空中目标威胁的ABC-RVM评估方法

为改善防空作战中对空中目标威胁的判断决策能力,提出了一种基于蜂群（ABC）算法和相关向量机（RVM）的空中目标威胁评估方法。从防空作战的实际出发,依据数理统计分析构建空中目标威胁指标体系;采用ABC算法优化多核RVM的相关参数,构建空中目标威胁评估模型。仿真分析表明,该方法是一种精度较高的空中目标威胁评估方法,在各项精度指标上均优于单一Gauss核或单一Sigmoid核的RVM方法,从而证实它的有效性和可行性。     

基于加权核范数最小化的高速目标检测优化算法

针对传统迭代相邻互相关函数(ACCF)算法在低信噪比条件下对高速目标检测能力差的问题,提出了基于加权核范数最小化的高速目标检测优化算法。首先,通过两次ACCF操作对检测运动目标时出现的距离徙动和多普勒徙动进行有效校正;其次,使用加权核范数最小化方法对回波信号与噪声进行分离;最后,通过傅里叶变换实现对目标运动参数的估计并实现相参积累。实验结果表明：所提算法能够在低信噪比条件下恢复出淹没在噪声中的信号回波,有效提高传统ACCF算法的抗噪声性能。     

激光角度欺骗和高重频复合干扰有效概率研究

针对处于锁定跟踪阶段的导引头,采用激光角度欺骗和高重频复合干扰手段,对复合干扰下导引头波门录取信号进行了研究。建立了半主动激光制导系统的能量传输模型,描述了角度欺骗干扰、高重频干扰以及两者复合的基本原理;分析了无干扰时、角度欺骗干扰和高重频干扰下连续2个波门录取干扰信号的概率。以角度欺骗超前时间为仿真变量,分析了角度欺骗和高重频复合干扰下波门录取高重频信号的概率。参数对照仿真结果表明,提高制导信号和角度欺骗干扰信号的精度,增加波门宽度,提高高重频激光脉冲频率会增大复合干扰中高重频干扰成功的概率。本研究成果将为复杂战场条件下激光制导干扰与抗干扰应用研究提供参考。     

基于B样条插值曲线直接筛选的EMD及其在机械振动信号处理中的应用

经典的经验模式分解(EMD)方法通过求解信号的上下2条三次样条包络曲线的均值曲线,实现对原始信号的分解.但是对于非平稳、非线性信号,包络平均无法代替真正的局部平均.另外,基于包络平均的分解方法还会引入极值过冲和欠冲问题.利用B样条的良好局部性质直接计算信号的局部均值插值曲线,克服了三次样条包络方法在EMD分解中的不足.通过对旋转机械故障振动信号的分解处理,表明基于B样条局部均值插值曲线的经验模式分解方法得到的固有模式函数更符合信号的真实物理意义,分解结果更好.     

基于贝叶斯方法的指数寿命型产品可靠度评估方法

以经典法为推理基础,利用无验前信息时验前分布密度的假设方式及共轭分布函数的传递性,推导出指数寿命型产品在不同试验方案下可靠度R的多层贝叶斯评估方法。使得在利用贝叶斯方法对指数寿命型产品进行评估时,更具科学性和合理性。     

基于遗传算法的导弹结构模态参数识别

系统地研究了基于遗传算法的线性结构系统模态参数识别方法.遗传算法对广义动力学系统的辨识已经得到了充分研究,但在结构系统参数辨识方面的研究还不多,使用浮点数编码方案,利用频响函数数据,给出了结构系统模态参数识别步骤.由于遗传算法的全局寻优特性,该算法具有极强的抗噪声能力,即使对噪声严重污染的数据依然能够很好的辨识出待辨识的参数.通过一个两自由度的弹簧质量块系统进行了仿真分析,最后将方法用于一个实际的导弹结构的实验数据分析.     

投资消费模型中价值函数的正则性

在有交易费的常系数投资消费模型下,讨论了价值函数的一些重要的基本性质,即给出了价值函数的正则性等结果。     

多目标数据关联的神经网络方法

数据关联是多目标跟踪的关键问题。基于 Hopfield神经网络的 JPDA是解决这一关键问题的有效方法之一 ,但此方法的难点在于优化系数的整定。提出一种改进算法 ,用于解决优化系数在线自适应整定问题。首先重新构造了李雅普诺夫能量函数 ,接着引入变化的优化系数因子 ,并给出了优化系数求解的迭代公式 ;最后对已有和改进的算法进行了仿真研究。结果表明改进的方法和原有的方法相比 ,一方面具有在线整定优化系数的功能 ,另一方面可以获得和原有算法非常接近的估计误差。     

拦截弹推进及弹道参数的模糊优化研究

在拦截弹推进系统和弹道参数的设计中 ,引入多目标多约束的模糊优化方法 ,在约束条件一定的情况下 ,合理选择和分配几个重要的设计变量 ,使得拦截弹的总质量最小、拦截时间最短。