抓好五项工作 加快科学发展

兵团党委六届三次全委(扩大)会议召开后,农三师、图木舒克市党委通过党委中心组学习、干部大会、举办专题培训班,安排部署贯彻落实会议精神的举措;围绕做好《团场章程》实施工作,明确2010年经济社会发展目标,展开了深入的学习和探讨,坚定了科学发展、加快发展的信心和决心。     

面向多目标拦截问题的协同任务分配方法研究

针对多枚空空导弹攻击多架飞机的作战场景,研究集群协同的多目标任务分配,实现对多架飞机的拦截.针对战场环境高动态、高复杂性的特点,采取基于灰狼优化算法(grey wolf optimization,GWO)的实时任务分配方案.为解决灰狼优化算法容易陷入局部最优、易早熟的问题,提出了两方面的改进策略:一是优化种群,以佳点集...     

分层任务网络在UCAV规划中的应用

无人战斗机任务规划对提高它的生存能力、突防能力、作战效能具有重要意义.分层任务网络规划是一个有效的规划方法,HTNP的最大好处在于,搜索受控于细心设计的方法.在某种意义上讲,一个HTN规划器只描述了如何使用操作,给实际使用带来了困难.在HTNP中引入目标协调机制、禁忌表等,将原有"离线"式方法变为"在线"式方法,提高了方法的适应性能.可以根据情况的变化,随时生成新的规划,降低了预先设计方法的数量,从而降低工程实施的难度.     

RBF网络用于战车火控系统弹道解算的方法

弹道解算问题对战车火控系统的性能有着直接的影响.传统的弹道解算方法在精度和实时性方面都存在一定的局限性.为了提高解算精度、战车首发命中率和解算的实时性,基于RBF网络的函数逼近及预测能力,将RBF网络用于弹道解算,对传统算法进行优化,得到了新的弹道解算方法.最后对所提方法进行了仿真,发现新方法在解算精度没有降低的条件下,大大提高了弹道解算的实时性.     

空投水雷入水及水下弹道的设计与仿真

水雷空投可以增加布雷的隐蔽性和突发性.针对空投水雷入水及水下弹道进行了研究.在建立了六自由度的水雷水下弹道数学模型和水雷入水击水力计算的数学模型基础上,通过实例对水雷的水下弹道在Matlab/Simulink环境下进行了仿真计算,最后给出相应的仿真结果和分析.仿真结果显示水雷弹道稳定,证明了基于Matlab/Simulink的空投水雷水下弹道仿真方法是有效可行的.     

基于轮廓特征的空间目标识别算法

高分辨力单脉冲雷达通过对三个通道回波成像可以获取各个散射中心的方位角和俯仰角,结合距离信息就可以得到各个散射中心在垂直于雷达天线轴的平面上的投影,形成方位-俯仰二维像.由于卫星的尺寸通常大于碎片的尺寸,因此卫星的方位-俯仰二维像的轮廓面积较大.提出了基于轮廓特征的空间目标识别算法,首先通过高分辨力单脉冲雷达对目标进行方位-俯仰二维像成像,然后从方位-俯仰二维像中提取目标轮廓,最后根据轮廓面积特征对卫星和碎片进行识别.经过计算机仿真实验,该算法取得了比较好的识别效果.     

舰炮武器系统对大目标跟踪精度评估修正方法

随着技术的发展,舰炮武器系统的精度水平越来越高.在真实目标环境下一些影响系统精度评估的因素必须加以考虑,将具有相当外形尺度的目标作为点目标考虑势必带来系统精度评估的误差.针对大尺度目标,在目标坐标系下建立了目标外形尺度模型.利用目标坐标系和瞄准线坐标系之间的坐标变换,得到目标外形尺度在瞄准线法面上的描述,据此提出了一种大目标瞄准精度评估修正的计算方法.     

UKF算法及其在纯方位目标跟踪中的应用

为克服扩展卡尔曼滤波算法的缺陷,将UKF算法应用于纯方位目标跟踪问题中.该算法是一种以扩展卡尔曼滤波算法为基本框架,以贝叶斯理论和UT变换为理论基础的新型滤波算法.对UKF算法进行了深入的研究,并给出了一个纯方位目标跟踪的算例.仿真结果表明,该算法提高了滤波的稳定性和精确性,优于一般的扩展卡尔曼滤波算法,具有广泛的应用前景.     

基于RBFNN与D-S证据理论的反舰导弹模式识别

由于反舰导弹在速度、机动性等方面的显著潜力,已日益成为舰船的主要威胁.尽快识别反舰导弹类型对缩短系统反应时间,正确预测目标运动具有重要意义.针对从不同目标传感器提取的末制导雷达辐射源参数和弹道特性参数,对目标数据进行相关处理,应用径向基神经网络(RBFNN)分别对反舰导弹模式识别,仿真中充分考虑了各种误差干扰并进行容错性处理,仿真结果表明该算法的有效性.最后将两部分识别结果通过D-S证据理论进行综合决策,进一步提高了系统识别决策的可信度.     

基于卷积神经网络的SAR图像目标检测综述

针对合成孔径雷达(SAR)图像传统检测算法精度低、鲁棒性差等特点,对基于卷积神经网络的SAR图像目标检测算法进行归纳总结.归纳了基于CNN的目标检测框架的发展现状,并综述了其在SAR图像目标检测中的应用,分析了其应用难点与关键技术.最后结合深度学习方法在目标检测领域中的发展,对SAR图像目标检测算法的发展进行了展望.