鱼雷航向估计模型的可信性

悬浮式深弹拦截鱼雷是大型水面舰艇水下防护作战的一种重要形式,其中估计来袭鱼雷的航向是实施拦截的关键。针对鱼雷航向的估计问题,引用基于相遇三角形原理的来袭鱼雷航向估计模型,分析了来袭鱼雷的可能航向角范围。采用数字仿真和仿真模型置信度的决策分析方法,对模型的可信性及其决策风险进行了量化分析。结果表明,该鱼雷航向估计模型可信,可为悬浮式深弹拦截鱼雷的作战训练、战法研讨及其仿真研究提供参考。     

编队辐射源威胁估计研究

针对编队辐射源威胁估计结果在用途上的不同要求,以编队辐射源识别过程为依据,提出了便于编队指挥员把握战场电磁态势的宏观辐射源威胁等级划分方法,并以此为基础,利用多属性决策理论研究了微观编队辐射源威胁系数的计算方法,并以编队电子对抗中的融合识别为例给出了仿真实例。实例表明,该方法可实现编队辐射源威胁估计结果在宏观与微观使用上的统一。     

基于贝叶斯混合源分离方法的声纳探测误差模型

声纳的探测误差模型是声纳仿真的核心技术。针对现有的声纳误差白噪声模型仿真逼真度低的问题,提出了基于贝叶斯混合源分离方法,建立了声纳的探测误差模型,提高了声纳误差模型的性能。与传统的白噪声仿真方法相比,基于贝叶斯混合源分离方法的声纳误差仿真模型具有较好的逼真度,可以有效地对声纳探测误差进行建模和预测。     

基于目标威胁规则的雷达情报按需分发

针对预警监视网络中信息过载的问题,为了提高情报分发的效率,提出了基于目标威胁规则的情报按需分发方法。依据目标特征以及保卫对象,利用模糊综合决策和层次分析法估计目标威胁值,在此基础上,通过设定阈值过滤,并与用户作战需求模型动态匹配,最终将所得到的目标情报信息分发给特定情报用户。仿真表明,该方法能够有效地实现情报的按需分发。     

基于正则化的多平台导航定位及探测偏差估计方法

影响舰载雷达探测误差主要为平台导航定位误差和传感器自身探测误差,针对对这两类误差的影响因素进行了分析,首次综合考虑这两种系统误差,提出了一种基于正则化的多平台导航定位及探测偏差估计方法,利用不同舰艇上传感器对公共目标探测的迭合条件,建立系统误差观测方程,利用LS对两种系统误差同时进行了估计,并在偏差估计中采用正则化估计方法,提高估计结果的稳定性,最后进行了仿真验证,仿真效果验证了算法的有效性,具有较高的工程应用价值.     

卫星通信新技术专题讲座(二) 第3讲 基于分段累加的大频偏估计算法

文章提出了一种基于分段FFT累加的前向频率估计算法,该算法不需要位定时辅助,只要采样频率足够高,即能适合于各种频偏的信号。该算法仅需要较短长度的FFT运算,并通过采用多段累加的方式提高估计效果。仿真表明,该算法可以在极低信噪比以及大频偏条件下获得令人满意的估计精度。     

ICAO二阶阶跃模型下信号畸变对导航接收机载噪比估计影响分析

载噪比是评估导航信号质量的重要指标,直接影响着接收机的捕获、跟踪和电文解调性能。论文推导了基于国际民航组织（ICAO）二阶阶跃信号畸变模型下导航接收机采用相关、非相关处理时载噪比估计与信号畸变参数之间的解析表达式,并分析了导航信号畸变参数对载噪比估计的影响。仿真结果表明,数字畸变参数变化范围下导航信号载噪比变化在10-2量级,增大模拟畸变的振荡频率或者减小衰减频率将会提高载噪比估计值,模拟畸变参数变化引起的载噪比损耗可达0.1dBHz,畸变参数对载噪比估计的影响整体上都较小,因此利用接收机输出载噪比作为导航信号异常监测手段是不完备的。     

对流层散射无源监视系统最优布局方法

为提高对流层散射无源监视系统对辐射源的定位精度,利用改进粒子群优化算法对分布式监视节点进行最优布局设计。推导了基于电磁波方位到达角定位机制下的几何精度因子。在改进粒子群优化算法中,采用混沌理论初始化所有粒子的初始参数;通过自适应变化的惯性权重和学习因子来提高算法寻优能力;为防止粒子陷入局部最优,利用双子群机制进行寻优,并在两子群之间进行交叉变异操作,以增加粒子的多样性。仿真结果表明:相对于几种常规的布站方式,所提算法能够明显提高监视系统对辐射源的定位精度,运行时间较遍历寻优算法有所减少。     

基于Coherent Point Drift方法的SAR图像散射中心匹配

散射中心匹配是当前散射中心用于SAR图像目标识别的一个主要技术途径.散射中心匹配的难点在于散射中心特征存在的误差和缺失.Coherent Point Drift (CPD)方法从概率密度估计的角度解决点模式匹配问题,能够较好地考虑散射中心的误差和缺失.本文将CPD方法用于散射中心匹配,并在此基础上引入车辆目标SAR图像方位角估计先验信息和散射中心属性信息,以提高散射中心匹配的准确性和稳健性.MSTAR数据实验说明了该方法的有效性.     

视觉惯性SLAM研究进展

近年来视觉惯性SLAM是机器人及计算机视觉领域中的研究热点问题,在无人驾驶、增强现实、三维重建等领域有着广泛的应用.简述了视觉惯性SLAM的关键技术,并从统一的贝叶斯框架出发介绍了后端的两种形式——滤波和优化.对几个代表性视觉惯性SLAM系统进行深入对比分析,讨论了近年研究热点与发展趋势,并做出总结与展望.