航天测控系统任务可靠性分析的EOOPN模型

提出了一种可用于航天测控系统任务可靠性分析的扩展面向对象Petri网（extend object-oriented Petri nets, EOOPN）模型,旨在对给定的航天测控方案进行可靠性评估分析。针对问题特点明确了OOPN扩展思路,给出了EOOPN模型的形式化定义、运行规则和建模步骤,模型通过引入公共库所、激发弧、消息变迁和消息处理函数等概念,体现了面向对象的思想,具有很好的层次性和模块性。所建立的EOOPN模型能够完整的描述航天测控系统的组成和任务特点。通过对算例模型仿真运行,表明实验结果具有良好收敛性,与Markov解析值对比误差在1%以内,从而验证了模型的有效性。     

针对解线调ISAR的图像欺骗干扰研究

通过详细分析解线调距离成像的原理和特点,提出一种针对解线调ISAR的图像欺骗干扰方法。该方法首先利用假目标模板计算得到幅度、相位和频率调制系数,然后对接收的ISAR信号进行幅度、相位和频率3方面综合调制,最后将生成的假目标干扰信号转发给ISAR。经理论分析和仿真实验表明,由于与原信号保持了良好的相干性,转发调制的假目标干扰信号经ISAR的解线调脉冲压缩和方位向压缩处理后,能够产生清晰的一维距离像和二维假目标图像。并且通过合理设置假目标模板,适时改变调制参数,能够实时逼真地产生ISAR假目标,可以进一步提高图像欺骗干扰效果。     

求解WTA问题的智能算法评价准则

目前求解火力优化配置(WTA)问题的智能算法层出不穷,急需统一的算法评价准则来比较各算法的寻优能力,以得到相对更高精度、更高效率的算法.针对上述问题建立了完善的评价准则体系,从算法代码编制质量、算法精准度和算法执行效率3个方面对智能算法的寻优能力深入讨论,并给出了2个标准测试模型及其初始化参数.实例说明本评价准则科学合理,具有很高的实用价值.     

用于目标跟踪无线传感器网络的动态分簇算法

针对跟踪精度和网络能耗的问题,提出了一种用于目标跟踪无线传感器网络的基于预测的动态分簇算法.把目标运动过程看作是高斯马尔可夫过程,根据目标历史轨迹,估计下一时刻位置坐标和运动速度,然后基于估计结果优化选择分簇的簇头和簇成员,形成一个动态分簇来实现目标跟踪.仿真结果表明:该算法使目标跟踪有较好的跟踪精度,能有效均衡网络能耗,延长网络寿命.     

基于进化算法的雷达对抗侦察无人机航路规划

雷达对抗侦察无人机在执行任务前要根据战场环境预先规划好最优路径。全面考虑战场环境威胁约束、机动性能约束和侦察任务约束,综合轮盘法、最优保存策略和6种进化算子形成进化算法,并对航路规划问题进行求解。仿真结果表明,利用约束量化方法和进化算法对雷达对抗侦察无人机进行航路规划是可行的。     

坦克火力运用智能系统目标威胁度评估模块

随着科学技术的发展,未来战争将有更多的智能化武器出现,坦克火力运用智能化将是坦克火力系统的发展方向,而目标威胁度评估是该系统的核心模块.应用BP神经网络建立了坦克目标威胁度评估模型,对影响因素进行了分析与预处理,并构造了3组训练样本.利用MATLAB7.0中神经网络工具箱的图形用户界面GUI对样本和影响因素进行训练、仿真.结果表明,BP神经网络模型能很好地解决坦克目标威胁程度与影响因素之间的非线性关系,评估坦克目标威胁度有很强的客观性和科学性,对未来坦克火力运用智能系统的建设具有一定的借鉴作用.     

导弹打击三角形目标毁伤面积的一种解析计算方法

导弹火力运用研究中常常需要进行导弹打击面目标的毁伤面积计算,而三角形目标的毁伤面积计算是火力运用中诸多毁伤问题研究的基础,快速准确地完成其运算是前提.以斯特瓦尔特定理为基础,推导了圆与三角形相交部分面积的计算方法,通过点乘和叉乘有效回避了复杂计算,以圆心为三角形一个顶点时的三角形与圆相交部分面积计算为研究对象,分析了两者相交面积计算的各种情况,并给出具体计算步骤.算例表明,该算法运算量小,计算结果准确可靠.     

UUV编队协同搜索静止目标的准最优方法

考虑到操作的简单性且实际执行搜索任务时搜索力不是无限可分,将连续空间的搜索问题转换为离散空间的最优搜索问题。通过划分网格,将连续的目标位置分布离散化。根据最优搜索理论,提出了单个无人水下航行器的准最优随机搜索方法,较好地逼近理论最优值。并以此为基础,分析了无人水下航行器编队的3种协同搜索方法:集中最优搜索、分散最大概率搜索和准最优搜索。最后通过实例仿真,得出了编队准最优搜索策略的有效性、优越性和可操作性。此方法将对无人水下航行器编队的战法研究具有参考借鉴意义。     

基于改进证据理论的多传感器目标识别

由于证据理论融合冲突信息会得出不合理的结论,限制了其在目标识别中的应用.为解决这一问题,提出了一种改进融合方法.研究各证据与其他证据的联系,通过计算证据与其他证据均值的距离,求出此证据受其他证据的支持度.归一化支持度获得证据权值,加权平均原有证据后按Dempster规则融合,作出识别.针对空中目标识别算例,对比验证几种方法,结果显示:该方法能够融合冲突信息,在降低计算量的同时,加快收敛速度,提高了识别快速性和准确性.     

神经网络在精确打击目标识别中的应用研究

目标识别正确与否直接影响到防空火力的部署、分配及有效打击.利用BP神经网络识别精确打击目标并进行了仿真实验.建立了样本库,提取图像的不变矩作为神经网络的输入量,分别采用基本梯度下降算法、有动量和自适应学习速率梯度下降算法和Levenberg-Marguardt优化算法训练BP网络.仿真结果表明,不变矩理论很好地解决了3维物体的2维图像在旋转、平移、缩放时能否成功提取图像特征的问题,而采用LM优化算法的BP神经网络训练速度快,识别准确率高.