基于改进粒子群算法的联合火力打击目标分配研究

针对联合火力打击目标分配涉及影响因素多、存在大量参数和变量的特点,建立了联合火力打击目标分配模型,采用改进的粒子群算法探讨了目标最优化分配问题。对粒子群算法中解空间存在的可能解进行编码,将可能解进行交叉、变异和选择操作得到新的粒子个体,不断迭代,从而得到可行的最优解。通过对一个作战想定的多次仿真,进一步表明了算法的可行性和有效性,为指挥员科学决策提供了依据。     

基于BP神经网络的空中目标识别

空中目标识别是防空作战辅助决策的关键环节之一。根据空中目标的各种属性,建立基于BP神经网络原理的空中目标识别模型。利用MATLAB神经网络train函数训练采集的样本数据,得到稳定的权值和阈值,为后继的目标识别提供依据。该模型利用神经网络的记忆、联想、容错功能,进一步提高空中目标识别的稳定性和可信度。降低了个别传感器误判而造成的目标识别错误概率。     

作战资源规划方案生成时间分析

资源规划是联合作战中一项重要环节,资源规划方案对提升联合作战的效率,达到更好的作战效果具有重要意义。现代战争的速度越来越快,如何在最短时间内能够生成较优的资源规划方案,提高决策反应速度,是联合作战中需考虑的关键问题。本文在基于MDLS算法的基础上,通过计算机仿真,分析了平台数量和平台优先权对资源规划方案生成时间的影响,得出了相关结论。     

SINS/GNSS自适应反馈校正滤波

SINS/GNSS组合导航中,反馈闭环校正比开环输出具有更高的短时精度;但反馈校正的输出会有长时间缓慢发散迹象。传统工程上应用最优奇异值可观测度对反馈向量进行自适应调整,但最优奇异值计算量很大,且不同机动情形下的最优奇异值也不相同,很难确定。通过分析卡尔曼滤波的方差矩阵,提出一种新的可观测度定义,并利用滤波协方差矩阵确定新的可观测度,并结合人工神经网络确定反馈校正的自适应调整系数,仿真表明新方法抑制了反馈校正输出误差的长时缓慢发散,提升了导航精度。     

预警机引导战斗机空战目标分配模型

从预警机引导战斗机空战的角度出发,通过对预警机引导战斗机空战过程的分析,确立了战斗机对敌攻击时应具有的优势函数,建立了基于蚁群算法的空战目标分配模型。最后通过具体仿真算例,证明文中给出的蚁群算法模型能够有效地解决预警机引导战斗机空战目标分配问题。     

自适应旁瓣对消分析与仿真

实际中由于多种因素的存在使得对消性能下降,以最小均方准则下的旁瓣对消原理为基础,详细分析了实际中几种重要的因素对自适应旁瓣相消性能的影响,包括辅助天线中信号分量、主辅通道响应不一致、主辅天线间距的影响,最后通过仿真验证了旁瓣对消性能。结果表明,旁瓣对消系统可以有效地抑制有源干扰信号的影响。     

基于改进的BP算法的舰载C4I威胁判断模型

为解决传统舰载C4I威胁判断模型的不足,寻求适应信息化作战要求的舰载C4I威胁判断模型,将神经网络引入舰载C4I系统,提出了基于BP神经网络的威胁判断模型,并对BP算法进行了改进;通过Matlab仿真计算,结果表明该方法计算速度快、精度高.