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。     

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。     

基于分层贝叶斯网络的反潜编队对潜威胁估计

应用贝叶斯网络模型进行威胁估计是当前研究的热点和难点。提出了应用分层贝叶斯网络模型构建威胁估计网络,用于估计反潜编队对潜威胁等级。首先,对分层贝叶斯网络模型进行了简要的阐述,并对利用该模型进行威胁估计的可行性进行了分析。其次,分析了反潜编队对潜威胁产生的原因和机理,在此基础上,构建了威胁估计网络。最后,通过算例仿真验证了威胁估计网络的有效性。     

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。     

不连续距离特征量信息融合方法

浅海波导中低频声场存在稳定可观察的干涉结构,目标辐射噪声LOFAR图中呈现干涉条纹图案。从条纹中可以提取出距离特征量信息,它反映了目标运动过程中的距离变化率。由于外部环境的影响或运动态势的改变,LOFAR图中条纹有可能会短暂丢失。此时,基于波导不变条纹的距离特征量提取算法失效。提出了不连续距离特征量信息融合方法,在条纹丢失期间内保持对目标距离特征量轨迹的跟踪。仿真及海试数据处理结果验证了其可行性。     

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。     

WiMesh网络中处理多径衰落和带宽效率的相关技术

WiMesh网络作为一种新型的无线城域网解决方案,已在美国等地得到了广泛的应用。因而,研究WiMesh网络的相关技术具有十分重要的意义。同时,在未来的无线宽带通信系统中,多径衰落和带宽效率方面一直是研究者们重点探讨的问题。简要介绍了WiMesh网络的基本概念和特性,重点介绍了WiMesh网络中处理多径衰落和带宽效率的相关技术。     

机载RWR/ESM中改进最近邻算法的分频段辐射源识别

当前战场环境复杂,机载RWR/ESM要求对辐射源快速识别。由于机载RWR/ESM设备计算能力有限,传统识别中采用的线性匹配算法耗时长,已经不适应当前战场环境。结合RWR设备的分频段体制提出分频段划分雷达样本库,库内采用频率优先最近邻算法以降低计算时间。仿真对比了改进最近邻分频段方法与线性匹配方法的计算时间,结果表明了该方法的有效性。     

基于ANP和熵的起重机械吊装训练评价组合赋权法

为了给起重机械吊装训练提供一个科学的评价模型,采用了基于网络层次分析法(ANP)与熵值法集成的组合赋权法建立起重机械吊装评价方法。首先分析了影响吊装训练的关键因素,在此基础上建立一个科学的评价指标体系;然后运用网络层次分析法分析各指标间相互影响的关系并确定主观赋值权重,用熵值法根据各指标的客观属性确定客观赋值权重;最后通过组合赋权法确定各指标的最终权重,使评价结果既反映出各指标的客观属性,同时也能考虑到决策者或者专家的意见。应用结果表明,该方法确定的权重更符合吊装训练的实际。