基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

向科学编组要战斗力——山西省朔州军分区加强城市民兵建设纪事

拉得出、用得上、起作用，是民兵工作最基本的目标。然而，在市场经济条件下，由于民兵组织建设受到社会结构调整、经济体制改革、兵员流动频繁等许多因素的影响和制约，使得迈向这个基本目标的步履显得异常艰难。山西省朔州军分区在经历几次尴尬之后，党委机关形成了“向科学编组要战斗力”的共识，突出使用，优化结构，精干队伍，全市民兵的快速动员能力和遂行任务能力有了实质性提高。     

末制导炮弹弹着点的一种快速估算算法

针对攻击地面固定目标的末制导炮弹,基于三自由度质点弹道模型提出了以高度y为积分自变量快速估算弹着点的方法,比较了以时间t、柱坐标角度a、高度y为积分自变量的三种估算弹着点方法的估算速度。仿真结果表明,在末制导段快速估算弹着点,三种方法的估算速度相差较大:以高度y为积分自变量的估算速度最快;以柱坐标角度a为积分自变量估算速度次之;以时间t为积分自变量估算速度最慢。提出的估算方法不但估算速度快,且估算精度亦满足工程要求。研究结果对今后该弹种的研制具有一定参考价值。     

LFM脉冲雷达距离维快速搜索处理算法

针对脉冲雷达近距离目标遮挡问题,从理论上分析了雷达最小作用距离不受限于脉冲宽度.在此基础上,以Chirp脉冲为例,提出了一种适合远近距离全程目标的快速搜索处理算法.该算法只需发射一种宽脉冲波形,而不必根据距离的变化改变脉宽,从而有效缩短了搜索时间,大大提高了搜索效率.仿真结果表明了理论分析的正确性和算法的有效性.     

新型工业凸显发展强势

推进新型工业化是兵团经济大发展的希望所在,是兵团更好地发挥建设大军作用的客观需要,也是构建和谐兵团的必然要求。十一五期间,兵团以市场为导向,以城市和工业园区为载体,以重大项目建设为突破口,着力构建农产品加工和优势矿产资源转换两大基地,集中力量发展食品及医药工业、纺织工业、农用装备制造业、化工及矿业、建材工业、能源工业等六大支柱行业,努力实现工业经济总量、质量效益、科技含量、职工收入显著提高。     

空空导弹发射包线的快速计算方法

给出了空空导弹发射包线快速计算的方法和公式。该算法在将导弹模型简化为二维模型的基础上,结合对目标运动的一定假设,对导弹发射包线进行快速模拟。同时,采用三自由度模型、六自由度模型和快速计算方法来模拟导弹发射包线,并对三种方法的精度和速度进行比较。仿真结果表明:提出的快速计算方法虽然降低了一定的精度,但计算速度快、时间短,达到了整个火控系统的精度要求,同时也满足了系统的实时性要求,这点对空对空作战十分有利。     

构建预备役部队快速动员能力评估体系的意见

快速动员能力是预备役部队战斗力的重要组成部分。新形势下,要着眼推动预备役部队全面建设科学发展,试行构建快速动员能力评估体系。     

基于子阵的频控阵自适应波束形成算法

针对经典的最小方差无畸变响应波束形成器应用在FDA-BFF(Frequency Diverse Array Based On Frequency Filter,FDA-BFF)及FDA-MIMO(Frequency Diverse Array Multiple-Input Multiple-Output,FDA-MIMO)接收机结构时,当阵元数较大或干扰与目标角度维接近时波束主瓣会产生峰值畸变或偏移,波束形成器输出性能下降,无法有效确定目标位置的问题,提出了基于双边小方差无畸变响应的子阵频控阵波束形成算法。该算法将一维均匀线性阵列划分为两个采用不同非线性频偏的中心对称子阵结构,在目标位置形成点状波束,对传统频偏固定的频控阵方向图中的距离-角度实现解耦。之后,通过双边小方差无畸变响应算法中求解克罗内克积的方式降低了算法计算量。仿真验证表明,阵元数较大时该算法在目标位置处形成点状波束的同时,可以有效抑制角度维不可分的干扰。     

基于区域分割的快速KNN定位算法

针对位置指纹定位算法指纹匹配效率低、定位实时性差等问题,基于传统的K最近邻思想提出一种区域分割的方法。该算法在指纹匹配阶段根据区域分割的思想,逐步缩小对目标点的定位区域范围,选取该范围内所有的参考点作为待匹配的指纹,利用KNN算法进行最终的位置估计,实现目标的快速定位。这样的过程大幅度减小了KNN算法的指纹匹配功耗,使其能应用在较大的指纹数据库中。仿真实验结果表明,该算法在保证定位精度的情况下,定位的速度明显快于传统的KNN定位算法。