多波束干扰系统多目标干扰决策研究

针对多波束地对空雷达干扰系统同时干扰多目标的资源分配问题,为充分利用干扰资源,综合考虑个体干扰有效与整体干扰效益最大.基于目标威胁等级,围绕发现概率下降程度、定位误差增大程度、干扰有效率3个评估指标,建立多目标优化分配模型,对阵面资源进行动态分配,并利用非支配排序遗传算法进行仿真验证.仿真结果表明,该分配模型可充分发挥多波束干扰系统的优势,实现不同作战阶段干扰效益最大化.     

基于改进粒子群算法的岛礁孤立多能源军事供电系统运行优化研究

为更好地发挥岛礁孤立多能源军事供电系统的保障效能,合理使用储能蓄电池,尽量延长蓄电池使用寿命,提出了一种蓄电池折旧成本模型,建立了包括发电成本和蓄电池折旧成本的多能源供电系统运行优化模型.针对传统粒子群算法求解优化模型易出现"早熟收敛"的缺点,提出了改进的粒子群算法.该算法利用最大速度线性递减方法,早期采用惯性权重自适应来平衡全局寻优能力和算法收敛精度之间的矛盾,后期增加压缩因子来加强算法的收敛速度.最后,以某岛礁孤立多能源军事供电系统为例,验证了模型的有效性和算法的性能,可为岛礁多能源供电系统运维人员制定系统运行策略提供指导.     

面向两类典型分析仿真的多样本任务调度工具的设计

当在多台计算机上调度很多样本并行运行时,采用手工操作效率低且极易出错。设计一个自动化的任务分发与调度工具可以有效地提高仿真运行效率。蒙特卡罗仿真和粒子群优化算法仿真是两类典型的分析仿真,介绍了面向这两类仿真的多样本任务调度工具的实现原理和关键技术,这些方法具有很好的通用性和可扩展性,可以广泛应用于解决各类仿真任务的自动分发与调度问题。     

基于随机有限集理论的多传感器目标联合检测跟踪算法

针对杂波环境中的目标检测跟踪问题,提出一种基于随机有限集理论的多传感器目标联合检测跟踪算法。算法将目标状态和量测描述为随机集合,建立考虑目标出现、目标保持、目标消失等情况的目标状态随机有限集模型,以及考虑漏检和虚警的多传感器量测随机有限集模型。将目标的联合检测跟踪问题构建为目标状态集合的贝叶斯最优估计问题,并基于随机有限集理论对该贝叶斯估计算法的递推表达式进行严格理论推导。采用序贯蒙特卡罗技术实现算法的递推滤波。仿真结果验证了该算法的有效性以及算法相对于传统基于数据关联算法的性能优势。     

水下声探测系统载体振动干扰分析及抑制方法

针对水下探测系统载体振动对目标回波信号的微多普勒特征谱产生干扰的问题,从干扰产生的基本原理出发,推导了干扰的近似乘性表达式。在获取振动干扰数据的条件下,提出了针对乘性干扰的干扰抑制算法,并针对推导干扰乘性表达式时的近似条件,分析了近似算法带来的误差。仿真结果表明,该方法可有效抑制水下探测系统平台振动对目标回波信号的微多普勒特征谱产生的干扰,并且在绝大多数情况下,由算法带来的误差可以忽略不计。     

电磁场计算中FDTD与MRTD

时域有限差分法 (FDTD)在电磁场数值计算中占有重要的地位。本文发现并证明FDTD是时域多分辨分析 (MRTD)的特例。利用小波 -伽略金方法求解麦克斯韦方程过程中 ,基函数为一般的小波分析中的尺度函数或小波函数 ,可以得到MRTD算法。如果基函数选为Haar小波尺度函数 ,可以推得FDTD算法。如果基函数选为Haar小波包中的尺度函数 ,可以得到高阶FDTD算法。通过算例比较 ,MRTD比FDTD的计算效率更高     

使用多传感器的融合数据进行数据互联

数据互联利用融合的多传感器数据为基础,多传感器融合提供了一个简洁的图形,该图形由当前出现在监视区域中的目标的数字的和非数字的两种属性组成。数据互联技术包含两个过程。第一个过程是,活化的成群过程-在这个过程中,根据已有的航迹在预期的量测附近找到一个群,融合该群中的数据以获得组成群的目标的简洁的图形。第二个过程是,目标类型匹配过程-在该过程中,将已有航迹中包含的目标类型与包含在活化的群中的目标类型进行匹配。本文所提出的数据互联提供了一种手段,把量测得到的可信度值赋给每一条航迹(以接收的数据为基础),并以直接了当的方式推广到处理多目标跟踪数据互联。     

基于多分辨分析的数值积分算法

从多分辨分析思想出发 ,推导出一种计算数值积分的算法 ,通过加强迫函数改善其精度。利用张量扩张的原理 ,将其推广到计算多维数值积分。结果表明 ,它不但与传统的Simpson算法有较好的一致性 ,而且对于震荡积分也有较高的精度。     

预测函数控制及其在导弹控制系统中的应用

介绍和分析了预测函数控制方法以及引入预测函数控制律的闭环系统的跟踪性能和鲁棒性等问题,并进一步研究了这一控制策略在某型战术导弹控制系统中的应用.通过仿真及与其他控制方法的比较,表明预测函数控制方法是一种计算简单、鲁棒性强、抑制干扰能力好、控制精度高的十分有效的控制方法.     

机动目标跟踪的交互式多模型自适应滤波算法

采用"当前"统计模型、匀加速模型以及匀速模型,运用交互式多模型算法的思想,提出了一种用于机动目标跟踪的交互式多模型自适应滤波算法.基本思路是上述三种模型并行工作,利用马尔可夫切换系数在它们之间进行切换,目标状态估计是上述三种模型交互作用的结果.蒙特卡罗结果表明该算法不仅克服了上述三种模型各自的缺点,提高了对机动目标的跟踪精度,同时具有全面自适应跟踪能力.