学模型,在一定程度上解决了需求论证中＂定量方法不足,需求论证不清＂的难题,为型号装备立项综合论证提供了方法支撑。     

基于CPSO算法的海空跨域无人航行器集群协同作业路径规划

针对海空跨域无人航行器集群在复杂水域环境下协同作业以追踪水下目标的任务,提出一种基于协同粒子群(CPSO)的协同作业路径规划算法.考虑不同无人航行器集群特性优势,合理分解并分配远距离追踪水下目标任务过程,并利用CPSO算法进行路径规划.在CPSO算法中,首先为无人机(UAVs)集群规划飞行路径,UAV飞行过程中探测水面...     

南京军区组织民兵预备役防空队伍考核

盐阜大地,黄海之滨。南京军区组织上海、江苏、福建3个省（直辖市）的8个民兵预备役防空群,围绕未来防空作战必备技能,在苏北某高炮靶场拉开了一场以实战化训练为重点的竞赛性考核。通过考核,探索了民兵预备役成建制训练和比武考核方法路子,分析查找了影响战斗力的问题短板,锻炼培养了一批指挥员和关键岗位人员,检验提升了民兵预备役高炮队伍训练水平和作战能力,达到了以考应战、以考促训、以考正风的目的。     

世界化生放核防护装备技术的最新进展

正近年来,国际化生放核(CBRN)防护装备技术呈现出明显的创新、融合、综合、集成的发展趋势。不仅体现在对威胁源项防护的广谱化,更体现在多种防护思想的创新、多种防护原理的融合、多种防护技术的综合和多种防护功能的集成。它们也许还处于思想创新、原理探索、实验研究阶段,还有待生产制造水平方面的检验,但毋庸置疑的是,这些新技术在相当大的程度上代表着防护装备技术的发展趋势。可以预见,随着科学技术的不断进步,技术难题的不     

基于粒子群实验寻优算法的后勤装备维修器材仓库布局选址

针对我军后勤装备维修器材仓库分布点多面广、配送时效性不高、整体保障效益偏低等问题,建立了基于混合整数规划的仓库布局选址模型,设计了粒子群实验寻优算法进行求解。以SY战区为例,验证了模型和算法的有效性,得到了该战区的后勤装备;维修器材仓库布局方案,并与基本粒子群算法进行了对比分析。     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

基于改进萤火虫优化算法的BP神经网络目标群威胁判断

以舰艇防空作战目标选择决策和规划需求为背景,针对萤火虫算法求解精度不高且收敛速度较慢的问题,提出可动态调整步长的改进萤火虫优化算法。在改进萤火虫优化算法的基础上,建立基于改进萤火虫优化算法的BP神经网络目标群威胁判断结构模型。通过改进萤火虫算法优化BP神经网络的初始权值和阈值,能够更好地预测测试集。实验结果表明,该方法可快速、准确地实现目标群威胁判断。     

LCDP SO算法在协同空战攻击决策中的运用?

为了探索提高协同空战攻击决策算法性能的途径,将多子群粒子群优化理论用于求解协同空战攻击决策,利用生命周期粒子群模型（ LCPSO）,提出了一种生命周期离散粒子群（ LCDPSO）协同空战攻击决策算法。基于典型空战想定背景,仿真验证了算法的有效性。通过统计实验的方法,分析比较了LCDPSO协同空战攻击决策算法与多种智能决策算法的准确性、可靠性和快速性,研究结果证明LCDPSO协同空战攻击决策算法优良的综合性能。     

基于模拟退火的P SO算法在舰载机回收中的应用

在舰载机回收过程中,着舰指挥官要综合考虑剩余油量、战损、气象条件等不确定因素的影响,对舰载机进行实时调度,确定安全快速的着舰次序。建立了舰载机着舰回收模型,给出着舰风险成本函数,利用具有全局搜索能力的粒子群算法对目标函数最优化处理,为避免算法陷入局部最优,选择具有突跳能力的模拟退火算法进行局部搜索。仿真结果证明,基于模拟退火的粒子群算法具有快速收敛的优点,能寻找出合理的着舰序列。