杂波对空中平台侦察的影响分析

为从功率角度说明杂波对空中侦察设备的影响,提出一种新的杂波功率计算方法,该方法将杂波功率计算从单散射块的简单模型扩展到全向散射空间的精确模型。首先,选取合适的杂波后向散射系数模型;其次,构建空中平台与机载雷达的几何模型,详细地推导了等距离环数学表达式,在考虑距离模糊情况下推导了杂波功率数学表达式;最后,仿真结果表明:该方法比文献杂波功率计算方法更加准确,从功率角度说明了杂波对侦察的影响,为后面研究杂波抑制奠定了基础。     

一种全局最优的多感测器检测融合算法

在实际检测中,由于带宽、信道衰落和信道噪声等因素的影响,从本地检测器至融合中心的信道通常无法保证为理想传输信道,另外由于本地检测器和融合中心的距离比较远,会加剧信道的非可靠性和增加信道的传输能量,于是就在本地检测器和融合中心之间增加中继节点.然后利用贝叶斯规则对所有节点的判决规则进行联合最优化.最后通过仿真对系统的检测性能进行了比较.     

一种改进的均方根容积粒子滤波算法

传统的粒子滤波算法在重要性采样估计时忽略了当前量测影响。在非线性场景下,传统的粒子滤波导致个别粒子具有大权值,造成估计结果精度差。针对该问题,结合均方根容积卡尔曼滤波(SCKF)算法和Gating技术,提出了一种新的重要性函数估计算法。本算法将后验概率作为重要性采样函数,通过利用SCKF和统计距离,建立粒子与量测的关联关系,实现对重要性采样函数的均值和协方差矩阵的估计。而后,使用粒子滤波算法,对多目标状态和数目进行估计。实验表明,在非线性跟踪场景下,本算法估计精度高,估计结果稳定。     

累积跟踪概率的舰载主动声纳作用距离衡量方法

通过对水面舰艇声纳主动工作方式探测概率及作用距离的分析,探讨了目前常用的单次探测概率衡量方式所产生的问题,提出了累积跟踪概率的衡量方法,并结合某作战训练系统,应用蒙特卡洛法进行了仿真计算,计算结果表明,该方法可有效满足舰载声纳主动工作方式探测概率及作用距离的衡量需求,可为水面舰艇反潜作战的配置方法和指挥决策提供较高的参考价值。     

马料馍馍也好吃

1963年初冬的一天,我们在距离连队5公里外的地方挖渠道。已经过了饭点,午饭才送来。牛车上坐着司务长、炊事班长和"车把式"三人。明眼人一看就觉得奇怪,怎么今天这么多人来送饭?司务长远远地就把指导员喊到车边,小声地说了些什么。炊事班长拿起碗盛了两勺菜递给指导员。"车把式"连忙给指导员发馍馍。他们各负其责把指     

基于多极化多特征提取和SVM的目标识别方法

充分有效地利用全极化雷达目标高分辨一维距离像极化信息是雷达目标特征提取领域一个热点问题.提取全极化雷达目标高分辨一维距离像的极化特征、结合其能量聚集区长度以及中心距特征共同构成特征向量,采用支持向量机进行特征分类,从而提出了一种基于多极化多特征提取和支持向量机的目标识别方法.基于转台数据的实验结果表明,提出的基于多极化多特征提取和支持向量机的目标识别方法有助于获得较高的分类正确率.     

基于强化学习的一对多雷达干扰资源分配策略研究

针对干扰机一对多情形下的干扰突防问题,提出了一种基于强化学习的一对多干扰情形下的干扰资源分配方法,引入干扰辐射能量比和突防距离比作为评价指标,并对DQN(deep Q network)和Dueling-DQN算法引入动态调整的奖励值以增强算法的收敛能力。结合一对多干扰突防场景,对两种算法进行了验证,实验结果验证了两种算法的可行性及差异性,实现了对于干扰资源在干扰功率、时长、干扰样式及干扰雷达选取的资源分配能力,满足了一对多情形下的干扰资源实时、动态的分配需求。     

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。     

反空空导弹的导引头研究

从反空空导弹的导引头对空空导弹的最大探测距离方面论述了其不适宜采用雷达导引头的原因,并指出了反空空导弹可采用红外导引头来跟踪空空导弹的可能性。同时又分析了空空导弹的红外辐射特性,说明了反空空导弹红外导引头探测器响应工作波段应为3μm～5μm。     

基于马氏距离的飞行缺失数据估计方法

针对基于欧式距离的最近邻居的缺失值估计算法的不足,提出了一种基于马氏距离的估计算法来估计飞行数据集中的缺失数据.该算法通过飞行数据之间的马氏距离来选择最近邻居数据,并将已得到的估计值应用到后续的估计过程中,然后采用信息熵来计算最近邻居的加权系数,得到缺失数据的估计值.仿真结果表明该算法优于基于欧式距离的最近邻居缺失值处理算法,是一种有效的飞行数据缺失值估计方法.