要地防空中目标威胁的未确知测度评价

本文在未确知测度理论基础上 ,针对防空作战中敌机威胁排序问题 ,建立了评价排序模型 ,并获得了较为成功的应用     

多目标多传感器跟踪:应用与发展(连载三)多传感器跟踪的实际状况

５网格锁定如果将来自多传感器的数据用于跟踪系统的话,无论它们用于平台中心结构还是网络中心结构,必须变换成通用的坐标系。对于平台中心的应用,这种变换可能是相对简单的工作。但是,网络中心应用则要求较复杂的变换。对于这两种情况,都要求增加修正传感器之间的相对误差的步骤。因此网格锁定过程涉及坐标变换和相关误差估计与消除。为了理解精确网格锁定过程的要求,考虑由下列递归过程描述的一个简化的多平台、多传感器跟踪系统：网格锁定过程存于变换步骤中。本地和远程传感器数据流之间的网络锁定误差会使后面变换步骤中的一步或…     

多目标多传感器跟踪:应用与发展(连载二)多传感器跟踪的实际状况

３坐标系任何跟踪滤波器的最基本特征是坐标系和参考点或该坐标系原点。坐标系和原点的选择依赖于几个因素。这些因素包括由系统跟踪的目标类型、综合到系统中的传感器的类型、来自远程平台的数据的表示和跟踪系统的最终目的。理想的是,人们愿意选择与提供量测的传感器和对跟踪系统具有最大意义的目标相匹配的坐标系。实际上,这是不太可能的。通常,坐标系的选择是通过一个综合权衡过程进行的。虽然有许多坐标系是可以采用的,但是一些实际的考虑通常迫使系统设计者选择少数几种坐标系中的一种。象极坐标系、球坐标系和笛卡尔坐标系是最常…     

电子战仿真(连载)

７．３天线示例下面我们将讨论两种类型的天线。７．３．１抛物面天线示例图２４中给出了一个抛物面天线的增益图。增益取最大值的天线方向被称为波束轴。当发射机的DOA远离这个角度时,加到该信号的天线增益将急剧下降,在主波束边缘某个位置处增益为零值,之后形成副瓣。图２４给出的是一维增益图（例如方位角）,也有正交方向（高低角）上的增益图。可以在一个屏蔽室中通过旋转天线来测量天线增益图,并将测量数据保存到一个数据文件中（增益对角度）,用于确定仿真任意到达角所需的信号衰减量。虽然在真实天线中副瓣的幅值不恒定的,…     

水面舰艇编队编成多目标模糊优选模型及应用

本文克服以往优选决策只是定性比较的缺点,探讨了对编队总体作战能力和武器系统性能相互影响关系进行定量评估的方法,通过编队作战能力层次分析模型的建立,建立了编队编成多目标模糊优选模型。     

大容量抗干扰通信、定位与识别综合系统研究

EPLRS（增强型定位报告系统）将通信、导航定位和敌我识别、态势感知等功能集成到一起,抗干扰性能强,安全性好,网络生存能力强,为战术指挥官带来了极大的方便。但该系统初始的设计通信容量仅为60kbps,远不能满足实际通信需要,而且在高度干扰的环境下其数据通信能力会急剧恶化。本文对提高EPLRS系统容量和增强其抗干扰性能的设计方案进行了探讨,通过改进纠错编码,时间复用,空间复用,延长发射时间,自适应天线阵等技术措施,可以大幅度地将通信容量kbps以上,同时依靠更强的纠错编码、先进的窄带抑制技术和自适应天线阵来提高其抗敌意干扰的能力。论文对此结果进行了理论分析。     

基于邻域灰度分布的IR弱小目标检测

图像中邻域内灰度起伏程度越大 ,各点灰度值占邻域内总灰度值的比率的平方和越大 ,由此提出了一种基于邻域灰度分布的弱小目标检测方法。同时考虑到复杂自然背景 ,特别是背景中含有大量边缘和高频点的情况 ,提出了目标检测的改进方法。最后 ,利用邻域判决法实现运动目标的进一步分离。实验表明该方法能够极大地减少候选目标点数 ,准确有效地检测复杂自然背景中的红外运动弱小目标 ,适合于实时和多目标的检测     

目标选择的一个优化模型

坦克作战过程中 ,经常出现一个坦克群遭遇对方一个坦克群的情况 ,这时每辆坦克往往向威胁自身最大的目标开火 ,但这种选择的整体效果不一定最优。本文提出一种目标选择方法 ,使得最大限度地减轻了对方对己方的威胁 ,大大提高了作战坦克对敌杀伤效果     

舰载雷达对水面目标发现概率研究

为了提高舰载雷达的作战效能,研究了舰载雷达发现水面目标的概率模型,采用了数学建模方法,结合舰载雷达发现目标接收机输入端的信噪比,利用发现距离与发现概率之间的关系,建立了舰载雷达发现水面目标的概率模型,对于提高舰载雷达信息作战能力具有实践意义。     

基于背景差的运动目标检测方法比较分析*

背景差是常用的运动目标检测方法,其基本思想是通过视频帧与背景参考图像的差分实现运动目标检测。背景差法的核心是背景模型的构造。首先介绍基于背景差的运动目标检测方法的关键步骤:预处理、背景建模、背景差分、后处理;其次介绍几种典型的单背景和多背景模型;然后利用自适应背景模型、中值滤波、卡尔曼滤波、混合高斯模型等进行运动目标检测,并从速度、存储开销、准确率等方面对这些方法进行了分析比较。实验结果表明,单背景模型具有更快的检测速度,而多背景模型的检测准确度更高。