大方位失准角下基于多捷联解算的快速对准方法

传统线性误差模型无法直接应用于大方位失准角的情况,而达到小角度误差的粗对准往往需要较长时间,不可避免地延长了对准时间.针对以上问题,提出了一种基于方位角区间划分的多模型并行处理对准算法.给出了方位角区间划分的方法,各区间以其中心值为初始方位角独立运行捷联解算算法和卡尔曼滤波算法,并分两种滤波校正方式给出了最优导航结果的选取方法.数字仿真结果和转台摇摆试验验证了算法的有效性.     

组网雷达的改进粒子滤波算法

针对现代战争中有源雷达容易受到干扰和反辐射导弹的摧毁,以及无源雷达隐蔽性高,只能测量方位角度,测量精度小等特点,提出利用集中式有源雷达系统与无源雷达系统协同组网对目标进行跟踪。但是在实际环境中,噪声属性以及有源雷达,无源雷达接收信号的特点决定了组网雷达需要应用非线性滤波技术对信号进行处理。传统的非线性技术包括卡尔曼滤波、扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)等方法。非线性近似过程带来的误差相对较大,而且均要求观测噪声和过程噪声为独立或相关的高斯白噪声。而粒子滤波避免了传统非线性滤波方法的缺陷,但是存在粒子退化,于是用EKF和UKF在每一时刻更新粒子,用更新的粒子及其协方差构造重要性函数,然后重采样。仿真实验表明这两种改进粒子滤波方法有很好的效果。     

高斯马尔可夫融合算法在卡尔曼滤波中的应用

针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂,计算负担较重的问题,结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值,不需要计算局部稳态滤波误差互协方差,只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单,省略了很多繁琐步骤也能达到不错的滤波融合效果,通过仿真证明了此方法的可行性和高效性。     

带概率因子的最小费用流经济性分析模型研究

装备跨越式更新换代,传统的备件维修保障模式已难适应装备的发展。针对备件维修级别经济性问题,在备件及其维修网络结构分析的基础上,分析各种维修费用,并借助故障树理论,设定四类模型节点:源节点、修理决策节点、转移概率节点和结束节点;分析建立带概率因子的最小费用流经济性分析的模型网络图,结合概率因子分析各种维修费用,由此建立最小费用流的经济性分析模型,并实例论证了该模型的可行性,为解决备件维修级别问题提供了一种新的思路。     

一种强干扰下均匀圆阵弱信号测向新方法

为了解决强干扰背景下常规空间谱估计算法对弱信号不能正确测向的问题,基于均匀圆形阵列(UCA),提出了一种扩展噪声子空间弱信号波达方向(DOA)估计算法。首先将强干扰方向向量并入噪声子空间形成扩展噪声子空间,然后构造波束函数和新的方向向量进行谱峰搜索。本算法能有效抑制强干扰的影响,对弱信号方向进行正确估计。最后计算机仿真实验验证了本算法的有效性和正确性。     

伪逆法在飞控系统自修复控制中的应用

研究了飞机在操纵面损伤或卡死故障情况下使用伪逆法进行自修复控制律重构的方法。提出了一种新的飞机单舵面故障的注入形式,引入了交联因子,并分别对飞机舵面卡死和损伤故障进行了建模,给出了数字实时仿真结果,验证了在单舵面故障情况下伪逆重构算法可以快速收敛到飞行正常状态。这种算法简单可行,实时性好。     

基于非线性技术的AUV组合导航新方法

针对小型AUV对低成本、微小型、高性能导航系统的需求,提出了一种基于MEMS技术的IMU/DVL组合导航新方法.分析了低成本惯性导航系统的特点和误差模型,为有效提高系统的导航精度引入多酱勒测速仪与微机械惯性测量单元相组合,并采用无迹卡尔曼滤波(UKF)算法设计组合导航系统的滤波器.仿真结果表明,基于UKF滤波的MEMS...     

基于灰色预测法的军械维修器材消耗规律

研究并掌握军械维修器材的消耗规律,对做好军械维修器材的保障工作有着重要的意义.基于此,研究了灰色预测法,并针对军械维修器材的实际情况,论述了如何确定影响因子,进而对灰色预测模型进行了改进,用改进后的模型研究军械维修器材的消耗规律,预测结果非常贴近实际值.     

贝叶斯网络在潜艇远航隐蔽性评估中的应用

针对潜艇远航中面临探潜兵力种类多、各兵力间相互联系的特点,将基于贝叶斯网络的故障诊断方法引入到潜艇隐蔽性的评估中。假设通过分析某次远航实例后得到节点分布参数,结合建立的潜艇远航暴露贝叶斯网络图,得出相关结论。初步探讨了该方法对潜艇隐蔽性的评估、诊断暴露原因、确定关键探潜兵力等方面的应用价值。     

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分.贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较.实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能.