基于改进空战威胁评估模型的权重计算方法比较

针对多无人机(UAV)任务网协同空战态势威胁评估问题,在现有基本模型基础上增加考虑气象环境对威胁评估要素的影响和无人机的自主可靠性系数两个实际因素,提出一种改进的超视距空战威胁评估模型;同时,应用串联电阻分压法、改进AHP法和熵权法分别计算融合模型中各威胁指标的权重系数;进而,在考虑己方战机对敌方战机综合威胁与优势的基础上,介绍了战机协同空战目标分配的基本方案。最后,应用上述3种权重计算方法进行空战威胁仿真计算,计算结果表明改进空战威胁评估模型可有效改善空战决策性能。     

机动目标一维距离像RAT法线性化补偿

研究了机动目标宽带线性调频脉冲回波全去斜率信号模型,根据速度和加速度的调频频谱展宽特点,提出了机动目标宽带一维距离像线性化调频回波模型,给出了Radon模糊图转换(RAT)法线性参数估计与运动补偿方法,并进一步分析了测速和测距误差.仿真实验验证了RAT法一维距离像线性化参数估计与补偿,表明该方法很好地解决了运动参数未知情况下机动目标的一维距离像频谱展宽问题.     

导航精度对某型电视制导无人攻击机攻击性能影响

针对电视制导无人机的作战使用方式,分析了影响其攻击性能的因素;建立了导航精度与攻击无人机捕获目标概率之间的关系;基于捷联惯导的误差分析,对无人机中制导末段的导航精度进行了计算。构建了对无人攻击机目标捕获概率进行仿真计算的方案,建立了方案航迹,对其进行了中制导精度分析和目标捕获概率计算,结果表明导航精度和捕获概率直接相关。     

空中机动目标刚体运动建模方法

传统目标跟踪和识别算法通常建立在目标质点运动模型的基础上,其实现过程相对简单,但也存在精度不高的缺点.随着现代雷达、目标跟踪/识别技术的发展,以及各种高精度目标测量传感器的运用,建立更精确的刚体运动模型已成为一种必然需要.概述了国内外在空中机动目标刚体运动建模这一领域的研究现状,并详细介绍了当前常用的几种空中机动目标刚体运动建模方法,最后,根据分析总结了当前这些建模方法存在的缺陷,并指出了其可能的研究方向.     

目标定位和跟踪的卡尔曼滤波加 BP 神经网络的方法

首先分析了卡尔曼滤波应用于单目标定位与跟踪时需要校正的因素,接着用具有反向传播（ＢＰ）学习算法的前向网络,建立校正原理和校正网络体系结构,最后分别给出了它对第１类和第２类火控系统应用的数学模型。     

基于神经网络和功率谱的水中目标信号检测方法

将功率谱和神经网络相结合,应用于高海况、低信噪比条件下,水中目标信号的特征提取中.文中首先对信号进行功率谱估计,利用目标信号功率主要集中在低频部分的特点,提取低频信号的能量作为特征,然后利用人工神经网络对目标信号进行检测.利用不同浪级情况下海洋水压场的仿真信号数据,对某型目标舰船的水压信号进行了检测计算,验证了该方法的有效性,尤其是达到了在高海况、低信噪比条件下,对目标信号检测率比较高、虚警率比较低的效果.     

实现大空域变轨的三维虚拟目标比例导引律

为了实现反舰导弹的大空域变轨,提出了一种三维虚拟目标比例导引律。该导引律利用简单的控制指令就能控制导弹完成复杂的大空域变轨。采用变轨弹道可以提高导弹的机动性,有效地对抗敌方反导武器系统的拦截,提高突防能力。同时,采用变轨弹道可以增大导弹的射程,实现防区外发射,从而有效地提高发射平台的生存能力。最后,通过仿真实例证明所提出的导引律是很有效的。     

一种基于方位时延的水下被动目标运动分析算法研究

设计了一种新型的水下被动目标运动分析系统.以测得的方位序列和到达不同传感器的时间差为基础,建立了状态方程和观测方程,运用扩展卡尔曼滤波算法,对系统进行了分析.通过蒙特卡罗模拟仿真实验结果表明,此算法具有收敛速度快、精度高、稳定性好等优点,有着良好的实际应用前景.     

基于HMM的FOPEN UWBSAR图像中的树干杂波抑制

树干杂波是叶簇穿透(FOPEN)超宽带合成孔径雷达(UWBSAR)图像中叶簇隐蔽目标检测的主要干扰,能否有效抑制树干杂波是目标检测成功与否的关键。利用UWBSAR的大积累角成像特性所提供的目标方向性信息,基于隐马尔可夫模型(HMM),提出了一种识别并抑制树干杂波的方法。试验结果表明,该方法可有效识别并抑制FOPENUWBSAR图像中的树干杂波,增强叶簇隐蔽目标检测性能。     

基于粗集的神经网络在目标类型识别中的研究

为克服传统的目标类型识别方法的不足,提出将粗集和神经网络紧耦合建立新的识别模型,即经过识别信息预处理、样本数据粗集方法简化、神经网络学习训练及待识信息网络识别等步骤,充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,提高了运算速度。