高超声速滑翔飞行器轨迹预测分析

针对轨迹预测在目标交接班和基于预测命中点拦截制导中的应用需求,分析了高超声速滑翔飞行器滑翔段轨迹预测的可行性。结合典型高超声速滑翔飞行器的运动轨迹,分析了其运动轨迹特性、机动模式、转弯半径、最大射程以及可达区域,提出了基于不变力预测法的轨迹预测思路。认为高超声速滑翔飞行器在滑翔段,运动轨迹几何特征明显、转弯半径大、保持大升阻比,便于实施中长期轨迹预测,但难以实现全程预测。     

一种基于改进K-means算法的空间群划分方法

空间群划分是兵力分群的重要环节,其关键在于确定"距离"度量函数、分群数目和初始分群中心。传统算法的初始聚类中心和聚类数目不固定,直接用于空间群划分将使得划分结果不稳定。为此,提出了一种基于改进算法的空间群划分方法。利用了现有空间群划分方法中的距离函数改进策略计算敌方作战单元两两之间的"距离",引入一种快速搜寻高密度点的方法,确定了初始分群中心和分群数目,通过仿真实验验证了该方法的有效性。     

基于误差放大的BP算法改进

收敛速度慢和容易陷入局部极小是BP算法典型的缺点,也是后来许多改进算法不能克服的问题.介绍了基于误差放大的BP算法原理,分析其对标准BP算法的改进之处,将该算法从单层推广到多层.分析这种算法的数学依据,针对这种算法存在的问题和不足之处--收敛速度慢和不可调节的变化区,提出了一种改进措施:在放大系数中加入元素,从而使其避免了盲目调节.用matlab对实例进行仿真,相对其他的改进方法仿真结果表明该方法具有更好的收敛性和更高的精度.     

基于整体变分和数学形态学的空间非合作目标边缘检测

非合作目标不提供已知的目标标识器和敏感器件,无疑增加了检测识别的难度.CCD相机能够提供大量包含有非合作目标的尺寸、形状、相对位置和相对姿态等信息的高分辨率图像,用常规方法进行非合作目标图像分割时,由于空间环境的影响,使得目标的轮廓线非常零碎,常掩埋在杂乱的背景分割线中.为了克服这种问题,提出了一种保持边界的整体变分方法和数学形态学相结合的方法.先用整体变分方法对图像进行平滑的同时可以最大限度地保留图像中的轮廓、边缘等特征信息以增强目标的边缘,然后采用数学形态学的方法对其进行膨胀、腐蚀以滤除众多的背景噪声.经大量的实验验证,这种方法可以有效地提取出非合作目标的边缘信息,并可滤除大量噪声,为进一步开展非合作目标识别工作奠定基础.