不完全量测下基于面目标的火控系统性能分析

针对实际工程中出现的不完全量测下火控系统性能的理论研究,将水面舰船建模为椭圆形面目标,建立了不完全量测下基于面目标测量的数学模型,给出了火控跟踪系统统计意义下的估计误差Cramer-Rao下界(CRLB);根据目标状态与射击诸元间的非线性误差传递关系,基于UT变换得到不完全量测下基于面目标的火控系统射击诸元误差方差下界。以某型舰载火控系统为例,仿真结果表明,在不完全量测下,与传统的质点目标火控系统相比,基于面目标测量的火控系统在估计性能上提高36%,火控性能提高34%。     

基于神经网络的椭圆扩展目标形态估计

针对复杂环境下由稀疏量测引起的椭圆扩展目标形态估计精度低的问题,提出了一种基于神经网络的形态估计方法。利用神经网络对目标量测进行处理,估计出椭圆扩展目标的轴长,然后结合卡尔曼滤波算法实现目标的跟踪。仿真实验结果表明,通过与基于随机矩阵、乘性误差以及卷积神经网络等模型的算法相比,所提算法的跟踪性能有显著改进。