信息空间的真实火力——网络赋能弹药的发展现状与趋势

网络赋能弹药是指在网络中心作战体系中,充分利用网络优势执行杀伤任务的弹药。作为网络中心战体系的执行终端,网络赋能弹药可充分利用网络互联所赋予的新能力,完成飞行中位置信息的刷新、报告与目标碰撞的时间,以及战斗部起爆前的碰撞效果评估等信息,执行打击时间敏感目标和移动目标的任务,将在未来战争中扮演重要角色。     

一种高可靠监控模型的研究

监控模型自身的可靠性是衡量其好坏的重要指标.集中式监控模型具有简单高效的特点,但由于这种集中式管理模型只有一个唯一的管理者,因此在可靠性方面具有明显的缺陷和不足.在保留集中式监控模型优点的基础上,通过引入多互联模型、分布式机制和负载均衡策略,设计了一种具有高可靠性的监控模型,并对其进行了可靠性分析.     

使用IMM/JPDA和固定延迟平滑滤波方法进行杂波环境下多机动目标跟踪

本文考虑用转换多目标运动模型对杂波环境下多机动目标进行跟踪。在马尔科夫转换系统中,次最优算法采用基本的交互多模型(IMM)逼近和联合概率数据互联(JPDA)技术。本文在IMM和JPDA的基础上发展出次最优固定延迟平滑算法应用于增广状态系统,并通过对两个高机动目标的跟踪举例说明了这种算法的有效性。     

浙江省军区体系练兵,检验三级机关联动力

通信天线架设、指挥方舱开设……1月2日,浙江省组织省市县三级军事机关信息化条件下国防动员指挥要素演练。记者探访演练场,只见指挥方舱荧幕闪动,信息数据互联频传,机关参谋口述标图、判定方位。各军分区(警备区)接收号令,在不预先告知、不设作业想定的情况下,单位主官坐镇首车,打响“第一枪”。     

用于数据链信息处理的PDA算法设计与实现

数据链系统处理雷达数据信息时,要求一个跟踪算法能够更有效地滤除杂波,消除虚警。在单传感器环境下,若落人相关波门内的回波多于一个,那么这些候选回波中可能都是来自目标,也可能由杂波产生。概率数据互联算法(PDA)能充分利用跟踪门内的回波,具有较小的误跟、丢失目标的概率和计算量较小的优点。通过实现 PDA 算法,证明了它在杂波环境下可以取得好的跟踪效果。     

一种双门限自适应多模多目标跟踪算法

针对机动目标的交互多模跟踪滤波器,提出了基于模型过程噪声自适应调整的双门限的AIMM算法,并对其性能进行了研究,该算法对模型初始参数不敏感,具有稳定性,在目标模型与目标实际运动偏差较大的情况下,具有较好的跟踪性能;针对密集杂波和多目标情况下的目标跟踪,将多模交互滤波的模型自适应调整算法与JPDA算法结合,提出了AIMMJPDA算法的思想与实现。仿真结果显示该方法在机动目标跟踪方面具有模型调整简单、跟踪实时性良好的效果。     

使用多传感器的融合数据进行数据互联

数据互联利用融合的多传感器数据为基础,多传感器融合提供了一个简洁的图形,该图形由当前出现在监视区域中的目标的数字的和非数字的两种属性组成。数据互联技术包含两个过程。第一个过程是,活化的成群过程-在这个过程中,根据已有的航迹在预期的量测附近找到一个群,融合该群中的数据以获得组成群的目标的简洁的图形。第二个过程是,目标类型匹配过程-在该过程中,将已有航迹中包含的目标类型与包含在活化的群中的目标类型进行匹配。本文所提出的数据互联提供了一种手段,把量测得到的可信度值赋给每一条航迹(以接收的数据为基础),并以直接了当的方式推广到处理多目标跟踪数据互联。     

杂波环境中机动目标跟踪算法性能分析

由于概率数据互联算法不具有跟踪机动目标的能力,为了解决杂波环境下机动目标跟踪问题,提出了很多基于概率数据互联的修正算法。这些算法各有特点,因而它们在不同的情况下,算法的跟踪精度、实时性等方面各有优劣。假定一种典型的目标机动情况,在这种情况下对几种比较具有代表性的修正算法进行仿真实验,并根据实验结果对它们各方面的性能进行综合分析。     

着力管住用好官兵的“朋友圈”

随着智能手机使用的"破冰",微信成为广大官兵青睐热衷的社交工具。微信在改变官兵生活方式的同时,也对部队日常管理提出了新的挑战。管住用好官兵"朋友圈",不仅需要融入其中、全域关注,更需善于发声,筑好"防火墙",会当"意见领袖",不断传递正能量。     

用于多目标跟踪的m-最佳S-D分配算法

本文描述了一种称为m-最佳S-D(即m—最佳S维)的新数据互联算法,这种算法在O(mSkn3)(m个分配,长度为n的S≥3个序列,k次松弛)时间内得到对于S维分配问题的(近似)m-最佳结果。m-最佳S维算法应用于以下的跟踪问题:要么传感器是同步的,要么传感器和/或目标运动非常缓慢。此项工作的意义在于m-最佳S-D分配算法(以滑窗模式)可以通过避免所需列举的令人不堪忍受的指数数目的联合假设,从而有效实现次优多假设跟踪(MHT)算法。本文首先描述了m-最佳S-D所应用的一般问题。特别是根据来自S个传感器的视线(LOS)(即不完全位置)量测,求取完全位置量测集合,即通过求解一个静态S-D分配问题可得到第1、第2、…、第m个最佳(在似然意义下)完全量测集合。使用用于得到m-最佳S-D分配解的联合似然函数,就可用类似JPDA(联合概率数据互联)技术来度量复合量测的正确概率。来自连续扫描的复合量测序列以及它们相应的概率,轮流用于一个动态2-D分配算法的状态估计器中,以估计随着时间变化的运动目标状态。基于一个似然函数获得动态分配权系数,此似然函数包含了从(静态)m-最佳S-D分配解中得到的“真实”复合量测概率。通过把m-最佳S-D分配的解法用于一个仿真的多目标被动传感器航迹起始与航迹维持问题,展示了m-最佳S-D分配解法的优点,其