舰载武器系统目指精度预估模型研究

针对舰载武器系统中的目指精度预估问题,基于卡尔曼滤波理论导出了目指距离精度、目指方位精度、径向速度精度与目标航向精度的数学模型,结合最小二乘滤波建立了这些指标参数的简化计算公式,并利用仿真航路进行了验证,结果表明简化公式物理含义直观明确,预估误差在合理范围之内,能够为武器系统目指精度指标的确定提供理论依据,同时为目指精度参数的在线预估提供支持.     

基于SLPP-LSSVM的空战效能评估研究

针对现代空战效能评估多层次、多因素、非线性耦合的复杂特点,提出一种基于有监督局部保留投影(SLPP)和最小二乘支持向量机(LSSVM)的空战效能综合评估模型.先利用SLPP对数据局部信息和类别信息的处理能力,提取空战效能数据中有辨识力的低维特征;利用获取的低维特征构建LSSVM空战效能综合评估模型;通过构建的模型,对空战效能进行评估.计算分析表明,所提出模型的评估结果与专家的评估结果相一致,没有出现错判,不同参数下结果输出也很稳定.因此,将该模型用于空战效能评估是有效和可行的,也为空战效能评估提供了一种可靠的技术途径.     

基于功能恢复时间的机场跑道目标毁伤评估方法

机场跑道毁伤效果的评估及功能恢复时间在作战评估领域具有重要意义。以子母弹联合火力打击机场跑道为背景,以打击机场跑道的效益为出发点,对机场跑道的毁伤评估标准和方法进行了研究。首先,分析了打击机场跑道的主要目的在于封锁,跑道的毁伤评估标准应重点体现其时间效益;然后,分析得出结论：计算最小升降窗口只能得到是否达到封锁机场的目的,需计算最优升降窗口才能得到机场功能恢复时间;进而提出了一种方向搜索算法,可搜寻打击后机场跑道上的最优升降窗口,并进行了算例分析。提出的方法可为战场机场毁伤评估和跑道修复提供参考。     

美国试射世界上最小的精确制导导弹

2006年4月12日,美国加州中国湖海军空战中心进行了世界上最小的、“发射后不管”的精确制导导弹发射试验。这种导弹命名为“销钉”(Spike),重仅2.4千克,长63.5厘米,直径5.7厘米。试验中,该导弹从1000米之外发射,命中一个2米长的目标(距致命性中心点仅20厘米),验证了该导弹发现和击中诸如小艇、直升机、小型装甲车等机动性目标和机枪掩体等固定目标的能力,而且对周围环境产生的附带损伤很小。该导弹和发射架采用商业现货的形式购买零部件,因此成本低,单价将不超过5000美元。该系统适于肩扛发射,或者遥控无人车发射,不需要组装或特殊维护。“…     

高炮射弹飞行时间拟合

用插值拟合和最小二乘逼近拟合方法对高炮射弹飞行时间拟合问题进行了研究。通过对插值拟合公式原理及误差规律的分析,提出确定可用区间的"去值检验"方法,说明了插值拟合公式的应用范围。通过对最小二乘拟合公式实际计算结果的分析,得出了"拟合公式阶数取3为最佳"的结论。对其他口径高炮的射弹飞行时间拟合也基本适用。     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性     

恒定应力加速寿命试验的非参数统计方法

在恒定应力加速寿命试验 (简称恒加试验 )的统计分析中 ,非参数统计方法具有一定的实际价值 .在一定的假定下 ,文中给出了两种新估计 ,并证明了它们的优良性     

基于CWLS时差频差无源定位闭式解算方法

针对时差频差无源定位场景,提出一种基于约束加权最小二乘的无源定位闭式解算方法。在两步加权最小二乘算法基础上,建立了基于约束加权最小二乘的无源定位模型,推导其无约束最优化形式并给出目标状态估计的解析解。推导了目标状态估计均方误差的表达式,通过理论分析证明所提算法在保持两步加权最小二乘算法定位精度基础上,具有偏差减小特性。仿真结果表明,所提算法定位精度能够逼近CRLB,定位偏差明显小于两步加权最小二乘算法,验证了理论分析的有效性和所提算法的优越性。     

一种改进的次级通道辨识算法

为提高次级通道的辨识精度、减小辨识误差对自适应控制的影响,以横向滤波器作为估计模型,分别应用带遗忘因子的最小二乘递推算法和变步长最小均方算法来对横向滤波器的权系数进行了更新,并对两种算法的辨识精度和控制效果进行了对比。结果表明:变步长最小均方算法的性能优于带遗忘因子的最小二乘递推算法,但变步长算法仍存在收敛速度过慢、辨识残差较大的问题。为此,提出一种改进的变步长最小均方算法,并对其进行了实验验证。实验结果表明:改进之后的变步长最小均方算法的辨识精度满足控制要求,收敛速度较快。     

引入STF算法的自适应SICKF及其在目标跟踪中的应用

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)算法,提出了一种自适应均方根嵌入式容积卡尔曼滤波(ASICKF)方法。采用嵌入式容积准则和均方根滤波方法,以提高算法的滤波精度和稳定性。引入强跟踪滤波,利用渐消因子在线修正预测误差协方差阵,强迫残差序列正交,以增强算法应对系统状态突变等不确定因素的能力。为了解决状态突变未知的目标跟踪问题,采用自适应均方根嵌入式容积卡尔曼滤波算法进行数值仿真,仿真结果表明,ASICKF在系统状态突变时能保证较高的滤波精度,具有较强的鲁棒性和系统自适应能力。