反舰导弹纯方位发射捕捉概率计算方法

反舰导弹的纯方位发射对目标信息要求不高,在目标信息的探测越来越艰难的今天,是反舰导弹较为重要的一种发射方式,也将会成为未来海战场上常用的作战方式.介绍了反舰导弹捕捉概率的计算方法和传统纯方位发射的捕捉概率的计算方法,并从分析反舰导弹捕捉概率的计算模型和影响因素出发,指出传统的反舰导弹纯方位发射的捕捉概率计算模型存在不足,并给出了修正后的计算模型.     

基于MGEKF的单站无源定位跟踪算法

单站无源定位跟踪技术具有隐蔽性强、设备简单,系统相对独立等优点,有着广阔的应用前景.为了提高定位精度和收敛速度以满足实时化需求,在现有的基于多普勒变化率的单站无源定位算法的基础上.详细推导了基于MGEKF的定位算法以解决EKF算法的不稳定性,并通过计算机仿真比较了两种算法的性能,结果表明MGEKF定位算法提高了定位精度、收敛速度和稳定度,定位结果能够满足实际需求.     

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.     

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。     

机动目标的航空集群协同探测策略

航空集群协同探测问题,是集群作战研究的重要内容,其中对隐身目标在不同机动,不同极化方式下的集群动态RCS研究是重点和难点问题。在双基地雷达建模和坐标转换的前提下,对隐身目标的两种典型机动——匀加速机动和匀速转弯机动进行建模,在HH、VV两种极化方式下,运用线性插值法对动态RCS进行时序分析。仿真结果表明,两种机动模型下,随着时间变化,动态RCS起伏波动较大,在匀加速运动模型下,HH、VV极化所引起的RCS差异性较大,匀速转弯模型下,不同极化方式带来的影响较小。     

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。