基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

一种基于模糊连接度的区域生长毁伤特征提取算法

针对传统的区域生长算法在提取军事目标毁伤时,不能较好地处理毁伤区域与背景之间的模糊性,生长结果对种子点的选取敏感等问题,提出了一种基于模糊连接度的区域生长算法。算法以模糊连接度作为生长点与种子点相似度的度量,有效地保持了像素之间的模糊性,按照模糊连接度由强至弱的顺序生长,使得生长的结果对种子点的选取不敏感;采用灰度波动控制和USAN面积相结合的方式作为生长准则,在适应目标区域灰度变化的同时得到了较好的边缘定位效果。实验结果证明了算法的有效性。     

双站协同侦察雷达信号分选新方法

针对复杂信号环境下雷达对抗情报侦察面临的信号分选问题,提出一种基于双站协同侦察的雷达信号分选新方法。根据不同位置雷达的脉冲信号到达两个侦察接收站的时间差不同进行信号分选。在满足误差的要求下,求解该方法的分选模糊区域,分析分选性能。调整布站,优化分选性能,提高分选准确性。理论分析和计算机仿真表明,该方法可以较好地解决制约雷达对抗情报获取中的信号分选瓶颈难题。     

基于云模型和FAHP熵权的空地弹药效能评估

准确、科学地评估空地弹药的作战效能,对武器装备的设计、研制、试验、采购、作战使用及维护具有重要的意义。充分利用云模型可将定性指标的模糊性和随机性有效结合的特点,构建了空地弹药作战效能的综合云评估模型。针对现有确定指标权重的方法存在主观性较强的不足,提出一种基于模糊层次分析法(FAHP)熵权的权重确定方法,有效利用了主观信息和客观信息。实例分析表明该模型可准确、客观、有效地评估空地弹药的作战效能。     

杂波对空中平台侦察的影响分析

为从功率角度说明杂波对空中侦察设备的影响,提出一种新的杂波功率计算方法,该方法将杂波功率计算从单散射块的简单模型扩展到全向散射空间的精确模型。首先,选取合适的杂波后向散射系数模型;其次,构建空中平台与机载雷达的几何模型,详细地推导了等距离环数学表达式,在考虑距离模糊情况下推导了杂波功率数学表达式;最后,仿真结果表明:该方法比文献杂波功率计算方法更加准确,从功率角度说明了杂波对侦察的影响,为后面研究杂波抑制奠定了基础。     

Rényi信息增量和协方差联合控制的多传感器管理算法

针对目标跟踪中雷达组网场景下多传感器管理问题,结合Rényi信息增量和协方差两种算法各自特性,利用并行处理的思想提出了一种基于Rényi信息增量和协方差联合控制的传感器管理算法。在具体仿真设计环节,分为传感器跟踪能力大于目标数和传感器跟踪能力小于目标数两种场景。仿真结果表明该算法在单目标匀速、多目标匀加速等多数场景下能够对目标进行有效跟踪,同时降低了传感器的切换频率,具有更好的实时性。     

基于模糊AHP的武警分队处突效能评估

当前国内局势不太稳定,武警部队作为处置突发事件的主要力量,必须随时做好战备工作。通过分析影响武警分队处突效能的主要因素,建立了武警分队处突效能评估指标体系,给出评估模型。利用层次分析法AHP(The Analytic Hierarchy Process)确定各指标的权重,应用专家打分法确定单因素评判矩阵,最后运用模糊综合评判模型对某武警分队处突效能进行评估。评估结果与处突分队现实表现能力相一致。该方法不仅可以为首长机关在处突时提供决策支持,而且还可以根据评估结果对该分队的短板进行针对性训练,提高战斗力。     

SVM在空中目标威胁值评估中的应用

构建了基于回归型支持向量机的空中目标威胁值评估模型,确定了基于粗糙集理论的空中目标威胁因素,并建立了数据离散化、归一化的标准。将常用的4种核函数应用于对空中目标威胁值的估计,并通过基于网格法和遗传算法的搜索方法找到模型的最优参数。最后通过Matlab对算例进行了仿真验证。     

多帧高斯混合概率假设密度的多目标跟踪算法

针对低检测概率下多目标跟踪时,概率假设密度滤波器难以正确估计当前目标个数以及目标状态问题,提出一种基于多帧融合的高斯混合概率假设密度滤波算法。根据不同时刻目标权值构造目标多帧权值记录集及目标状态抽取标志。当某些时刻目标被漏检时,依据目标状态抽取标志,并结合目标多帧权值记录集中权值信息估计丢失目标的状态。仿真实验表明,算法有效地提高了低检测概率下现有相关算法的目标状态和数目估计精度。     

面向多目标跟踪的PHD滤波多传感器数据融合算法

针对密集杂波环境下单传感器应用高斯混合PHD算法进行多目标跟踪时性能下降的问题,提出一种面向多目标跟踪的PHD滤波多传感器数据融合算法。首先构建了基于高斯混合PHD滤波的多传感器数据融合系统框架,各传感器利用高斯混合PHD滤波算法进行局部状态估计,然后对各传感器的状态估计结果进行关联度计算,最后通过构建自适应混合参数,引入协方差交叉算法对关联状态进行融合。仿真实验表明,与单传感器高斯混合PHD多目标跟踪算法相比,所提算法有效提高了目标数量和状态的估计精度。