基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

基于改进粒子群算法的装备维修资源优化问题研究

通过对粒子群算法的分析,针对其易过早收敛的不足,将遗传算法的变异操作引入其中,并给出了惯性因子的调整方式。在建立维修资源优化模型的基础上,结合实例运用改进的粒子群算法和模拟退火遗传算法进行了仿真,结果表明,该算法具有更好的收敛性。     

基于影响图方法的信息战模型

由于粒子滤波的算法原理,其计算量很大。研究了针对机动目标的交互式多模型粒子滤波器(IMMPF)算法和多速率交互式多模型(MRIMM)算法,提出了多速率交互式多模型粒子滤波器(MRIMMPF)算法。该算法是在交互式多模型粒子滤波器(IMMPF)的基础上引入多速率技术,期望在保持IMMPF的性能同时能够减少因为粒子滤波带来的计算量;最后通过和一般基于EKF的IMM算法、IMMPF算法的比较,验证了该算法的有效性。     

进化粒子滤波算法在雷达目标跟踪中的应用

进化粒子滤波算法通过模仿生物进化体制,以牺牲大量的计算量为代价增加样本集的多样性,从而较好地缓解了样本贫化现象.将进化粒子滤波算法应用于雷达目标跟踪过程中,变异强度的选择参考系统噪声与观测噪声性质,并通过粒子匮乏现象的强弱选择是否应用进化算法,从而大大减少了计算量.仿真结果显示所提出的算法对雷达目标跟踪有较好的应用价值.     

一种基于粒子滤波的水下地形匹配算法研究

引入了剩余重采样的概念,通过权值分类和剩余权值重采样两个步骤完成粒子的复制,提高了运算速度.使用三次样条插值的方法对深度数据进行插值,构建了湖泊水下数字高程模型.通过仿真证明了该算法的可行性,并分析了匹配误差与水下地形的关系.     

基于优化神经网络的雷达波束分配方法研究

在多目标的跟踪过程中,自适应地分配雷达波束能够进一步提升雷达的工作效率.为了合理调度雷达波束跟踪目标,根据目标运动状态参数,建立了目标威胁度评估模型.该模型根据目标运动状态,包含类型、速度、加速度、航向角、高度、距离和干扰程度等;然后基于混合遗传粒子群优化算法改进了BP神经网络,分别采用运动状态信息和目标威胁度作为神经...     

主方向能量最大化协作波束形成波束调零方法

为避免协作波束形成(CB)过程中虚拟阵列对非目标接收机造成干扰,提出了一种CB虚拟阵列波束调零方法.该方法能够在单个阵元发射功率存在上限的约束条件下,优化阵元的幅度和相位,使阵列在目标接收机所在方向上产生尽可能大的辐射功率并且在非目标接收机所在方向上形成功率零点.仿真结果证明了所提方法的有效性.此外,零点数量越多,阵列...