模糊神经时延 Petri 网的信息融合模型

将模糊逻辑与融合技术相结合得到了一种模糊信息融合方法,然后用时延Ｐｅｔｒｉ网对此信息融合系统建模,并给出了信息融合系统反应时间的一个计算公式。然后将人工神经网络应用到时延Ｐｅｔｒｉ网中,提出了一种多传感器信息融合的模糊神经时延Ｐｅｔｒｉ网模型。     

一种模糊阶段态势估计方法

态势指标的运动是动态和高度非线性的,甚至无法给出一个确切的数学描述。采用模糊数学这一在军事决策领域中普遍应用的方法,给出了一种态势分析的通用方法。采取模糊因果聚类的方法,利用物理传感器信息和历史数据(历史战例、作战模拟结果等)来静态求取阶段态势指标的估计值,同时采用模糊Bayes决策方法,利用非物理传感器的信息来修正估计,并且给出了优化的态势控制(作战决策)方法。     

被动传感器融合检测系统的优化分布密度

被动传感器由于采用无源探测,而且制造成本低,体积小,在战场环境中将采用并配置大量的被动传感器来检测目标.不论是主动还是被动式传感器,在实际应用中均存在资源优化配置问题.针对被动传感器的具体应用模型,采取了若干合理近似,得到了在"OR"融合检测条件下,基于最大检测概率的被动传感器优化配置密度计算公式.     

基于Lanchester方程的威胁评估模型

将描述对抗损耗的Lanchester方程应用于数据融合系统的威胁评估层次,从宏观角度分析了多传感器系统在作战中跟踪目标的模式,建立了相应模式下的Lanchester对抗损耗微分方程,以用于分析对抗交互双方的动态损耗,从而可根据态势作出威胁评估。     

延时线性系统最优控制的Walsh级数分析法

本文借助于 Walsh 级数的分析方法,导出了延时算子,并利用延时算子和 Walsh级数的运算特性给出了一套延时线性系统最优控制的 Walsh 级数分析法,避免了求解 Riccati方程使算法非常简单。