天波超视距雷达扩展综合概率数据关联算法

考虑到天波超视距雷达径向速率量测与径向距离量测之间的关系以及径向速率量测精度较高的特点,提出了一种天波超视距雷达扩展IPDA算法.该算法利用当前时刻径向速率、径向距离的预测值和相应的量测构造出运动一致性因子,并推导了一致性因子的概率密度函数.在此基础上,利用一致性因子和马氏距离计算回波与目标的互属概率,从而减小异常点的影响、提高估计的精度.天波超视距雷达目标跟踪仿真结果表明:扩展IPDA算法在起始快速性、航迹起始概率、跟踪精度和稳定跟踪率等方面优于IPDA算法,同时其计算量只略大于IPDA算法的计算量.     

测向交叉定位中基于最小距离的二次聚类算法

针对现有测向交叉定位系统中聚类算法存在的计算量大、求解最优解困难等问题,提出了一种基于最小距离的二次聚类算法.即先通过最小距离法对每条测向线上的交点进行聚类分析,得到几个聚类程度较高的交点集合,再对这些交点集合通过取交集的方法进行二次聚类,得到少数的几个交点集合,最后再对这几个少数的交点集合进行选优,从而消除虚假交点集合,得到真实交点集合.通过交点回归计算,保证了真实交点集合具有很高的关联正确率.计算机仿真结果表明,该算法具有很高的关联正确率,且计算量较小,实时程度较高,并且适应于多传感器存在漏测的情形.     

基于指标间关联增效的指挥效能评估优化模型北大核心

针对传统的指挥效能评估模型没有考虑指标间相互影响的问题,基于对特定指标集进行多次观测所得的多维数据集,利用关联分析技术,分析并量化消费型指标对效益型指标的关联增效,并基于关联增效的数学期望构建了消费型指标的评估补偿量模型,进而改进了传统的指挥效能评估模型。     

防止从井底走向茧房

信息化战争时代,海量数据成为基层指战员研究的富矿,特别是随着军事科技快速发展、战争形态日趋复杂,智能化作战倒逼指战员进行“头脑风暴”,对战争的认识已不再是“井底之蛙”。然而,军事智能化会带来作战体系碎裂破解、数据信息短时空积聚、个性化推荐算法滥用等问题,加之很多指战员囿于自我认知局限、疏于学习战争前沿、惑于真假内容甄别,面对海量同质数据信息很容易跌入“茧房”陷入自缚。     

作战试验定性数据处理及样本量估算方法

定性数据是武器装备作战试验中的常见数据类型,但目前对于依据该类数据推断试验结论及相关样本量估算的研究还非常有限.探讨了作战试验中定性数据的特征,基于二分检验给出了考核作战试验定性数据的数学模型与样本量估算方法,基于算例验证了方法的有效性,并对应用该方法的一些特殊问题进行了讨论,可对后续开展作战试验提供有用参考.     

数据整合技术研究

信息技术的快速发展使企业对其数据整合的需求提升到前所未有的高度。整合更是企业由内向外发展意识的体现。本文从数据源系统的整合出发,探讨了数据整合的方法及技术路线。     

基于元学习的作战行动效能评估标准数据生成方法研究

部队作战行动效能评估难度大的主要原因是缺乏科学可靠的评估标准数据。为了选择适当的算法生成评估标准数据,建立了基于元学习的评估标准数据生成方法总体框架,并提出集成近似排序树方法来建立作战行动数据集元特征与算法性能排序的映射关系形成元知识,从而辅助指挥决策人员选择适当的算法生成评估标准数据。     

基于数据场的体系作战能力分析北大核心

体系作战能力是由作战单元协作生成的整体作战能力。根据作战体系及其作战能力的构成,在作战体系网络结构的基础上,利用数据场理论分析作战体系的拓扑势场,描述作战单元间的协作能力,建立基于数据场的体系作战能力模型,并进行仿真分析。得到了一种定量分析体系作战能力的方法。     

多传感器数据融合导论

多传感器数据融合是一项新涌现出的技术,可应用于国防领域,如自动化目标识别、战场监视、自治式运载器制导与控制;也可应用于非国防领域,如复杂机械监视、医疗诊断和新式建筑物。多传感器融合技术源于人工智能、模式识别、统计估计等广泛领域。本论文为数据融合提供了指导,它介绍了数据融合的应用、过程模型和对可应用技术的鉴别,并就数据融合方面的技术发展水平作了评述。     

在分布式传感器网络中HMM的数据融合和跟踪

本文涉及多目标跟踪问题,由主动声呐(多静态网络)激活的被动声呐产生量测值。遇到的困难有两类:每个传感器不单独提供一个目标的完全可观察性,另一类是必须涉及到在干扰环境中运动的多个可能机动的目标。这里介绍的算法是基于目标时演变的离散马尔科夫建模方法。它从融合每个量测时间获得的探测值着手。由于动态规划(DF),下一步要完成跟踪和目标运动分析(TMA)。在几乎没有目标运动,例如回避使用确定性目标状态模型的情况下,用这种方法进行多个且机动的目标跟踪。本文介绍和讨论了仿真结果。