基于熵权-集对分析的远火武器系统模拟训练效果评估

针对某型远程火箭炮武器系统训练效果评估的问题,在分析该武器系统营连射击指挥车装备操作的特点基础上,确立了较为科学的评估指标体系和评价等级标准.考虑到评估指标和评价等级往往存在诸多模糊随机性,运用熵权理论和集对分析方法建立了多指标评估模型和具体实施步骤,并以在营连射击指挥车训练模拟器上的实操模拟训练过程为例,精准全面地对组训人员的专业操作训练效果评估,结果表明该方法简单可行、科学客观,能够较为准确地评价受训人员的训练水平.     

基于最小负载的相控阵雷达自适应数据率更新算法

提出了一种基于最小负载的相控阵雷达自适应数据率更新算法.该算法基于交互多模型(IMM),以雷达负载最小为准则,推导出新息协方差矩阵和时间间隔T的函数关系,通过求取该函数在一定范围内的极小值,得到使雷达负载最小的时间间隔.仿真结果证明了该算法能够保持雷达负载最小的条件下,根据目标的运动情况自适应的改变跟踪时间间隔,目标机动时预测误差明显小于固定时间间隔目标跟踪算法.     

致命错误——希特勒的第45号训令让德军兵败斯大林格勒

斯大林格勒战役是苏联卫国战争中的一次决定性战役,是关系到世界前途和人类命运的一场大决战,也是世界反法西斯力量由暂时退却转入全面反攻的起点。这次决战的胜利标志着法西斯军队开始由疯狂进攻走向全面崩溃。斯大林格勒战役的胜利是苏联人民精诚团结、不屈不挠、英勇奋战的结果,但是人们也不能否认这样一个事实:希特勒发布的第45号训令也是导致了德军在斯大林格勒战役中失败的一个重要原因。     

雷达间歇辅助下雷达红外协同跟踪技术

为了提高作战飞机的隐蔽性,提出了一种基于协方差的机载多传感器管理与辐射控制方法,给出了一种基于扩展卡尔曼滤波和交互多模型的雷达、红外序贯滤波的机载多传感器协同跟踪方法。对利用该方法的机载多传感器目标跟踪性能进行了仿真分析,仿真结果证明了该方法的合理性和有效性。     

辐射时间和能量限制下雷达最优脉冲积累研究

为了限制雷达辐射,提高雷达的隐蔽性,研究了给定雷达辐射时间和能量限制下的雷达最优脉冲积累检测问题,提出了一种最优脉冲积累数的选择模型,分别得出了确知脉冲串相参积累、随机相位脉冲串积累、随机振幅相位脉冲串积累情况下单脉冲信噪比与最优脉冲积累数的对应关系。研究结果对给定辐射时间和能量限制下提高雷达目标检测数目及跟踪精度有一定的理论和实际意义。     

基于SWOT-AHP新时代陆军装备保障业务发展策略分析

随着新时代陆军装备信息化建设的深度发展,我军新型陆军装备对装备保障的需求显著提升,也对陆军装备保障业务建设和发展提出了更高的要求.为有效提升陆军装备保障能力,优化装备保障业务发展路径,首先运用SWOT分析现阶段影响陆军装备保障业务发展的制约因素,建立基于"优势、劣势、机会和威胁"四个方面的SWOT分析矩阵;其次,结合定...     

IMM-EKF雷达与红外序贯滤波跟踪机动目标

雷达与红外数据融合能够实现信息互补,改善对目标的跟踪、识别以及提高系统的生存能力.为了解决空中目标高速机动时,单一模型的雷达/红外序贯滤波跟踪发散的问题,提出了一种基于序贯滤波和交互多模型的雷达/红外融合跟踪机动目标的方法,通过在雷达与红外序贯滤波融合中引入交互多模型来跟踪机动目标.仿真结果表明,该方法与基于最优数据压缩的雷达与红外传感器融合跟踪机动目标相比,跟踪精度明显提高,是一种雷达与红外传感器融合跟踪机动目标的有效方法.     

ESM量测间歇下雷达/ESM协同跟踪与辐射控制

为减少作战飞机目标跟踪过程中的雷达辐射,提出了一种ESM间歇量测情况下的机载雷达/ESM协同跟踪与辐射控制方法.采用基于IMM-EKF的雷达/ESM序贯滤波算法对目标进行滤波跟踪,利用跟踪过程中的预测协方差与预定门限进行比较控制雷达辐射,并给出了不同ESM间歇时间、控制门限与雷达辐射时间的关系.研究结论有助于提升作战飞机的隐蔽性和生存能力.     

三维空间主/被动雷达抗多假目标干扰研究

针对多假目标欺骗干扰下异地配置的主/被动雷达传感器系统,提出了一种新的三维情况下主/被动雷达联合鉴别虚假目标算法.首先采用基准线最小距离法排除部分虚假目标,再利用三维分配算法进一步进行鉴别.该算法与基于角度统计量和距离统计量鉴别虚假目标算法相比,可以得到较高的正确鉴别概率和较低的误鉴别概率.最后通过仿真的方法分析了观测次数、虚假目标距离和被动雷达精度对算法鉴别虚假目标概率的影响,结果表明,该算法可使主/被动雷达系统有效鉴别假目标.     

临近空间高超声速机动目标跟踪的IMM-QB算法北大核心

经典的交互式多模型(IMM)算法由于转移概率矩阵固定不变,在跟踪运动状态未知且多变的临近空间高超声速目标时存在一定的不合理性。通过采用准贝叶斯(Quasi-Bayesian)估计对转移概率矩阵在线调整的方法,与基于CV-CA-Singer的经典交互式多模型算法进行融合形成了IMM-QB算法。Monte Carlo仿真实验表明,IMM-QB算法对临近空间高超声速滑跃式机动目标的跟踪精度有一定程度的提高。