深海砺剑——北海舰队某潜艇支队践行强军目标纪实

＂战斗警报,发现敌舰!＂初秋,黄海某海域,静伏在海底的某潜艇舱室内的寂静突然被打破,潜艇陷入了猎潜艇编队包围圈。声呐显示屏上,一个个波峰不断跳跃,海面多艘猎潜艇正以单横队阵形,一字排开,迎面搜索而来。潜艇舱室内,声呐部门锁定目标,保持连续跟踪;艇海部门迅速绘算目标要素,提供作战参数。一场＂包围＂与＂突围＂的战斗正紧张进行。这是北海舰队某潜艇支队开展实战化训练的一幕。近年来,该支队党委引导官兵始终牢记强军目标,     

弹道导弹主动段变换打击目标的闭路制导研究北大核心

提出了弹道导弹主动段变换打击目标的概念。为了实现弹道导弹变换打击目标的制导目的,提出了基于网格离散的闭路制导方法。将二级段和可攻击区域进行网格离散,把节点插值参数存储到弹上。导弹在变换打击目标时,通过插值的方法求解需要速度,进行闭路制导。仿真结果表明,该方法能够有效控制导弹完成变换打击目标的任务,制导精度较高。     

模糊聚类的多雷达航迹关联算法北大核心

为了解决传统滤波跟踪算法对多雷达航迹预测定位误差较大的实际问题,通过对基于关联矩阵的聚类算法进行分析,提出了基于模糊聚类多雷达、多目标航迹定位跟踪仿真模型提出改进的矩阵聚类算法,并且与传统滤波跟踪算法做对比分析。实验结果表明,所提算法的性能在时间和空间上有所提高。较之传统算法精度较高,运算效率亦有所提升。     

考虑浮绳联结的双无人船艇系统协同控制策略研究

针对青岛等海域浒苔泛滥成灾的问题,开展了由浮绳柔性连接两艘水面无人船艇构成的双无人船艇系统协同控制策略研究,通过双无人船艇系统清扫浒苔,并将其拖运至海岸.考虑系统中的无人船艇动力、浮绳力矩和水流产生的干扰力矩,建立了欠驱动无人船艇三自由度动力学模型,提出了基于距离的包含编队和跟踪两个模式的协同控制策略.双无人船艇系统作...     

非椭圆扩展目标联合跟踪与分类算法

充分利用目标尺寸和形状信息,提出了一种基于星凸随机超曲面模型(random hypersurface model, RHM)的非椭圆扩展目标联合跟踪与分类(joint tracking and classification, JTC)算法。将目标空间扩展状态建模为星凸形状,通过目标类别相关先验信息的矢量化建模,建立起其与目标瞬时扩展状态的关系,并在统一的贝叶斯滤波框架下,实现跟踪与分类的一体化处理;进一步对目标运动学状态和扩展状态单独进行建模,并通过构建扩展状态的似然函数,利用粒子滤波实现目标类别概率算式的递推处理。仿真结果表明:与基于椭圆形状的扩展目标JTC算法相比,所提算法能对尺寸相近、形状不同的目标进行准确分类,同时可改善目标状态的估计效果;与基于星凸RHM的扩展目标跟踪算法相比,所提算法能大幅提高目标状态的估计性能。     

联合生成对抗网络和检测网络的SAR图像目标检测

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练;再通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测;依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充;利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。     

线性调频连续波雷达低空小目标长时间相参积累方法

针对小型无人机目标雷达回波弱、目标检测难的问题,研究了在线性调频连续波(linear frequency modulation continuous wave, LFMCW)体制雷达下的长时间相参积累方法。通过推导LFMCW雷达回波表达式,提出了基于时域差频信号线性调频-Z变换的拉东-傅里叶变换实现方法。评估了该方法的运算量,并与频域实现的方法进行对比。经过仿真和实测数据验证了本文算法对LFMCW雷达下的弱目标相参积累的有效性。     

基于改进NSGA-II的雷达通信一体化信号功率优化设计

为提高雷达通信一体化功率资源的利用率,提出一种OFDM(Orthogonal Frequency Division Multiplexing正交频分复用)一体化信号功率控制方法。根据OFDM分集特性,建立雷达互信息及通信容量与子载波功率间的多目标函数。通过改进初始种群生成及自适应选择交叉算子提高NSGA-II(Non-Dominated Sorting Genetic Algorithm)第二代非支配排序遗传算法）的收敛速度。基于改进算法求解多目标函数的非支配解集,确定下一时刻各子载波功率分配策略。仿真证明,在有限的功率资源下自适应分配子载波功率能够提升一体化系统性能。     

基于对抗推演的训练样本生成框架

针对军事目标图像智能识别、智能平台对抗等AI算法学习训练缺乏高质量样本难题,提出了一种基于对抗推演的训练样本生成框架。从训练样本的数据格式、作战业务的维度,建立了训练样本分类体系;从样本特征、样本标签两方面,提出了训练样本的表征方法,建立了军事目标图像、目标航迹等训练样本表征模型;建立了基于对抗推演的训练样本生成框架,依据红蓝双方的行为决策模型,开展对抗式仿真推演,积累训练样本数据;以智能空战决策训练样本为典型案例,提出了基于规则与微分方程求解相结合的方法,通过自主对抗模拟产生训练样本数据,支撑智能空战决策AI算法训练。