基于神经网络的混合双滤波器自适应目标跟踪算法

在分析近期基于神经网络数据融合的目标跟踪算法的基础上,结合一种新的自适应滤波模型(NAF)和速度估计自适应跟踪算法(AVE),提出了基于神经网络混合双滤波器的机动目标自适应跟踪算法(NHDF).该算法通过在线自动调节网络输出进行过程噪声方差融合,降低了现有算法因系统方差的调整不当而带来的精度损失.理论分析及仿真结果证明,与"当前"统计模型、速度自适应模型和新的自适应模型算法相比,该算法具有跟踪精度高,自适应能力强的优点.     

联合作战目标协同模型构建与求解方法?

在对联合作战目标协同研究内容分析的基础上，提出了多任务部队与多作战目标的协同目标分配模型，其融合了目标综合价值、目标打击有效性、目标威胁适配度、目标类型匹配、目标距离匹配等因素。通过对各因素量化并将协同目标分配模型转换为指派问题进行求解，验证了分析方法的可行性。     

基于候选轨迹统计模型的红外弱小点目标检测(英文)

建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型.以此模型为基础,设计了一种弱小点目标检测方法.通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标.该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标.最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的.     

基于约束条件的海上机动目标位置长期预测模型

海上目标运动模型已经有很多,但是对海上机动目标位置的长期预测问题还没有得到很好的解决。灰色系统理论是解决时间序列问题的有效工具,将其与海上机动目标的运动特点相结合,可以较准确地预测海上机动目标在未来较长时期内的位置分布,为引导卫星搜索海上机动目标提供理论依据。     

基于多传感器优化布站的干扰目标定位模型

提出了传感器的优化部署模型 ,利用多传感器对干扰目标实现三角交叉定位 ,并给出了选择用于定位的传感器的数学模型。     

火炮射击声信号AR模型特征研究

针对现代炮兵战场上的目标识别问题,阐述了火炮射击声信号数据—发射波、弹道波和爆炸波的特征,介绍了火炮射击声信号AR模型谱估计的方法和步骤,利用MATLAB信号处理工具箱具体实现了三种不同类型火炮发射波的AR模型谱估计,并对一批样本成功进行了分类识别实验,探讨了火炮射击声信号AR模型特征在现代战场火炮目标识别中的意义和应用价值。     

非线性最小二乘算法在双基地雷达目标定位中的应用

双基地雷达的目标定位解是一个非线性优化问题,引入了高斯-牛顿迭代法解非线性最小二乘方程组,为了提高迭代的收敛性和目标位置解的准确性,采用精度最高的一组测量子集单元解算出的定位解作为迭代初始值,并充分利用了所有的观测信息.仿真结果表明,采用该种算法迭代次数少,比简化加权最小二乘算法(SWLS)有更准确的目标定位解,从而使得整个受控区域内的定位精度有较大提高,定位性能得到优化和改善.     

实用空袭目标流简化仿真模型

根据地空导弹武器系统作战效能评估仿真的粒度,提出了一种实用的空袭目标流简化仿真模型.首先,介绍了用到的两个坐标系:地心直角坐标系和站心地平直角坐标系.然后,针对仿真任务需求,建立了目标水平距离估算模型、目标航迹计算模型、载机发射空地导弹(反辐射导弹)时刻判断模型和空地导弹(反辐射导弹)弹道模型.最后,根据模型的仿真应用,给出了仿真示例,验证了模型的有效性.     

基于云遗传算法的防空导弹目标分配问题

针对传统遗传算法在防空导弹目标优化分配中存在的缺陷，提出了一种更为有效的云遗传算法。通过该算法对防空导弹目标分配模型进行仿真求解，得出防空导弹射击目标的最优目标分配方案。通过算例分析，云遗传算法相比传统遗传算法收敛速度快，搜索效率高出一倍左右，对产生局部最优解情况进行了合理有效的控制，可操作性、优越性更强。     

基于背景差的运动目标检测方法比较分析*

背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。