改进预测协方差门限法的采样周期自适应选择算法

传感器采样周期是影响目标跟踪的一个重要参数。现有自适应采样周期策略中,一些算法运算量比较大,计算效率低,不具有一般性。为此提出了一种改进的预测协方差门限法。该算法改进传统采样周期的全遍历寻优策略。最后与几种自适应采样周期算法与固定采样周期算法通过交互式多模型(IMM)滤波算法进行仿真比较。仿真结果表明该算法在目标跟踪过程中能满足跟踪需求,具有较少的计算量,较高的运行效率,比固定采样周期算法更能节约资源。     

基于RBF网络的导弹攻击区解算及对比分析

研究了神经网络在空空导弹攻击区处理中的运用,在提出多层前馈(MF)网络和径向基函数(RBF)网络设计方案的基础上,着重对MF网络的BP算法、改进BP算法以及RBF网络的应用进行了仿真,并从收敛速度、逼近精度和实时性三个方面,对计算结果进行了对比分析,结论表明RBF网络在导弹攻击区处理中具有更高的可行性,更适用于快速高精度的火控解算。     

经典力学中的测不准原理

从牛顿方程初值解出发,讨论了牛顿方程的初值解及其稳定性,并由此讨论了经典力学中的测不准问题,并给出结论。     

基于IMCKD与谱负熵的滚动轴承故障诊断方法

针对轴承故障成分常以周期性冲击成分出现在振动信号中,而冲击信号常被强大噪声淹没,导致轴承故障诊断难度较大的问题,提出一种基于改进的最大相关峭度解卷积(IMCKD)与谱负熵的故障特征提取方法。首先,采用改进的最大相关峭度解卷积以最大相关峭度为目标对原始振动信号进行降噪处理,检测信号中的周期性冲击成分;然后,以最大谱负熵值为准则寻找信号的最佳分析频段;最后,通过平方包络解调提取出轴承的故障特征。仿真和实测信号验证了该方法的有效性。     

基于改进DS理论多周期数据融合的目标识别方法

为了应对复杂战场环境下信息不确定性及证据冲突造成目标识别困难的问题,解决配准关联错误及应答欺骗产生的误识别问题,减小融合算法对先验数据的依赖,提出了一种基于改进DS证据理论的多周期多传感器数据融合方法以实现高效的战场目标识别。方法采用4个层级,两个方面的多传感器数据融合结构,在改进DS证据理论处理性能的同时,充分利用多个周期识别结果的融合实现最终目标识别。仿真结果表明,该方法在提高目标识别准确性的同时,能够有效解决目标密集和应答欺骗造成的目标误识别问题。     

基于改进TOPSIS方法的坦克分队作战方案优选

针对坦克分队的作战方案优选问题,对于传统的逼近理想解排序方法(TOPSIS方法)提出了一种改进方案。分析了传统TOPSIS方法中的逆序问题,以及上述情况下由于评估方案较少,正、负理想解选取方法不合理的问题。提出了将作战方案的取值空间中各指标边界值作为正、负理想解各指标值的改进方法,使改进后的TOPSIS方法更适合评价方案较少的情况,同时避免了逆序问题。     

GNSS阵列接收机信号解扩前的欺骗干扰检测算法

为了降低天线阵接收机欺骗干扰检测方法的计算量,提出一种信号解扩前的欺骗干扰检测方法。该方法利用不同天线上信号和噪声相关性的差异,在信号解扩前估计其功率,从而进行欺骗干扰检测。仿真结果表明,该方法在降低运算量的同时,具有良好的检测性能。     

考虑地球非球形引力摄动影响的自由段弹道解析解

针对地球非球形引力摄动影响下的自由段弹道快速计算问题,在非正交坐标系内建立考虑J2项摄动的地球引力作用下的运动微分方程,在轨道坐标系内建立扰动引力作用下的运动微分方程,并计算天向扰动引力加速度对应的质量偏差,进而通过椭圆轨道以修正J2项摄动运动微分方程;在建立上述运动微分方程解析解的基础上,给出了地心坐标系内弹道飞行器位置和绝对速度的表达式,从而提出了J2项摄动引力和扰动引力作用下的自由段弹道解析计算方法。仿真分析表明:该方法具有较高的计算效率,落点位置偏差小于20 m,满足弹道飞行器高精度实时制导、轨迹预测等应用需求。     

采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案

针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。