As-IPDA算法的天波超视距雷达目标跟踪研究

天波超视距雷达(OTHR)具有低数据率、低检测概率和低量测精度特征对目标跟踪提出挑战.针对OTHR在低检测概率下跟踪目标存在失跟率高的问题,将As-IPDA算法应用到OTHR目标跟踪中,通过大量的仿真实例验证了As-IPDA算法在超视距雷达目标跟踪应用中的可行性,并分析了平滑步长、航迹存在性转移参数、目标检测概率对算法性能的影响,给出了算法参数选择建议,为工程应用提供理论参考.     

器材分层集装问题的遗传算法应用研究

从缩小搜索区域、增强算法的收敛性,以及缩短计算时间的角度出发,提出了解决器材分层集装问题的遗传算法。根据实际情况论述了解决该问题的3步法,并建立了优化的数学模型,构造了适合遗传算法求解的目标函数。实验表明,遗传算法具有很好的全局收敛性,能有效地解决器材分层集装问题。     

卡尔曼滤波的心动阵列实现研究

基于Faddeeva算法可以实现各种矩阵运算 ,并且可以方便地映射到心动阵列结构上这一事实 ,提出了一种基于Faddeeva算法的卡尔曼滤波心动阵列实现方法 ,并在此基础上设计了两种处理器拓扑结构。分析结果表明 ,这两种处理器结构具有效率高、规整性好和易于扩展等特点。     

基于自适应原理的传感器增益故障诊断方法

基于自适应原理提出一种传感器增益故障诊断方法。首先将传感器增益故障表示为传感器偏差故障,再将其表示为执行机构故障,利用自适应原理估计出传感器偏差故障幅度,最后用最小二乘法估计出增益故障幅度。分别对有、无系统噪声和模型误差的情况进行了讨论,最后给出仿真结果     

改进型自适应推广卡尔曼滤波器的应用

针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法     

多目标广义指派问题的模糊匈牙利算法求解

提出和讨论了两类多目标的广义指派决策问题,分别给出了它们的多目标整数线性规划数学模型,并结合模糊理论与解决传统指派问题的匈牙利方法提出了一种新的求解算法:模糊匈牙利法.最后给出了一个数值例子.     

应用交互多模(IMM)算法跟踪低空目标

雷达跟踪低空目标时,由于多路径传播的影响,目标俯仰角的测量会出现测量误差.并且由多路径传播引起的测量噪声方差较大,在时间上具有相关性.应用交互多模(IMM)算法来提高跟踪低空目标的性能,并且提出了一种去相关的滤波方法来克服多径误差相关性的影响,最后给出了计算机仿真的滤波结果.     

多波束时域滑窗空时自适应方法及其性能分析

鉴于新一代机载预警相控阵雷达采用多波束且电子波束灵活可控的特点, 本文提出了一种多波束时域滑窗空时自适应处理方法。理论分析与计算机仿真实验表明, 该方法与现有的几种典型空时二维自适应信号处理 （ Ｓ Ｔ Ａ Ｐ） 方法相比, 具有系统自由度低、低速目标检测性能好、鲁棒性强等优点, 并且实现复杂度较低, 便于工程实现。     

网络图式通用装备保障文书生成的研究

网络图式军用文书是战时通用装备保障文书中通常采用的文书形式之一,给出装备保障文书辅助生成系统的总体结构,将网络分析方法引入通用装备保障文书辅助生成系统的研究,在此基础上阐述了网络图式文书生成子系统的功能、数学模型及网络计算、网络优化的部分算法。     

A genetic algorithm with neighborhood search for the resource‐constrained project scheduling problem

The resource‐constrained project scheduling problem (RCPSP) consists of a set of non‐preemptive activities that follow precedence relationship and consume resources. Under the limited amount of the resources, the objective of RCPSP is to find a schedule of the activities to minimize the project makespan. This article presents a new genetic algorithm (GA) by incorporating a local search strategy in GA operators. The local search strategy improves the efficiency of searching the solution space while keeping the randomness of the GA approach. Extensive numerical experiments show that the proposed GA with neighborhood search works well regarding solution quality and computational time compared with existing algorithms in the RCPSP literature, especially for the instances with a large number of activities. © 2011 Wiley Periodicals, Inc. Naval Research Logistics, 2011