一种使用非等权值粒子的确定性粒子滤波算法

介绍了粒子滤波及随机分布的代表点理论,将统计学中的数论方法应用于粒子滤波,使用随机分布的均方差代表点,对粒子滤波中关键的初始粒子生成、重点密度采样及再采样过程给出了相应的代表点算法,得到了一个包含最少随机操作的、使用非等权值粒子的确定性粒子滤波算法。仿真结果表明,确定性粒子滤波算法不仅是可行的,而且其滤波性能及计算效率均有不同程度的提高。     

磁性目标跟踪的后验克拉美罗下限分析与计算

为了求解磁性目标跟踪问题的后验克拉美罗下限(PCRB),提出了PCRB-GMSPPF算法。该算法利用高斯混合采样粒子滤波算法对目标状态的真实后验概率密度分布进行抽样,再通过蒙特卡洛积分法迭代求解每个观测时刻的Fisher信息矩阵,进而得出目标状态估计的PCRB;克服了基于PF算法求解PCRB过程中由于粒子退化和贫化问题造成不能从后验概率分布中正确抽样的缺点;在建立磁性目标跟踪的状态模型和观测模型的基础上进行仿真分析,将求解出的PCRB与采用GMSPPF及PF算法进行跟踪的均方根误差做对比,验证所提的PCRB-GMSPPF算法的有效性,结果表明:针对磁性目标跟踪问题,PCRB-GMSPPF算法较PCRB-PF算法具有更好的准确性,并可用于一般的非线性模型跟踪误差下限分析。     

一种基于灰色粒子滤波算法的机动AUV航深内测方法

本文提出了一种将灰色预测和小波变换与标准粒子滤波相结合的灰色粒子滤波算法（GPF）,并将其应用于机动AUV的航深内测。GPF针对机动AUV航深内测过程中由于AUV运动状态未知和测量噪声不断变化而导致的滤波失效问题,在粒子采样过程中结合了标准采样和灰色预测采样,保证了采样得到充分多的有效粒子。在计算粒子权重时,利用小波变换跟踪测量噪声统计特性的变化,提高了各粒子似然概率计算和权重分配的正确性。最后以外测法测得的高精度的机动AUV航深作为真实航深,对该GPF算法进行了实验对比验证,并与EKF和MMPF算法的结果作对比,实验结果表明了本文方法的有效性和实用性。     

基于逆强化学习的空战态势评估函数优化方法

为提高无人作战飞机(UCAV)自主决策效能,提出基于逆强化学习的空战态势评估函数优化方法。以现有的正例与反例两类空战数据为样本训练一个RBF网络,采用逆强化学习得到不同态势下的态势值,实现了对现有空战数据的知识提取;利用Sigmoid函数的压缩作用,降低了整体态势值,加快了UCAV学习的收敛速度;采用自适应粒子群算法求解优化了态势评估函数中的权重参数,提升了对复杂空战态势的适应能力;仿真结果表明该方法能够优化态势评估函数,提高机动决策的收敛速度,在UCAV自主决策中具有一定现实意义。     

基于风险的战略物资补充优化模型

战略物资是维护国家安全的重要物资基础,合理规划战略物资储备具有重要意义。给出了一种基于风险的战略物资补充优化模型。对战略物资补充问题进行了描述,分别介绍了补充方式、风险度量、补充费用计算。给出了模型假设,以及非线性规划的模型。提出了基于粒子群算法的模型求解算法。在示例中给出了相关假设和数据,对平均总费用上限、风险上限、战争概率等因素进行了分析,验证了方法的可行性与有效性。     

基于室内定位的改进PDR算法研究

针对惯导在室内定位中存在定位精度不高、航迹偏移较大的问题,通过对PDR算法的深入分析,提出了改进的PDR算法。该算法主要从3方面入手：1）设计FIR滤波器对数据进行预处理;2）对传统Weinberg模型进行改进,引入了新的参量作为步长估计的联合参考;3）对单步定位结果进行粒子滤波优化。改进后的PDR算法提升了步频检测精度,降低了步长估计误差,改善了航迹偏移问题。仿真实验结果表明,改进后的PDR算法优于原PDR算法。     

基于单神经元自整定PID的稳定平台调平控制

稳定平台调平回路大多采用PID进行控制,但这种算法具有抗干扰性能不高的问题,利用神经网络具有自学习、自组织、联想记忆和并行处理的功能和优势,设计了单神经元自整定PID控制算法。该控制算法不仅结构简单,而且适应性强,鲁棒性强。在设计中,采用了一种改良的Hebb学习算法对稳定平台调平回路进行控制。最后的仿真结果表明,单神经元自整定PID控制算法比传统PID控制算法在很多指标上都要好。尤其超调量、干扰抑制能力、过渡时间等动态指标非常优秀,是一种较为理想的控制算法,可以推广应用于各类稳定平台系统。     

基于改进多维粒子群的多无人机任务分配方法

针对复杂战场环境下的多无人机任务规划解空间维度不确定、任务需求随时间变化等问题,提出了一种基于改进多维粒子群算法的多无人机任务分配方法。该方法构建了适应度函数集,应用多个适应度函数来限制种群趋向,同时采用基于时变目标价值的映射变量,建立目标价值随时间变化的多无人机目标决策模型;而后引入整数编码机制,构建面向任务序列的多维粒子,利用改进的自适应多维粒子群算法,得到最优维度下多无人机的任务分配优化方案。仿真实验结果表明：基于改进多维粒子群算法的多无人机任务规划方法可在最优解空间下,获得更好的任务动态分配效果,收敛速度更快,具有良好的推广应用前景。     

基于进化式决策树的超视距空战机动决策模型

针对超视距空战决策问题,提出一种融合战术实施距离和导弹攻击区等先验知识,并具备进化能力的决策树模型。首先,分析空战制胜机理,建立超视距空战态势模型和战术实施距离模型,在此基础上引入超视距空战因子,建立态势评估模型和决策变量集;其次,基于战术实施距离建立超视距战术动作库,作为解空间动作集;第三,构建基于专家知识规则的决策树,并针对决策树参数进化需求,提出一种基于惯性权重动态调整和混沌优化的新型粒子群优化方法,以提高决策规则树进化效率;最后,基于仿真实验给出不同条件下空战机动决策仿真算例并进行了分析。仿真结果表明,提出的进化式决策树能有效融合战术实施距离、导弹攻击区等先验知识,并具备进化能力,能够有效解决超视距空战战术决策问题。