改进粒子群算法在导弹火力分配中的应用

粒子群优化算法是一种新兴的优化技术,思想来源于人工生命和演化计算理论.由于该算法简单易实现,可调参数少,目前已得到广泛研究和应用.在建立导弹武器火力分配数学模型的基础上,运用改进粒子群算法对模型进行了最优化求解,实例的计算结果表明该优化算法对于模型的求解具有较好的收敛性.     

基于参数自适应辨识的被动定向算法

推导了匀速运动目标球坐标系下的定向跟踪模型;状态建模的不完备性引起了模型噪声方差阵带有未知径距参数,因而需要解决参数在线辨识问题.从滤波残差正交性原理出发,推导出参数自适应辨识滤波器(PIBF),计算机仿真验证了该算法的有效性并且对目标机动有一定的鲁棒性.     

基于ECEF坐标转换的AEWS数据配准算法

数据配准是多传感器数据融合的先期处理过程.基于地心地固坐标系(ECEF)研究了预警机系统(AEWS)与地面雷达数据处理中心的数据配准问题.首先给出AEWS与地面雷达数据处理中心数据配准几何坐标转换算法;然后利用卡尔曼滤波实时估计出预警机对地面雷达数据处理中心的系统偏差,从而实时对预警机系统(AEWS)进行配准,计算机仿真结果证明了该算法的正确性和有效性.     

自适应两步滤波算法在机载IRSTS被动定位中的应用

在机载红外搜索跟踪系统被动定位研究中,针对扩展卡尔曼滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用两步滤波算法并结合Sage-Husa噪声估计器构建了适用于机载IRSTS被动定位特点的自适应两步滤波算法模型,算法不仅实时在线地估计了观测噪声的统计特性,而且避免了观测模型线性化误差.仿真结果表明,在完全相同的初始条件下,自适应两步滤波算法对目标运动参数的估计结果明显优于扩展卡尔曼滤波,从而提高了机载IRSTS被动定位的精度.     

提高惯导系统Unscented卡尔曼滤波实时性技术

Unscented卡尔曼滤波(UKF)通过构造一组,具有与给定状态估计相同的一、二阶矩,也可能是高阶矩的样本点,实现对非线性系统的状态估计,因此其计算效率取决于能够捕获这些数字特征的样本点数目.通过构造n 2个样本点来捕获n维状态变量的均值和方差,提出了将这种方法应用于惯性导航的初始对准.仿真结果表明在同等滤波精度的情况下,该方法比UKF计算效率更高,实时性更好.     

基于UML的兵力机动辅助决策软件设计

首先简要介绍了UML的建模体系,然后在使用UML对兵力机动辅助决策软件进行功能需求分析的基础上,进行了问题领域分析,建立了软件的静态和动态模型,并将该软件系统的各种要素、事件和活动,分别在时间和空间上进行了描述,方便开发人员之间的交流,为系统的分析、设计、维护及扩展提供了有利的支持,为兵力机动辅助决策软件系统的研制奠定了基础.     

联邦滤波器信息分配因子优选问题

在剖析联邦滤波核心理论的基础上,对当前学术热点--联邦滤波器信息分配因子优选问题进行探讨.分析了文献中几种常见的优选算法,指出其中的理论缺陷.从全局估计、局部估计、容错性等三方面质疑了信息分配因子优选的必要性和可行性,提出一些值得商榷之处,并得出结论.通过SINS/GPS/TAN/SAR四组合导航系统联邦滤波器仿真分析,验证了观点的有效性.     

非线性系统中的机动目标跟踪算法

对于非线性系统中的机动目标跟踪问题 ,首先针对“当前”统计模型的缺陷提出了一种修正算法 ,然后应用转换测量Kalman滤波算法进行跟踪。仿真结果表明在非线性观测条件下 ,算法明显提高了对弱机动和非机动目标的跟踪性能 ,同时保持了对强机动目标的高性能跟踪     

一种新的多传感器多机动目标快速跟踪算法

基于FAFDA滤波算法,根据Houles和Shalom将PDA算法推广到解决两个传感器单目标的跟踪问题的思路中,构造一种两个同类传感器的序列观测数据的融合来跟踪多个机动目标的数据关联方法(MSFAFDA)。它主要使用的是点/航迹联合和序列估计法。算法计算量远小于原先的顺序和并行多传感器联合概率数据关联算法,蒙特卡洛仿真结果也表明它对多机动目标的跟踪具有比FAFDA更好的跟踪性能。     

SPH的两种并行计算方案及其在自由表面流动模拟中的应用

针对光滑粒子动力学(SPH)主要计算量是近邻粒子搜索这一特点,提出了一种基于粒子分解的SPH并行计算方案。利用该方案可以方便的将任意串行SPH代码并行计算,而且每一个时间步内的信息传递量只和粒子总数有关,而和粒子的分布无关,因而特别适合于自由表面流动等大变形问题的并行数值模拟。对一个粒子总数为40万的三维溃坝问题的模拟结果表明,此方案能达到的最大加速比约为16,这一结果可能比空间分解方案(不考虑动态负载均衡)更优。