基于D-S理论的神经网络作战效能预测方法

提出一种基于D-S理论的神经网络预测方法,采用改进的证据理论对作战效能预测指标体系进行优化选取,降低了由于预测指标体系的模糊性和不确定性造成误差;在此基础上,建立基于Elman网络的作战效能预测模型,通过对作战效能的预测仿真及测试,验证了该方法的可行性和优越性。     

基于“当前”统计模型的改进自适应滤波算法

针对"当前"统计模型算法跟踪弱机动目标性能较低的缺陷,在分析当前统计模型算法及滤波增益特性,参考了几种修正的当前统计模型算法思路的基础上,根据能够抑制滤波发散的渐消因子构造了基于"当前"统计模型的自适应滤波算法。仿真结果表明该算法克服了当前统计模型的缺陷,在实时性与精度两方面得到了平衡,易于工程实现。     

基于粗糙集与最小二乘支持向量机的飞机综合智能论证

结合粗糙集的属性约简理论与最小二乘回归支持向量机的回归思想,提出了一种基于粗糙集与最小二乘回归支持向量机的飞机设计综合智能论证模型。首先根据历史数据建立属性决策表,然后应用粗糙集理论对飞机综合论证指标参数属性进行约简来获得影响飞机设计综合论证的核心指标,最后再利用支持向量机回归模型建立与飞机综合论证核心因素之间的非线性映射模型来对飞机的作战效能进行预测。仿真实例验证了该方法可以降低模型的复杂度,加快SVM的训练速度并具有良好的预测效果。     

基于支持向量机和虚拟仪器谐波频率检测

支持向量机是采用结构风险最小化原则代替传统统计学中的基于大样本的经验风险最小化原则的新型机器学习方法,具有出色的学习分类能力和推广能力,广泛地应用于模式识别和函数拟合中。提出了一种基于支持向量机算法(SVM)的检测飞机电网中谐波频率的新方法,以支持向量机方法为理论基础,利用强大的图形化开发软件LabVIEW为开发平台,设计了谐波检测系统。经实验发现,该系统在采样点数较少的情况下,仍能比较准确检测出各次谐波频率,系统具有操作简单,稳定可靠、测试精度高等特点。     

舰船等速航行下基于FAKF的舰载机捷联惯导自对准技术

详细推导了舰船在等速航行下基于惯性系下重力加速度信息的舰载机捷联惯导系统的自主精对准状态空间模型,针对该状态下海况对舰船产生的大幅摇摆,使得自主精对准中滤波值的量测值产生较大的附加不确定干扰,可能导致卡尔曼滤波器发散、对准精度低的问题,根据量测方程中残差的均值和实际方差与理论方差的比值对量测方差阵的影响,设计了一种模糊自适应卡尔曼滤波器(Fuzzy Adaptive Kalman Filtering,简称FAKF)。在典型海况下的仿真结果表明,采用FAKF比常规卡尔曼滤波器能更好地抑制量测噪声干扰,且对准精度高,水平姿态误差角小于,0.01°方位姿态误差角估计误差小于0.1°。     

扩展卡尔曼滤波在双基地信息融合中的应用

研究了扩展卡尔曼滤波理论,给出了双基地声纳系统的测距模型,推导了基于双基地声纳系统方位和距离的目标运动分析方法,给出了扩展卡尔曼滤波算法的模型,提出了给定发射站和接收站信息条件下的扩展卡尔曼滤波融合算法,进行了仿真实验,比较和分析了仿真结果,结果表明,所给出的目标运动分析方法提高了目标运动分析的稳定性和全局性。     

战时空军装备调配保障优化模型

战时空军装备调配保障质量的优劣,直接影响和制约作战的进程与结局。立足于作战,考虑在保证作战任务顺利完成的情况下,所需调配的装备数量。从任务变化、装备作战单元组合以及部署方案三个方面,建立空军装备调配保障优化模型。这些模型可以为制定战时调配保障的装备补充计划、筹措计划以及储备计划等提供定量分析的思路。     

Theme方法在C~4ISR系统需求建模中的应用

针对C4ISR系统需求建模对系统开发的重要性和系统非功能需求描述不完善的现状,引入Theme方法,即以面向方面的分析方法对C4ISR系统进行需求建模,在DoDAF产品的基础上用面向方面的分析方法对C4ISR系统需求开发。这种方法可有效弥补面向对象的需求建模方法对非功能需求建模的缺陷,也有助于映射和影响后续的体系结构设计,为系统开发打下良好的基础。     

强电磁脉冲对导弹的电磁毁伤性分析

分析典型双指数电磁脉冲的波形和频谱特性,讨论了导弹的电磁脆弱性和强电磁脉冲对导弹的耦合途径,重点分析电场从弹翼方向耦合的特殊情形。对孔缝耦合的毁伤问题进行理论建模,最后对制导系统的干扰进行定性分析。结论对探讨高强度电磁脉冲对导弹的毁伤机理有一定指导意义。     

基于IEPF序贯融合的多传感器管理方法

针对主被动传感器信息融合的特点,提出了一种在IEPF序贯融合基础上进行传感器管理的方法。工程常采用的传统扩展卡尔曼滤波融合算法滤波精度不高,因此结合采用了粒子滤波方法。先对主被动传感器采用迭代扩展卡尔曼滤波集中式序贯融合,利用融合后的信息进行粒子更新,提高滤波精度,在此基础上采用分辨力增益的方法对传感器进行管理。仿真结果表明该方法能够提高对目标的跟踪精度,增强多传感器对环境变化的适应能力。