边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

盲稀疏度下基于粒子滤波的稀疏信号重构

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并且引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;最后在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

作战效能评估方法研究

作战效能评估是指挥决策的基础。随着战争形态由机械化向信息化的转变,作战信息爆炸式增长,战争系统呈现出前所未有的复杂特征,给作战效能评估工作提出了挑战。文章根据效能评估模型建立机理的不同,将效能评估方法分为数学模型驱动、作战模拟驱动、经验驱动和数据驱动,并从每类方法中选取一种或多种典型方法进行介绍,对各类方法的优缺点和适用范围进行比较,分析得出效能评估发展趋势。     

小推力液体火箭发动机燃烧与传热数值仿真研究

针对边区液膜冷却型小推力液体火箭发动机,引入VOF模型模拟冷却液膜,使用数值仿真手段计算了发动机推力室突扩构型对燃烧效率与传热特性的影响.对比可见计算结果是可靠的,计算表明无量纲台阶高度H*从0.111增加到0.222,燃烧效率增加0.35个百分点、燃烧效率随无量纲台阶长度L*增加变化较小、另外传热特性受H*与L*的影响都不大.这表明在扩张型推力室中,燃烧效率下降的主要原因是壁面附近的气态MMH无法与氧化剂有效混合.     

基于速度可控粒子群算法的航天测控系统任务可靠性分配

航天测控系统是一个典型的多阶段任务系统,讨论了可靠性分配时的约束条件和分配目标,构建了其任务可靠性分配模型,针对任务可靠性分配这类复杂的约束组合优化问题,提出了一种速度可控的粒子群优化算法.为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度更新策略.通过算例仿真,表明算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.     

粒子PHD滤波存活粒子采样新方法

针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法.该方法根据最新量测集中的各个最测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象. 3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km.论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性.     

太阳辐射作用下的飞机表面温场分布实验研究

提出一种通过缩比模型测试飞机在太阳辐射作用下的表面温度场分布,进而通过有限元方法实现太阳辐射温场的三维模拟显示的实验方法.该方法避免了外场测试条件中自然日光辐射强度不可控和环境温度变化的影响,为飞机在太阳辐射作用下的表面温场理论模型验证和实测提供一种有效的方法,对飞机红外特性、日历寿命等研究具有借鉴意义.     

脉冲防暴水炮非淹没气体射流的RANS和LES模拟

为提高脉冲防暴水炮刺激剂的雾化水平,必须提高射流的出口速度和改善雾化带形状,而这些因素与管内非淹没气体射流的湍流流场息息相关。为准确描述湍流分布和水柱加速过程,对脉冲防暴水炮的非淹没气体射流进行了RANS和LES模拟。结果表示LES模型较RANS的标准k-ε模型能更为精确地描述湍流分布和管内非淹没气体射流速度的各向异性。但两者对于水柱加速过程的描述基本一致,只是由于LES模型的气液参混较为充分,气液速度相差较小,而可能导致两模型气体在喷口膨胀规律的异同。LES模型气液界面复杂,是用于研究管内气液流型的理想方法。该方法为三维模拟打下了较好的基础,所得结果可以作为管外射流研究的初始条件。     

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。     

基于预测残差的自适应Unscented粒子滤波

针对经典粒子滤波的样本退化问题,提出了基于预测残差的自适应Unscented粒子滤波.该方法将自适应因子与无迹卡尔曼滤波相结合构造粒子滤波的建议分布,即通过UT变化构造建议分布函数,利用预测残差作为自适应因子,在线调整测量预测协方差、状态测量互协方差和状态更新协方差的实时变化,从而调整其在滤波中的作用.非线性状态估计仿真实验表明,该算法具有较强的自适应性和较高的滤波精度.