俄罗斯应对导航战举措

卫星导航系统作为重要的战场传感器,已经成为现代战争不可或缺的重要组成部分,围绕卫星导航系统的攻防博弈由此兴起。针对美国首先提出的导航战概念,俄罗斯为进一步提升导航战作战实力,有针对性地采取了应对举措。文章介绍了导航战概念及相关作战案例,具体分析了俄罗斯应对导航战威胁的主要举措,并结合美俄围绕导航战开展的攻防博弈,得出掌握现代战争制导航权的改进方向。     

攻击主动防御飞行器的微分对策制导律

基于微分对策理论设计了躲避护卫弹的同时攻击飞行器的制导律。根据传统的性能指标推导了该场景的微分对策制导律,并且根据权重系数的取值定义了三种制导律:最优追赶制导律、逃脱-追赶制导律和复合制导律。最优追赶制导律容易被护卫弹拦截,逃脱-追赶制导律容易造成导弹和飞行器的零控脱靶量急剧增大而使得攻击失败,复合制导律很难选择合适的权重系数。针对以上不足,提出了两种改进的制导律,并对该两种制导律的适用情况进行了分析。通过非线性模型仿真,验证了这两种方法的可行性。该两种制导律目的性强,攻击导弹可以躲避护卫弹进而攻击飞行器。     

机载超宽带SAR运动误差建模与分析

机载超宽带合成孔径雷达(UWB SAR)具有大积累角和长合成孔径的特点,这使得这类SAR系统的运动误差变得非常复杂.建立了机载UWB SAR运动误差模型,并基于该模型推导了存在运动误差情况下的回波信号频谱.分析了运动误差影响SAR成像处理的根本原因,以及不同特性运动误差对SAR图像所产生的不同影响.仿真实验结果证明了文...     

1553B接口模拟制导机设计与实现

根据某型合成孔径雷达项目型号的需要,在对该型号通信协议分析的基础上,采用1553B总线通信接口来设计满足雷达项目型号要求的模拟制导机,以配合项目型号的研制、调试和后续的保养维护等工作。模拟制导机采用某航天研究所自主研发的国产4 M/s速率PCI-1553B板卡、惯性测量单元和PC机结合,构成模拟制导机所需要的导航数据源、串口通信和1553B总线通信接口硬件平台。采用Visua1 C++6.0开发工具,设计模拟制导机界面、数据转换处理等软件构成模拟制导机通信控制平台。项目型号的调试结果证明,模拟制导机能够正确发出指令和制导数据,运行稳定,达到了设计要求。     

基于BP网络的BTT导弹逆控制方法

运用BP神经网络结构和Levenberg-Marquardt算法,对导弹动力学特性进行动态逆模型辨识,并以辨识模型为控制器与BTT导弹控制系统串联构成动态伪线性系统,进而应用逆系统方法设计了一种用于解决BTT导弹非线性控制问题的经典控制与神经网络在线自学习控制相结合的控制方法.从理论上证明了该控制方案可以实现对导弹三通...     

大攻角导弹控制的经典和现代方法比较

比较研究了大攻角导弹的经典和现代控制方法的精度和鲁棒性.基于大攻角非线性弹体动力学模型,根据经典三回路控制系统结构和动态逆双时标极点配置方法分别设计了控制器,研究了两种控制方法的指令跟踪精度和抗弹体气动参数摄动的鲁棒性.结果表明,传统控制方法的鲁棒性和快速性与现代方法基本一致,而现代方法则具有更好的稳态精度.     

基于理想干涉的InSAR处理性能评估新方法

为克服常规的InSAR处理性能评估方法只能分析整体性能的缺点,提出一种适用于分布式星载InSAR的理想干涉相位图仿真算法,此算法不仅能得到理想干涉相位,而且能得到理想情况下的配准偏移量。在此基础之上,提出一种基于理想干涉相位及理想配准偏移量(统称为理想干涉量)的InSAR处理性能评估新方法。此方法可以有效隔离InSAR处理流程各个环节的误差,对InSAR处理流程的各个环节的算法优化具有重要的实用价值。     

控制系统设计的模型参考逆方法及其在火控系统中的应用

给出了一种基于模型参考最优化方法和逆系统设计方法的鲁棒控制系统设计方法,并将其同模型参考自适应方法和逆系统方法进行了比较。将这一方法应用于某舰炮控制系统设计的仿真研究结果表明,该方法不仅简单易行,鲁棒性强,而且具有极好的控制效果     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。