非均匀杂波环境中基于粒子滤波的无参目标跟踪算法

目标跟踪算法通常包含对参数杂波密度的测量,该杂波密度通常是不均匀的。目前的无参目标跟踪一般是先假设一个先验未知的杂波密度,假设它均匀分布在一个选好的门限内。这和一个包含强杂波密度、多扫描的目标跟踪算法的选通门限有很大的不同。基于此,提出了一个替代杂波密度估计的无参目标跟踪方法,该算法不假设该杂波在选择的门限内。而是建立在对已测杂波密度估计的基础上,重要的是该估计是在后验目标的轨道更新以前就被估计过,即它是针对杂波密度逆向测量的修正估计。仿真结果表明:该算法在强密度非均匀杂波环境中的有效性。     

基于加权MHD的反舰导弹预定目标选择方法

平均Hausdorff距离(MHD)方法基于编队的整体形状进行匹配来寻找对应点,因此,不像距离选择区法和扩展搜索图选择法那样受导弹自控段的导航误差和目标机动散布的影响。为了进一步提高反舰导弹的目标选择能力,考虑所匹配点集不同区域对Hausdorff距离函数的贡献程度不一样,提出了加权MHD(WMHD)来研究编队预定目标选择问题。首先通过刚体变换方法将火控雷达和末制导雷达探测到的编队点集进行位置匹配,然后利用WMHD方法获取其最优变换位置,最后据此最优变换位置预测预定选择目标在末制导雷达开机的位置。通过仿真实验表明其具有较强对抗冲淡干扰和形状扭曲失真的能力,且性能明显优于MHD方法。     

某型反坦克导弹多目标火力分配优化模型

火力分配模型是反坦克射击指挥软件中的核心模块,某型反坦克导弹是我军新研制的反坦克导弹系统,具有打击精确、射程远、攻击力强等特点,依据该系统的特点基于重点优先、任务最大、避免火力交叉等原则,采用递归算法给出了相应的火力分配模型算法,充分发挥了该系统的特点。     

低空目标检测融合系统的结构与框架设计

在复杂战场环境下,传统的雷达系统很难检测到低空目标。针对低空目标信号微弱、背景杂波干扰强以及目标高机动性等特点,提出了一种低空目标检测融合系统的结构与框架设计方法。该融合系统通过引入混合式结构,增加了系统的鲁棒性与抗摧毁能力。在融合系统的传感器管理与分配环节,目标检测与跟踪方法融合环节,联合检测、跟踪与识别环节,通过对各模块的性能评估和动态优化,实现低空目标融合检测与跟踪性能的最优化。     

论新形势下加强军队建设的原则

军队建设的原则,是谋划军队建设发展、指导军队建设实施、处理军队建设重大问题的基本准则。新形势下加强军队建设,只有坚持政治固军、质量兴军、科技强军、效益谋军、勤俭建军、依法治军、科学管军等原则,才能更有效地提高军队革命化、现代化、正规化建设水平。     

上市军工企业独立董事、审计师选择与代理成本

文章以2009年-2011年沪深两市上市军工企业为样本,探讨了独立董事和审计师选择对管理层代理成本的影响。研究发现,独立董事比例越高,代理成本越低;选择高质量审计师的上市军工企业,代理成本更低。在进一步考虑了独立董事和审计师选择的交互效应后,发现高质量审计师的选择,削弱了独立董事对管理层代理成本的抑制作用。研究结果的政策含义在于：控制上市军工企业的管理层代理成本,需要进一步完善企业内部治理结构,提高独立董事比例,加强独立董事在董事会中的发言权,并构建保障独立董事行使权利的制度平台;强化企业外部治理,聘请高质量的审计师事务所,以审计意见的形式向董事会和股东提供客观真实的决策信息,实现对企业管理层的有效约束。     

加强装备成本控制浅探

加强装备成本控制,提高装备经费使用效益,应强化科研成本控制,制定科学合理的装备购置目标价格,正确处理好性能指标先进性与成本费用经济性的关系;完善成本控制程序和方法,全程监控承制单位生产过程的成本费用管理,以确保装备制造价格合理;建立健全以军事代表为主体的装备成本监督体系,由军方主导装备科研、购置和维修经费的使用与成本监督,实现装备建设可持续发展。     

两向二维NFA及其在SAR目标识别中的应用

通过对传统线性鉴别分析局限性的分析,提出一种基于两向二维非参数特征分析((2D)2NFA)的SAR图像目标识别方法,该方法有效克服了线性鉴别分析的固有缺陷并且运算量也大大降低。首先,定义一种图像矩阵的近邻样本选取方法,继而利用k近邻样本构造(2D)2NFA的类间散度矩阵和类内散度矩阵,然后使用(2D)2NFA提取样本的特征,最后在特征空间中使用简单的最近邻分类器进行待识别测试目标的分类识别。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR图像数据进行了仿真实验,实验结果表明(2D)2NFA增强了提取特征的可鉴别性,能够获得更高的识别率,而且减小了特征维数。     

地面机动目标跟踪问题研究

对地面机动目标跟踪问题进行了研究,针对当前存在的问题,提出了将交互多模型应用到地面机动目标跟踪的思想,从而提高跟踪的精度。     

基于视频图像的目标识别与跟踪算法

研究了基于视频图像的目标识别与跟踪算法。主要应用了Hog特征和支持向量机(SVM)分类器设计完成对目标的侦察识别。当侦察到目标时,采用高斯模型对目标和背景建模,结合卡尔曼滤波预测估计方法和均值漂移(mean-shift)理论,实现目标跟踪和定位功能。最后通过缩微环境中的案例演示,验证了所提算法的可行性。