跟踪机动目标的一种新的多模型算法

在机动目标跟踪的多模型(MM)方法的研究中,提出了一种新的多模型方法,即最小子模型集切换(MSMSS)算法.这种MSMSS算法从总模型集中自适应确定最小模型集,用来完成多模型(MM)估计.仿真结果表明,和标准的交互式MM(IMM)相比,所提到的算法,在保持同等的跟踪性能的前提下需要很小的计算量,在计算量相等的情况下具有更好的跟踪性能.     

UKF及其在目标跟踪中的应用

在高斯噪声环境下,为了解决扩展卡尔曼滤波(EKF)在目标跟踪应用中精度低和滤波发散的问题,将无迹卡尔曼滤波(UKF)应用于非线性系统的目标跟踪.研究了无迹卡尔曼滤波估计方法,对采样策略进行了比例修正.通过UKF在目标跟踪中的应用仿真结果表明,与EKF相比较,UKF有更好的跟踪性能、收敛快、对噪声有更强的适应能力,算法实现简单.     

军用油库抑爆系统气体发生剂的实验分析

针对军用油库抑爆系统气体发生剂研究的需要,自行设计了气体发生剂密闭爆发实验装置,通过测定同一剂量下的7种不同气体发生荆反应时的P/t曲线,对各气体发生剂燃烧时的产气规律进行了分析,发现含有KClO4的配方产生的最大压强Pmax要高于含有KClO3的配方,而含有KClO3的配方产生的压力值又要高于Ba(NO3);而在达到pmax反应时间上,含有KClO3的配方所花的时间要比含有KClO4的配方所花的时间短,而含有Ba(NO3)2的配方所花的时间是最长的.由此选择KClO4,Al,辅助添加剂的质量分数分别为70%,28%,2%的配方为最佳配方.同时通过改变配方的剂量和点火强度,发现随着装药量增多,tmax加长,pmax变大;而在点火强度增大的情况,tmax缩短.     

一种BM模式匹配的改进算法

分析了几种模式匹配算法,通过对BM模式匹配算法的研究,提出一种基于BM模式匹配算法的改进思路.改进算法通过对模式串的预处理提高匹配跳跃的步长,从时间和空间复杂度分析,该改进算法提高了模式匹配的效率,实验证明模式字符串的重复率越低的情况下可以大大提高匹配的效率.     

装备邀请招标程序规范化研究

本文结合我军装备招标采购改革的新要求,对装备邀请招标现行程序与存在问题进行了分析,提出了装备邀请招标的规范化建议以及规范化程序。     

浅探装备军地联合维修保障

随着市场经济和科学技术的发展,军地联合维修保障已成为各国军队装备维修保障的发展趋势。论文从军地联合维修保障的基本认识入手,介绍了外军军地联合维修保障的发展现状,在此基础上,对我国实行装备军地联合维修保障进行了初步探讨。     

基于区间数TOPSIS法优选空军战役作战计划

针对战役作战计划优选中的不确定性,运用区间分析和TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)法探索空军战役作战计划优选问题.通过引进区间数乘法运算,将区间数多指标决策问题转变为指标为区间数的多指标决策问题,进而给出区间数多指标决策问题的TOPSIS法,对空军战役作战计划进行排序选优.与传统方法相比较,该方法较好地解决了评价指标为不确定值时的多指标决策问题.     

基于系统动力学的信息战模型

根据信息战的内容和特点,分析了信息因素和兵力因素在信息战过程中相互作用的关系,结合系统动力学理论,建立了信息战系统动力学模型;并结合仿真实例对信息战的相关因素进行了定量与定性相结合的分析,说明了制信息权在信息战中的决定性作用,为信息战研究提供了理论参考.     

多输入多输出雷达恒模稳健波形联合优化算法

针对目标冲激响应及杂波冲激响应分布特性先验知识不准确导致的多输入多输出雷达检测性能下降的问题,提出恒模稳健波形与接收机滤波器联合优化算法。将目标冲激响应及杂波冲激响应分布特性先验知识不准确时的优化问题建模为一个极大极小化问题。运用迭代优化算法将联合优化问题分解为两个子优化步骤:将波形固定时的接收机滤波器权值优化问题建模为广义瑞利商模型,求解得到相应的接收机滤波器权值矢量;利用半正定松弛技术对权值固定时的波形优化问题进行求解,获得对应的波形矩阵,并根据得到的波形矩阵,通过高斯随机化的方法获得所需的恒模波形。对所提算法的收敛性进行了证明,仿真结果表明所提算法有效。     

时序驱动的详细布局方法

针对超大规模集成电路布局过程中时序优化问题,提出一种时序驱动的详细布局方法。对设计进行时序分析并获取时序违反路径集合,对路径上两个连续固定单元间的线网进行平滑处理,以减小路径曲折度以及减少线长。再针对每一个可移动单元与其相邻的线网建立二次规划时序模型,求解局部最优布局位置。对于给定的测试电路,实验结果表明,最差的时序违反与总的时序违反均有明显改善,采用ICCAD2015竞赛的测试模板和评价方法,总的时序性能有45~350 min的提升。