多种滤波器方案对机动目标跟踪自适应性比较

在过去几年对机动目标跟踪这个复杂问题取得了许多成果。目前已普遍认为混合状态估计交互式多模型算法(IMM)对机动目标就跟踪精度而言比其它类型的滤波器(如自适应单模型,输入估计,变维等等)实现效果更好。然而,IMM算法的复杂性阻碍了其应用,在这些应用中,简单算法不能提供必要的精度,又不能承受IMM算法的计算负荷。本文介绍评价一个应用并行运行的3个不同常速模型(3CV-PAR)和一个机动检测器的多模型航迹滤波器的跟踪精度。输出估计由选择其似然函数比目标机动门限值(TMTh)低的模型确定。3常速并行航迹滤波器的跟踪效果与如下滤波器比较:·自适应单运动模型卡尔曼滤波器(ASMMKF);·交互式多模型(IMM)滤波器中运用相同的3个常速运动(CV)模型作为3CV-PAR滤波器;·交互式多模型(IMM)滤波器中应用一个等速(CV)模型和一个等加速(CA)模型成为CVCA滤波器;·交互式多模型(IMM)滤波器中应用一个常速(CV)模型和两个仅过程噪声水平不同的常加速(CA)模型(CA1、CA2)成为CV2CA滤波器。通过在具挑战性的多传感器想定下100次蒙特卡洛(Monte-Carlo)试验平均均方根(RMS)误差的计算结果,比较3CV-PAR航迹滤波器与上述算法方案,评价跟踪精度。     

信息战的内容与现状

详细介绍了信息战的基本知识,重点分析了北约在科索沃的信息战的著名战例,对现代战争的信息战形式和措施也作了阐述。     

分布式面向对象多模型建模与仿真框架

美国佛罗里达大学计算机和信息科学及工程系两位学者负责的课题组开发出一种多模型面向对象(OO)的仿真环境(MOOSE)。这种环境是用于建模及开发仿真软件的框架．它的结构派生于面向对象的物理模型(OOPM)．它将传统的面向对象的方法论扩展到允许属性和方法取模型为其值．MOOSE模型库(MMR)允许分布式模型定义,进而支持以万维网为基础的仿真,与万维网整合,使其在因特网上可用。MOOSE以多模型为特征,而多模型是一种面向对象的模型提炼与抽象的方法,它允许不同种类的分层模型的创建。组成多模型的动态模型包括有限状态机,功能块模型,方程约束模型以及基于规则模型．MOOSE强调可视化和对于OO隐喻的有效使用,从而连接概念化的模型和程序,并捕捉模型的几何和动态特征．MOOSE的人机界面有两个图形化的用户界面(图形用户接口)建模器,用于模型设计;脚本,用于模型的执行控制及可视化．MOOSE的尾端产生用目标语言(如c++)表示的模型描述,然后编译并加上运行时间支持,构成引擎．模型的执行由引擎与脚本的同步运行构成。MOOSE方法促进了模型的发展,使其更加具有直观感,更利于模型作者之间的沟通,仿真程序与它们的概念模型间更好的一致性,部件重用以及模型／程序的可扩展性．     

基于当前统计模型的有向图切换IMM算法

将当前统计模型和变结构多模型估计算法相结合,提出了一种新的用于跟踪机动目标的交互多模型算法,计算机仿真结果显示该算法能有效提高交互多模型估计器的费效比。     

武器系统综合效能模糊识别模型

武器系统的综合性能评价是一个半结构型多目标决策问题,引入指标相对隶属度概念,提出了一种新的指标权重确定方法,并综合模糊优选、模糊识别等理论建立了武器系统的多级模糊识别模型。示例对三型反舰导弹武器系统效能进行模糊识别,得到其性能相对客观的评估。     

一种基于残差的自适应多模型算法

提出了一种基于残差的自适应多模型算法,其基本思想是通过残差的大小来分配多模型中单个模型在整体估计中的权重.本算法无须机动检测,从理论上避免了延迟.通过Monte Carlo仿真表明本算法的有效性.     

从伊拉克战争看GPS系统的干扰与抗干扰问题

据外电报道,伊拉克战争之初,精确制导打击曾一度频频失误,美军对此产生了极大疑惑。后来美国情报部门发现伊拉克军队使用了GPS干扰系统。这个发现让美国怒不可遏,立即采取行动摧毁了伊拉克的GPS干扰系统。同时,强烈谴责俄罗斯为伊拉克提供了GPS干扰系统,一时间美俄关系骤然紧张。美军为何对GPS干扰系统如此看重?下面我们就来了解一下GPS系统的组成功能、作战运用以及干扰与抗干扰问题。     

国外陆军隐身技术发展动向

目前,国外陆军正积极进行多波段兼容隐身材料技术和隐身结构技术的研究,这两者代表了今后陆军隐身技术的主要发展方向。     

基于二阶锥规划的MIMO雷达稳健自适应波束形成

针对MIMO雷达自适应波束形成中期望目标导向矢量的失配问题,提出了一种基于二阶锥规划(SOCP)的稳健自适应波束形成算法。该算法首先将1个MN维(M,N分别为发射和接收阵元数)的权矢量分解成2个低维(1个M维和1个N维)权矢量的Kronecker积,然后分别限制实际的目标发射导向矢量和目标接收导向矢量与假定的导向矢量之间的误差范数的边界,通过优化最差性能,利用SOCP求得分解后的2个权矢量,最后再合成原权矢量。通过降维处理,算法在保证波束形成器性能的基础上,有效地降低了运算复杂度。仿真结果验证了算法的有效性。     

基于ML-Ⅱ的指数分布可靠性多层Bayes估计

Bayes估计法是可靠性评估中应用最为广泛的方法之一,指数分布的Bayes验前概率密度函数中的重要参数主要依靠Reformulation法和Box-Tiao法确定,具有较强的主观经验性。基于Beyes估计的基本思想,以试验数据为依据,利用第二类极大似然估计法(ML-Ⅱ估计法)确定Bayes方法中的相关参数,避免了参数确定的主观性。实例表明结果合理,方法客观、可行。