基于自注意力机制和CNN-LSTM的空战目标机动轨迹预测

空战目标机动轨迹是有丰富时空特征的多维时间序列,具有高度复杂性和不确定性。针对现阶段轨迹预测运动学模型建立困难、时序预测的方法难以提取时空特征且只能单一的从T到T+1时刻的顺序式训练的问题,文中提出了一种自注意力机制(self-attention, ATT)和卷积神经网络(convolutional neural network, CNN)-长短期记忆网络(long short-term memory, LSTM)结合的模型(CNN-LSTM-ATT)。离线状态下训练模型,获得的最优模型可以实现目标机动轨迹的高精度预测。文中模型与CNN-LSTM、LSTM模型进行单步预测对比分析,具有良好的单步预测和不同过载机动预测的能力。考虑到电磁干扰和复杂环境导致传输数据的误差和缺失,进行了目标轨迹的5步预测,预测结果和评价指标均优于CNN-LSTM、LSTM模型。     

基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

隐身飞机投弹对防空武器前置角误差的影响

针对关于隐身飞机投弹对防空系统的武器发射影响分析不足的问题,提出了防空武器发射前置角误差模型。设定隐身飞机平飞正常航迹与投弹航迹,根据飞机的二维姿态实时提取RCS(radar cross section)序列,结合雷达测量误差模型对2种航迹下的目标参数测量误差进行了比较研究,对测量误差影响防空武器系统预测武器发射前置角的机理展开分析,建立了判断前置角误差影响的判决准则。仿真表明:在隐身飞机投弹期间,雷达对飞机的参数测量误差较小,进而使防空武器发射前置角预测更加准确,为后续武器精确拦截目标打下基础。     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

基于灰色加权马尔科夫的部队集成训练效果预测

针对GM(1,1)预测模型误差较大的问题,在GM(1,1)模型的基础上引入加权马尔科夫模型构建了部队集成训练效果预测模型。该模型以GM(1,1)模型存在的预测残差作为划分马尔科夫状态的依据,通过加权处理对预测结果进行修正。实例分析结果表明,该模型算法简单,易于实现,可以较大地提高部队训练效果预测精度,为部队开展科学有效的实战化训练提供了有力的数据支撑。     

自适应天波超视距雷达航迹融合算法仿真研究

针对天波超视距雷达在雷达坐标系下进行目标跟踪时,滤波器输出的各传播模式航迹起始与终结时刻的不同所造成的航迹缺失条件下的航迹融合问题,研究自适应天波超视距雷达航迹融合算法,通过应用当前时刻获得的新信息与历史时刻获得的信息联合确定最优关联假设,随着新信息的不断累积,对后向或前向不同时刻的航迹、传播模式以及目标的最优关联假设不断地进行修正,从而获得最优的目标状态估计。仿真表明,与多假设航迹融合算法相比,自适应天波超视距雷达航迹融合算法大大降低了融合结果误差,并对于电离层模型的误差具有很好的适用性和鲁棒性。     

基于运动状态和敌我属性的空中目标融合识别

研究了基于实时跟踪器的空中目标航迹身份识别问题。从分析目标运动状态和敌我属性的不确定性出发 ,建立了空中目标身份统计模型 ;根据建立的模型 ,通过采用Dempster Shafer证据理论方法 ,对空中目标进行融合识别。仿真实验结果证明了模型和算法的有效性。     

灰色神经网络的鱼雷经济寿命预测

为减少军费开支、降低鱼雷全寿命费用,从经济性角度提出了鱼雷最佳服役年限模型。利用灰色等维新息GM(1,1)模型对鱼雷年度使用维修费用进行预测;采用分组的思想将原始数据分为多组,采用神经网络对灰色模型的预测残差进行修正,以提高预测精度。通过实际算例预测了鱼雷经济寿命,从而证明了模型的实际应用价值。     

基于RBF神经网络的空中目标识别技术

空中目标识别的正确与否对防空火力的部署、分配及有效打击有着重要的意义。利用径向基函数(RBF)神经网络逼近非线性的空中目标识别模型。在RBF神经网络空中目标识别模型中,输入向量是雷达探测到的空中飞行目标的6种目标属性,输出向量是空中飞行目标的类型。通过Matlab的数据仿真结果与传统的BP神经网络目标识别模型相比,该模型的误差更小,可以有效地提高空中目标的识别率。     

基于小波变换的外测设备动态精度评估方法

为了解决传统的变量差分法或最小二乘拟合残差方法评估外测设备动态精度引入模型误差问题,提出了基于小波变换的外测设备动态精度评估方法.对残差序列的小波基函数选择及系统误差和随机误差分离技术进行了理论分析,并应用某设备的残差序列数据实验验证,取得了基于小波变换和变量差分方法的残差信号系统误差与随机误差以及设备精度指标.结果表明:基于小波变换评估外测设备动态精度无模型误差,计算的设备精度指标符合设备测量特性,基于变量差分的评估方法将模型误差引入到设备综合误差上,导致设备误差变大,影响精度评定的准确性.通过对比分析,更加证明了基于小波变换的外测设备动态精度评估方法的科学、准确.     

多层神经网络在跟踪式卡尔曼滤波器中的应用

本文将多层神经网络引入跟踪式卡尔曼滤波器,提高了估计的精确度。以前的跟踪式卡尔曼滤波器的估计精度与目标的运动状态有关,当目标的运动不能够用线性状态空间模型描述时,其估计精度将要下降。而多层网络的引入,改善了这一不足。多层神经网络经过训练以后,能够对卡尔曼滤波器的结果进行修正。仿真结果表明,多层神经网络的应用,使估计精度显著提高。     

基于MHT-IMM的航迹生成算法建模与仿真

针对杂波环境下未知机动目标的航迹生成问题,提出了一种多假设航迹跟踪与交互式多模型(multi hy?pothesis track-interactive multi model,MHT-IMM)算法来生成机动目标航迹.MHT-IMM算法充分利用点迹的各种特征信息和融合航迹的历史累积信息,预测机动目标加速度,自适应选择合...     

基于改进稀疏A~*编队航迹实时规划方法

根据干扰任务与战场态势对随队支援干扰机干扰航线与资源分配的实时规划是空中突防作战中的关键技术。对航迹实时规划技术的概念进行概述,以突发威胁环境为背景,建立随队支援干扰编队的航迹实时规划模型。针对实时搜索的稀疏A*搜索算法,设置了新的目标函数。基于改进的稀疏A*搜索算法,利用仿真技术对三维航迹进行更新,实现实时规划的目的。     

基于弹迹跟踪预测的舰艇定位方法

舰艇采用实测舰位法对岸上不可见目标进行远程攻击时,在已获取目标地理信息的情况下,我舰定位误差往往成为影响打击精度的关键因素。针对惯性导航长时间工作产生积累误差,以及卫星导航在战时易受干扰等情况,提出利用对单发弹丸的跟踪与预测,结合提取的岸上目标绝对定位数据和弹丸落点的偏差信息,反向推算发射舰相对岸上目标的位置,可较为精确地修正我舰的绝对定位数据,为后续射击提供修正手段。该方法减少了战时舰炮武器系统对导航的依赖,仅靠对单发弹丸跟踪和预测,即可提高后续对岸射击的精度。     

捷联惯性系统中 IMU 安装误差及陀螺漂移的估计

为减小IMU 安装误差及陀螺漂移对捷联惯性系统导航参数精度的影响,采用速度/姿态角组合匹配传递对准模型的误差方程和IMU的安装误差角方程结合的方法组成新的滤波器模型,并引入改进的BP神经网络算法,实现了IMU安装误差及陀螺漂移的快速有效估计.为对捷联惯性导系统的各项导航参数进行修正和补偿、提高导航精度提供了依据.     

基于改进GM(1,1)模型的导弹贮存可靠性预测方法

针对导弹系统技术复杂、贮存样本量受限、测试数据波动性较大等特点,结合装备的具体情况提出了基于改进GM(1,1)模型的导弹贮存可靠性预测方法。该方法首先利用"对数-幂函数变换"对导弹的历史可靠性数据进行处理,提高数据光滑度,然后依据GM(1,1)模型计算得到可靠性预测值和残差,再利用残差建立残差修正模型,得到残差修正值,减少残差对结果的影响,最后利用残差修正值修正可靠性预测值并还原,求得可靠性最终预测值。实例表明,该改进模型对导弹系统可靠性变化的描述比传统模型更加准确有效,预测结果精度更高,为导弹贮存可靠性预测分析提供了一种有效的改进方法,其算法设计推广性强,可作为其他装备寿命预估的重要工具。     

基于反步法的无人翼伞航迹跟踪控制

为实现无人翼伞飞行器的直线航迹跟踪控制,提出了一种基于模拟对象的可变增益反步跟踪控制方法。基于模拟对象方法得到翼伞飞行器的航迹跟踪误差模型,并针对该模型设计了可变增益反步跟踪控制律,在保证稳定性的同时提高了系统的跟踪精度。将控制器应用于无人翼伞飞行器平面航迹跟踪控制中,仿真实验表明,所设计的控制器可以实现航迹的精确跟踪,且具有很好的鲁棒性。     

基于多虚拟目标模型的榴弹炮炸偏修正方法

榴弹炮的传统射击修正方法是根据射击目标的高角距变及偏流不变原则完成的,该方法在通常情况下可以满足射击修正精度要求,但是在炮目距离接近最大射程,或因气象条件、弹药条件、火炮条件等数据不准确造成炸点偏离目标较远等情况下,高角距变和偏流均会产生剧烈变化,因此,传统修正方法存在较大误差.提出一种基于多虚拟目标模型的修正方法来改善这个问题,分析结果表明,该方法比传统方法修正精度更高.     

分布式情报指挥系统中空中目标航迹的上报与管理

本文从多类传感器的航迹相关问题出发 ,对分布式层次型结构的情报系统中航迹上报与管理问题进行了研究。在航迹上报与管理问题的研究过程中 ,系统建立了两个模型(ModelA、ModelD)并引入真实跟踪概率对空中目标航迹进行管理、较好地解决了系统的通信负担和航迹上报过程中的延时问题。     

基于卷积神经网络的空中目标粗分类研究

空中目标的准确分类与识别是防空作战的关键环节。将卷积神经网络应用到空中目标粗分类任务。实验基于Alex Net卷积神经网络模型,并利用建立的小规模数据集进行微调训练,从而提取目标特征并进行分类识别。再和利用HOG特征的分类方法进行对比实验,发现前者具有较大准确率的提升。得出利用卷积神经网络提取的特征具有更强大的表示目标的能力,为进一步实现跟踪空中目标打下实践基础。