基于指标体系的火力分配模型研究

火力分配是现代作战中的关键问题,如何有效地进行火力分配对高效发挥火力、提高作战效能、争取作战的主动权具有重大意义。根据评价指标筛选原则,建立了一个反映目标价值的多层次评价指标体系,提出了火力分配的GEM-AHP计算模型。实例研究表明,该模型对多指标决策的火力分配问题具有很好的适用性。     

基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。     

基于声自导鱼雷发现概率的本艇机动优化指标

针对纯方位被动定位与跟踪,以提高武器打击效能为目的,提出鱼雷武器发现概率最大的本艇机动优化指标。对指标进行寻优,得到本艇最优轨迹,通过对轨迹形状、性质的分析以及与工程机动轨迹进行定位精度、鱼雷武器打击效能的比较,证明了该指标对处于理论研究阶段的本艇机动问题有积极的参考价值。     

模糊自适应PMHT机动目标跟踪算法

对目标机动的检测和准确跟踪,是目标跟踪研究中非常重要但难度较大的问题.将统计距离、统计距离增量作为系统方差的调整参量,采用模糊专家规则系统,提出了一种适用于机动目标的模糊自适应概率多假设跟踪(FA-PMHT)算法.该算法将数据关联寻优与运动模型寻优联合处理,从而实现了数据关联寻优、目标模型寻优一体化.仿真结果表明,所提算法与交互式多模型概率多假设跟踪(IMM-PMHT)算法相比在跟踪精度上有明显提高,并且满足实时性要求,证明该算法是有效的.     

无源跟踪中的一种新数据关联算法

在无源多目标跟踪过程中,数据关联是核心。提出了无源跟踪中的一种新数据关联算法,先对支持向量聚类理论进行了讨论,用该理论对采样到的观测点进行分类,后定义了多特征的关联度计算问题,并用综合数据关联的方法对目标进行状态估计。计算机仿真结果表明:该算法对目标的正确关联度要优于传统的数据关联算法。     

点状保卫目标的空袭规模预测模型

现代空袭作战已成为结构破坏战,各类政治、经济、军事指挥中心、侦察预警设施,交通枢纽等点状目标已成为敌空袭的首选目标,而如何准确、可靠地预测点状保卫目标的空袭规模是防空作战的首要问题和难点。把点状保卫目标分为立体类目标、平面类目标、地下类目标,根据每类点状目标的特性,构建其相应的空袭规模预测模型,通过算例分析,该模型具有较高的可信度,能为各种辅助决策系统和指挥自动化系统提供决策支持。     

战场目标声音识别关键技术研究

战场目标声音探测技术在现代战争中发挥着越来越重要的作用。针对战场目标声音识别的一些关键技术进行了研究。首先分析了目标声音探测技术的军事应用特点,然后对战场典型目标发出的噪声的物理特性进行了分析。最后论述了战场目标声音识别技术中的几种关键技术,重点分析了特征提取中的LPCC、MFCC技术以及分类器中的隐马尔可夫模型,为战场目标声音识别系统的开发奠定了基础。     

使用辅助变量的单静止站纯方位目标跟踪

利用现时刻之前的方位测量构造现在方位的预测值 ,形成了与现在测量方位在统计上独立的辅助变量 ,该辅助变量用以对拟线性估计算法的修正 ,能产生无偏的目标参数估计     

阵列互耦条件下运动目标角度跟踪方法研究

针对观测过程中角度发生变化时的运动目标跟踪问题,同时考虑到常规阵列中所普遍存在的互耦效应,通过分析均匀线阵互耦矩阵的带状Toeplitz结构,提出利用在原始阵列两侧增加辅助阵元的方法补偿互耦效应对阵列响应函数的影响,并将粒子滤波技术与原始阵列经互耦补偿后的观测数据相结合,实现了阵列互耦条件下对角度变化目标的高精度方向跟踪。仿真实验验证了新方法的优良性能。     

基于模糊聚类的多目标跟踪算法

提出了一种新的基于模糊聚类的多目标跟踪算法,该算法通过一种改进的模糊聚类算法,首先得到可能的目标数和测量点迹与目标预测位置之间的隶属度,然后结合Kalman滤波将隶属度作为权值系数对预测新息向量进行加权,来实现目标状态估计的更新。仿真结果表明,传统数据融合多目标跟踪算法,一般需要假定目标数并且在多目标密集时易产生关联错误而导致跟踪发散,新算法通过模糊聚类客观有效地确定了目标数并且通过加权过程保证了对多目标密集时的高精度。