基于命中概率的海警舰炮对海试射问题研究

为研究水面舰艇在维权执法任务中舰炮武器试射问题,提高海警舰艇舰炮武器运用能力,基于舰炮命中概率构建了仿真模型,通过仿真计算得出了不同试射决策下目标分布概率误差随射击距离的变化,并分析了射击命中概率与射击距离的关系,进一步得出了海警舰艇试射决策：即当射击距离小于等于4 500 m时不应进行试射,且射击距离小于4 000 m时,不试射的命中概率较高与不引入新误差的命中概率几乎一致;当射击距离大于4 500 m时,可根据现场情况进行试射。研究成果可以为海警舰艇执行维权任务提供参考。     

装备保障兵棋动态评估方法研究

针对装备保障兵棋推演中的方案裁决和分析评估问题,对装备保障效能动态评估方法进行了研究.从分析装备保障兵棋要素入手,构建基于兵棋地图的评估模型.该兵棋地图评估模型能够充分利用地图中的静态地理环境信息和动态战场环境信息,对装备保障方案进行综合分析并给出评估结果,为装备保障方案的制定、调整和执行提供依据.     

基于事件的视觉SLAM综述

事件相机是一种生物学启发的新型视觉传感器。不同于传统相机输出强度图像帧,事件相机检测每个像素点的亮度变化,当亮度变化超过某一阈值,产生包含像素位置、时间戳及变化极性的像素级事件输出。同步定位与地图构建（SLAM）是一种让机器人独立估计自身位置并同步增量式地构建周围环境地图的技术,使用传统相机进行SLAM已经是一个成熟的话题,但在高速、高动态范围等挑战性场景下,传统图像帧易产生运动模糊。事件相机具有低延时、高时间分辨率、高动态范围等优秀特性,可以在SLAM领域弥补传统相机的不足,但“事件”这种非常规的异步输出形式导致了处理范式的转变。首先介绍了SLAM技术的基本流程,其次介绍了DVS、ATIS和DAVIS三种典型的事件相机,列举了基于事件的SLAM性能评估方法,梳理了事件寿命估计、时间平面表示、事件帧表示等事件数据的不同处理方式,然后回顾了事件相机在国内外视觉SLAM领域的应用研究并进行了总结和对比,最后对基于事件的视觉SLAM技术作了总结并展望了其未来发展趋势。综述表明,事件相机可以进一步拓宽视觉SLAM的应用场景,但新的数据形式和尚不成熟的硬件体系限制了基于事件的SLAM的发展。未来...     

基于改进遗传算法的AUV动态目标搜索算法

针对水下动态目标搜索问题,提出一种基于改进遗传算法的AUV动态目标搜索算法。采用蒙特卡罗统计方法生成大量目标运动轨迹,作为计算适应度依据;结合水声模型提出一种新型的累积探测概率计算方式;种群选择采用灾变思想与精英主义相结合方法,保证种群的非劣性和多样性,加速跳出局部极值;采用混沌序列方式选择交叉和变异点,增加种群随机性;采用动态自适应的交叉概率与变异概率,减少经验依赖,保证后期种群多样性。仿真实验结果表明,相较于传统算法和经典遗传算法,改进遗传算法能有效避免陷入局部极值,提高搜索概率。     

双向多中继通信系统中继选择方案

未来海上编队作战中,为有效解决参战单元多,指挥关系复杂,信息流通量大等问题,需要有一套可靠的通信系统做保障,由于双向多中继通信系统具有较高的频谱利用率和网络吞吐量,是协同通信领域的研究热点。研究了双向多中继通信系统的通用模型,改进了现有的分布式中继选择方案,通过与最优接收信噪比中继选择方案和已有分布式中继选择方案进行仿真对比,优化后的系统信道容量和中断概率与最优中继选择方案比较接近,且在中断概率和中继数量较少时,信道容量较已有的分布式中继选择方案均有所提升。     

基于统一理论框架的故障诊断模型及学习进化方法

本文以概率图理论为基础,系统研究了基于这一理论框架的故障诊断模型,对模型的构建方法以及在不同场景下的模型演化方案进行了探讨,使得在统一理论框架下可实现多模式系统故障诊断、耦合故障诊断、动态故障诊断、故障预测等复杂情形的诊断。为了弥补单独利用基于模型的方法和基于数据的方法的缺陷,研究了诊断模型的学习进化策略,实现了诊断效果的改进和优化。另外,对模型后续的能力扩展和可能的研究方向进行了展望,为后续理论研究提供了参考。     

基于声诱饵对抗的火箭助飞鱼雷命中概率仿真

针对舰艇使用火箭助飞鱼雷与潜艇对抗的典型样式,分别建立了潜艇自航式声诱饵对抗声自导鱼雷模型、火箭助飞鱼雷对目标提前位置射击参数解算模型、鱼雷运动模型、潜艇机动模型和命中概率计算模型,采用模拟法计算了火箭助飞鱼雷单雷射击和双雷齐射的命中概率,总结了射击距离和潜艇航速对火箭助飞鱼雷命中概率的影响,研究结论可为火箭助飞鱼雷作战使用提供理论指导。     

应召反潜条件下浮标阵型规划研究

以圆形阵和直线阵为例,在充分考虑目标态势的基础上,建立了应召反潜条件下的浮标阵型布放模型。给出了一种搜潜概率计算方法,并基于此对建立的阵型模型进行了仿真验证。仿真结果表明,所建立的阵型模型是合理的。     

未知新生目标强度的多目标概率假设密度滤波算法

针对标准概率假设密度滤波器要求,新生目标强度作为先验信息需已知的工程限制,提出一种未知新生目标强度的多目标概率假设密度算法。该算法以概率假设密度滤波器为基础,通过充分利用目标运动信息及其与监视区域的相对关系来获取源于潜在新生目标的量测,并以此建模下一时刻滤波器所需的新生目标强度。仿真结果表明,所提算法在含有未知新生目标跟踪场景具有鲁棒的滤波性能,且其跟踪精度和计算代价均优于相关多目标PHD滤波器。