基于IMM的雷达伺服系统变结构控制

提出了基于转换量测的IMM雷达伺服系统变结构控制方法,一方面用该算法对输入信号进行滤波降噪,消弱了伺服系统的抖振;另一方面利用算法估计的目标角速度、角加速度状态,减小了伺服系统动态滞后。仿真验证了该算法的有效性。并在实际工程应用中取得了良好的控制效果。     

FDIA对雷达组网系统数据融合的影响分析

雷达组网系统将多部雷达组成互联互通的网络,作为典型的赛博物理系统,同样面临着赛博攻击的威胁。为了研究赛博攻击对其性能产生的影响,构建针对雷达组网系统交互式多模型(IMM)数据融合的虚假数据注入攻击(FDIA)模型。建立机动目标动态模型,以及单站雷达和雷达组网系统基于交互式多模型融合算法的分布式数据处理模型。分析虚假数据注入攻击的原理,并建立对应的数学模型。根据机动目标动态模型,进行实验仿真,结果显示虚假数据注入攻击对单站雷达目标状态估计的影响,明显大于对组网雷达目标状态融合估计的影响,验证了雷达组网系统数据融合对于虚假数据注入攻击具有一定的鲁棒性。     

防空导弹武器系统C3I仿真系统一体化研究

现代化的高科技战争中,C3I系统已成为武器系统的"神经中枢",建立一体化的C3I系统是联合作战、统一指挥的需要,同时也对C3I的仿真系统提出了一体化的要求。结合防空导弹武器两级指控仿真系统互操作问题的研究,首先简要介绍了仿真系统一体化的有关标准,然后介绍了互连的方式和对象,探讨和分析了互操作的模型、特点以及互操作性等级的评定。     

用于机动目标跟踪的自适应交互式多模型算法

针对当前统计模型对弱机动或非机动目标跟踪效果不理想等问题,提出了一种修正当前统计模型与匀速模型的自适应交互式多模型算法,可在线修正当前统计模型的加速度极限值,调整过程噪声方差,提高了当前统计模型的自适应性。同时,通过在常规匀速模型中引入机动检测机制,抑制了常规匀速模型对机动目标跟踪的滤波发散,通过引入强跟踪算法,增强了模型对目标突发机动的自适应跟踪能力。仿真结果表明,该算法充分发挥了当前统计模型和交互式多模型算法的优势,对强机动和弱机动目标都具有很好的效果。     

导弹装备战场抢修交互式电子技术手册的制定

导弹装备战场抢修中无法快速、准确地在大量的纸质技术资料中找到所需技术信息,必须将其转换为电子文档,并设计导弹装备战场抢修交互式电子手册(IETM)。采用了基于贝叶斯网络诊断战场损伤的快速评估方法,以及面向任务的基于抢修经验与决策理论相结合的综合评价与决策方法,完成了该交互式电子手册的设计及相关功能的实现。该交互式电子手册能保证导弹装备在战场抢修中快速、准确找到所需技术信息的问题,提高了装备的维修效率,并对其他大型复杂装备交互式电子手册的设计也有指导和借鉴意义。     

防发散无迹卡尔曼滤波自适应网格交互式多模型算法

针对非线性观测条件下的机动目标跟踪问题,基于机动目标的协同转弯模型,采用防发散无迹卡尔曼滤波方法和自适应网格的模型集自适应策略,研究了一种变结构交互式多模型算法。对二维机动目标跟踪的仿真结果表明,该算法与相应的固定结构交互式多模型算法相比,可以解决固定结构多模型算法存在的问题,有效提高多模型算法的精度和费效比,缩短计算时间,且适合工程应用。     

高超声速飞行器新息滤波交互式多模型跟踪算法

研究临近空间高超声速飞行器在运动特点,针对强杂波环境下高速、高机动目标跟踪问题,提出用新息滤波减小观测噪声以修正模型概率更新过程的算法。Monte-Carlo仿真结果表明:该算法可以有效减小量测噪声对系统滤波的影响,提高滤波精度,在临近空间强杂波环境下具有较好的跟踪精度,具有一定工程实用价值。     

装备交互式维修支持系统在基层级维修中的应用研究

阐述了装备交互式维修支持系统的原理和创作过程，以及在基层级维修工作中的应用，研究成果可近一步提高基层级装备维修保障能力。     

基于IMM的估计算法对机动目标跟踪的比较

机动目标跟踪一直是倍受关注的问题,而交互式多模型方法(IMM)是解决这类问题的经典方法.由于传感器的发展或受某种客观条件的限制等,产生了各种基于IMM的算法.为此,介绍了IMM及基于IMM的几种经典估计算法,对它们进行比较研究,并通过机动目标跟踪的仿真算例说明各算法的适用条件、原理、异同点、性能及复杂性,对机动目标跟踪估计器的选择有重要参考价值.     

CS模型下IMM-PF算法在机动目标跟踪中的应用

为了解决机动目标定位跟踪问题,提出了一种基于CS(current statistical)模型的交互式多模型粒子滤波算法.在交互式多模型粒子滤波算法的基础上,计算CS模型的概率,自适应地调整CS模型中的目标加速度,反映出了目标的机动特性,充分发挥2种算法的优点,改善了CS模型的加速度不能自适应调整的缺点,提高了CS模型的自适应性和应用范围.另外,CS模型的自适应滤波方法由Kalman滤波改为粒子滤波.通过Monte Carlo对比仿真试验表明了该算法的可行性和优越性.