单航天器无需变轨与Walker星座多星交会的充分条件及特性分析

以Walker星座为研究对象,对单航天器无需变轨实现多星交会的问题展开研究。从Walker星座相位同构特性出发,得到了单航天器无需变轨能够对多颗星座卫星交会的充分条件,对交会的星座卫星的数目和星座卫星组合等问题进行了研究。在此基础上,提出了利用解析法求解交会轨道的轨道设计方法,并对交会轨道的特性进行了分析。对交会更多星座卫星(大于3颗)的可能性展开了讨论。研究结果可为单航天器无需变轨对星座多星交会提供理论依据。     

基于混合粒子群优化的多目标决策新方法

多目标优化问题中的一个关键在于合理地评判各有效解的优劣。通过引入灰色系统理论中灰色关联度的概念作为评判准则,结合粒子群优化算法进行有约束多目标规划问题的研究。提出了一种新的不可行解的保留策略,进化过程中以此策略保留适量的不可行解,有利于增强对约束边界附近可能的最优解的搜索,同时,针对粒子群优化算法的容易陷入局部最优的缺点,实现了以粒子群优化为载体的混合算法:即对全局极值邻域进一步混沌搜索寻优。仿真结果表明改进的算法对多目标决策问题是有效的。     

基于改进的区域能量特征多分辨率图像融合算法

基于区域能量特征的融合规则在多分辨率图像融合算法中应用很广,但区域窗口较小时,融合效果往往不是最好的,而窗口较大则容易使图像轮廓与非轮廓区域之间模糊,造成融合图像清晰度降低。针对上述问题提出了改进的基于区域加权能量的融合规则,包括矩形区域和近似圆形区域两种,权值与像素距区域中心的距离成反比。仿真表明,两种方法克服了传统的区域能量特征作为融合规则的不足,改善了图像融合的质量。     

多频码相结合渐消因子扩展卡尔曼滤波实时定位方法

基于卫星导航定位系统多频载波相位线性组合,采用较长波长的组合波观测值与码观测值,能够较快并准确地获得模糊度,在此基础上,尝试综合利用最小二乘以及渐消因子扩展Kalman滤波技术进行实时单点定位,通过应用分析,获到较好的导航定位结果,具有一定工程应用价值。     

基于FPGA+ARM的多路视频采集系统设计

提出了一种基于FPGA+ARM的多路视频采集系统的设计与实现方法。该视频采集系统不仅能对多路快速变化的视频信号进行采集和处理,而且能应用为系统信号发生设备。系统采用FPGA为核心高速时序逻辑控制、接口控制单元,加上嵌入式ARM强大的信号采样控制功能,能够在较低成本下对多路视频信号进行快速准确可靠的获取。     

一种新的支持向量机决策树设计算法

支持向量机决策树的精度和速度取决于树结构。为了获得好的泛化性能,应由可分性强的类为树的上层结点定义分类子任务。提出了一种新的支持向量机决策树设计算法。决策树中每个结点的分类子任务定义规则如下:采用模糊核C-均值将当前训练集粗分为两个子集,然后基于隶属度从各个子集中选择可分性强的子类定义当前结点的分类子任务,并将可分性弱的子类移至下层结点。实验结果表明,该方法的精度和速度都优于其他传统的多类分类方法。     

多机编队指控决策一体化系统概念模型研究

多机编队指挥控制决策一体化系统是未来提高多机编队信息化协作水平的重要途径。通过研究国内外军事领域的发展趋势,并结合网络中心战及C4KISR概念,对该系统进行了需求分析和总体设计,提出了多机编队指挥控制决策一体化系统概念模型。最后将其应用于基于HLA和分布式仿真技术的多机编队指挥控制决策一体化系统仿真环境。     

基于D-S证据理论的多特征数据融合算法

Dempster-Shafer证据理论是不确定推理的一种重要方法,提供了一定程度的不确定性,可以指定给相互重叠或互不相容的命题,然后通过Dempster组合规则将不确定性信息在新证据中进行重新分布,该理论在许多方面都得到了广泛的应用.将来自图像传感器的多种图像特征,通过D-S证据理论将这些特征信息进行融合,并应用于目标的识别.实验结果表明D-S证据理论用于多特征数据融合的目标识别算法是有效的,基于该理论的多特征数据融合具有广阔的应用前景.     

基于灰色关联决策的地面防空部署方案

地面防空部署方案的评价是一个多属性决策问题。基于灰色关联决策理论,建立了地面防空部署方案的评价模型与优选算法。该方法能充分利用主客观信息,避免求取属性权重估计值的计算,并能反应指挥员对部署方案的偏好,使得部署方案的评价易于编程计算。     

基于EMA算法的变结构交互多模型算法

标准交互多模型(IMM)算法使用固定数目和时不变的模型集,往往不能兼顾算法的实时性与跟踪精度。基于增加期望模型(EMA)算法的思想,提出综合利用前一时刻的模型匹配概率与当前时刻的混合概率作为加权系数调整系统噪声模型集,调整后的模型集被认为非常接近系统实际噪声模型。将该模型集自适应技术与IMM算法结合得到一种变结构交互多模型(EMA-VIMM)算法。使用机动目标跟踪仿真实例,与标准IMM算法进行了仿真对比,分析了跟踪性能与RMSE误差。仿真结果表明,EMA-VIMM算法不仅极大地提高了跟踪精度,而且与标准IMM算法相比,具有稳定的跟踪性能和较低的计算量。