一种改进的连续域蚁群算法

简要介绍了蚁群算法,并从解决连续域问题的角度分析了段海滨等提出的基于网格划分策略的连续域蚁群算法的基本原理,针对该算法的特点和存在的缺陷,提出了改进的办法:在前期用遗传算法快速生成初始信息素,再利用蚁群算法寻求精确解。最后通过对一个二维连续域函数优化仿真实验,证明了改进后蚁群算法的有效性。仿真实验结果证明:改进后的蚁群算法无论是时间性能还是优化性能都明显优于改进前的蚁群算法,克服了蚁群算法的缺陷,大大提高了算法的速度和求解效率,达到了时间性能和优化性能的双赢。     

具有全局收敛性的盲均衡算法

为了解决传统的自适应均衡技术需发送训练序列的问题,采用盲均衡技术,利用接收信号本身的特征使均衡器收敛。提出了一种新的盲均衡算法(C&D算法),该算法将CRIMNO算法和判决引导(Decision Directed,DD)算法相结合,利用信号序列间的互不相关特性,从而使其具有全局收敛性能。实验结果表明:与CRIMNO算法相比,在相同的信噪比下,该算法具有收敛快速、运算量少和残留误差小的特点。     

基于CAS/Agent的装甲装备战损模型仿真

针对传统战损模型研究方法存在的不足,提出用人工神经网络的学习能力模拟Agent的适应性。借鉴CAS(Complex Adaptive System)理论的建模思想,引入ERA(Environment-Rules-Agents)方案建立战损模型。在外部干预Agent作用下,运用BP算法并结合CT(Cross Target)算法对红蓝双方对抗战斗进行仿真,模拟动态战场环境下装备损伤的演化过程。该模型可更好地理解装备损伤的动力学特性。     

基于调制FFT有限域搜索的MUSIC频率估计算法

为满足跳频频率测量中频率估计高精度及实时性的要求,提出了一种将调制FFT和MUSIC算法相结合的频率算法:首先利用调制FFT对谐波频率进行预估计,确定感兴趣的频域区间;然后利用MUSIC算法在锁定区间内估计伪谱谱峰的位置,实现频率的精确估计。该算法可得到较高的频率分辨率,并减少了MUSIC算法的谱峰搜索范围。仿真试验表明:该算法的频率分辨率高,且实时性能满足频率测量需求。     

基于分形的地图自动综合方法

为了较好地解决根据已知比例尺的地图通过自动综合生成满足不同比例尺需求的地图,利用地图边界所具有的分形特征及分形维数的不变性,提出了一种地图边界自动综合的方法——MADP。该方法不仅很好地保持了地图的形状特征和细节,而且较好地解决了公共边界的综合问题。实验表明,该方法具有较高的效率和公共边界综合能力。     

基于方位变化率的目标运动分析

目标方位变化率对运动要素解算有着重要的影响.但不同目标运动要素(目标距离、航向或速度)的求解精度,对目标的方位变化率又有着不同的要求.从确定性算法入手,进行了方位变化率对目标运动要素解算精度影响的理论分析,并通过仿真计算验证了理论分析的正确性,证明了该理论具有一定的应用价值.     

基于蚁群算法的火力分配寻优方法研究

火力分配的优化是最大限度的发挥火力单位效能,达到最大毁伤效果的基础和前提,将蚁群算法应用于火力分配的优化.研究了蚁群算法用于火力分配寻优的相关条件,给出了火力分配寻优的模型和算法.最后,结合一个应用实例,说明了蚁群算法用于解决火力分配问题有很好的应用价值.     

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。     

基于模型概率的自适应交互式多模型算法

传统的交互式多模型算法中过程噪声协方差矩阵固定,不能很好地适应实际目标不同程度的机动。采用匀速和转弯运动模型集合,提出了一种基于模型后验概率的自适应交互式多模型算法。通过后验概率来自适应调整各模型中的系统过程噪声协方差矩阵,进而提高模型同系统运动模式的匹配程度;结合防空作战机动目标跟踪要求,通过典型目标机动仿真,同标准交互式多模型算法进行比较,验证了该算法的合理性和有效性。     

基于IMM滤波器的纯方位机动目标跟踪

针对无源纯方位跟踪中目标机动的问题,提出了一种基于交互式多模型的目标跟踪算法。该算法用伪量测变换估计器(PLE)将纯方位跟踪中非线性观测模型线性化,避免了计算雅克比行列式。机动目标跟踪中通过实时调整模型匹配概率,提高了滤波器对状态变化的跟踪能力。同时该算法实时修正观测噪声协方差,消除目标远离基阵时观测噪声对目标定位的影响。最后通过与MGEKF进行比较,Monte Carlo仿真结果验证了该算法的优越性。