一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

依据噪声能量变化提取目标运动信息的方法

在对被动噪声声纳接收的噪声能量随时间的变化规律分析的基础上,从理论上分析噪声能量的变化与目标运动参数关系,给出了其中所含目标运动信息的提取方法.     

始终处于大气层内飞行的TBM被动段弹道预测

对大气层内飞行的TBM弹道进行预测时,需要根据不同的应用要求,在求解精度允许范围内用近似方法对六自由度运动进行简化,获得简便实用的弹道预测方法。在假设获得TBM被动段弹道初始位置和速度参数的基础上,首先构建简便实用的处于大气层内飞行的TBM被动段抛物线弹道模型;然后将雷达测得的TBM被动段弹道初始位置和速度参数作为初始条件,对弹道方程采用精度较高的龙格-库塔法进行求解,相应得出被动段弹道上各点及落点的位置和速度参数,进一步确定出落点位置的地理位置经纬度。在某地空攻防对抗仿真项目中应用表明,弹道模型及其求解方法可应用于实战或较为逼真的仿真系统中。     

舰艇对反舰导弹质心干扰效果模型研究

末制导雷达搜索区域的扩大和各种抗无源干扰措施的实施,使舰艇利用箔条云干扰来袭反舰导弹变得更为困难。在末制导雷达捕捉跟踪原理的基础上,建立了舰艇对反舰导弹质心干扰的效果模型,该模型能较精确地反映导弹、反射中心和舰艇位置的动态关系,能根据导弹的距离、导弹来袭方向、风速、风向、干扰弹投放距离、方位判断干扰的效果。仿真显示该模型能较真实地反映各因素对干扰结果的影响。     

伪线性卡尔曼滤波的观测器轨迹优化算法

单站被动式跟踪存在强非线性和弱可观测性,即便观测器的运动满足可观测性条件,滤波仍然可能发散.针对此问题,使用伪线性卡尔曼滤波器,应用费希尔信息量、罗美达下限等方法对轨迹进行优化,该优化方案避免了对目标与观测器的径距信息的近似.仿真表明:该方法与传统方法比较,计算量较小,优化得到的轨迹简单,滤波精度得到改善.最后给出了在一定条件下,观测器的"最优"运动规则.     

舰艇编队多声纳数据融合

分析了标准kalman滤波(KF)和自适应kalman滤波(AKF)的原理,通过仿真实验,对两种滤波算法的性能进行比较.结合各种声纳的探测特性和水下目标的特点,建立了舰艇编队的数据融合方案.选用简单凸组合融合算法作为舰艇编队协同反潜的航迹融合算法,将多声纳融合系统的融合结果和简单交叉定位算法进行了比较研究.仿真实验结果表明:自适应kalman滤波比标准kalman滤波具有更好的目标跟踪性能,多声纳融合结果较简单交叉定位结果的性能有大幅度提高,所选用的融合算法航迹能够较好的与真实航迹吻合.     

固定节点3D网格部署的水下传感器网络分簇路由算法

水下传感器网络是应用于水下通信的重要传感器网络技术。提出了基于固定节点3D网格部署的水下无线传感器网络分簇算法,设计了3D网格的编址和分簇方法,实现了基于地址分配的节点定位,构建了算法的能耗分析模型。采用MATLAB完成了算法的性能仿真,对比了DS-VBF、IAR和GEDAR 3个算法的平均数据传输延迟和网络生存时间(TTL)。实验结果表明,此算法的平均数据传输延迟较短,可明显提高UWSNS的生存时间。     

三机协同无源时差定位最优编队构型分析

针对未来空战中航空集群协同无源时差定位编队构型确定问题,提出了一种确定三机协同无源时差定位最优编队构型的方法。分析了确定集群编队构型的基本原理;归纳了4个三机编队构型决定因素:主辅机相对位置、基线夹角、基线距离以及主辅机高度差;将定位区域范围和定位距离作为衡量集群无源定位编队构型优劣的指标,并进行了仿真计算。仿真结果表明:在火控引导阶段,当采用主机在后、辅机在前,基线夹角为150°,基线距离为60 km~80 km,主机与目标同高度且主辅机之间高度差为±(1-2)km的编队构型时,三机协同无源时差定位编队构型为最优。     

基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪

Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计,但是由于其计算量较大,不适用于实时性较高的被动目标跟踪情况。针对Rao-Blackwellized粒子滤波的不足,提出了改进的Rao-Blackwellized粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成,在执行过程中,粒子滤波和卡尔曼滤波相互交换信息,并行运行。计算机仿真结果表明,新的算法能够更好地减少计算量,提高跟踪的实时性。     

基于改进平方根UKF双向滤波的单站无源定位算法

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、稳定性差和收敛速度慢等问题,在结合平方根无迹卡尔曼滤波(Square-Root Unscented Kalman Filter,SRUKF)以及后向平滑思想的基础上,提出了一种改进SRUKF的双向滤波算法。该算法采用Q-R分解的形式,使用误差协方差的平方根代替协方差参与递推运算,提高了算法的稳定性与运算效率。同时,该算法对状态向量进行扩维,将过程噪声与观测噪声通过非线性系统传播,降低了噪声对滤波精度的影响,并利用当前时刻滤波结果通过Rauch-Tung-Striebel(RTS)后向平滑得到再次前向滤波更高精度的起始值,提高了算法的定位精度与收敛速度。仿真结果表明,新算法在保证实时性的基础上改善了单站无源定位的性能。