基于本征极化的飞机目标识别

提出了变质极化散射矩阵对称性的最小Ｆｒｏｂｅｎｉｕｓ范数准则修正方法,并在此基础上利用本征极化理论提取了雷达目标的极化特征,对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。     

基于结构自整定前馈网络的雷达目标识别研究

概述了基于雷达成像的目标类型识别技术。阐述了多层前向网络的分类特性,提出一种网络结构自整定算法来训练网络,并构造分类器,对基于转台成像实验的雷达目标类型识别问题进行了仿真研究。研究结果表明,经结构自整定算法训练后的前馈网络对成像雷达目标具有较好的推广识别能力,识别率达到９０％。     

面向结构洞的指挥控制网络关键节点识别方法

针对目前指挥控制网络关键节点识别方法利用局部信息识别精度低、利用全局信息识别复杂度高的问题,提出了一种面向结构洞的指挥控制网络关键节点识别方法,该方法综合考虑了指挥控制网络结构特征和全局拓扑信息,引入了层级流介数的概念用以计算网络的约束系数。实验分析表明,该方法提高了关键节点识别精度,降低了算法复杂度,更加适用于指挥控制网络关键节点识别的需要。     

中小型石油库(站)CAD系统中快速设计的实现

如何提高中小型石油库(站)设计的效率是工程设计人员非常关注的一个问题,也是中小型石油库(站)工程设计CAD软件开发的基本目标之一,但目前在国内研究较少。分析归纳了中小型石油库(站)实际设计中的典型设计方法,提出了以外部数据库和图形数据库为基础,采用基于工程参数驱动图块的设计技术、基于单元图的设计技术、基于工程定型图的设计技术,并结合根据需要开发的修改编辑工具,为设计人员提供了一整套设计工具,帮助其实现快速设计。试用效果证明,该思路切实可行,并已在中小型石油库(站)CAD系统的开发中得以实现。     

TBM模型的目标综合识别算法

利用电子支援措施(ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。TBM是D-S证据理论的一个扩展模型,它研究了D-S证据理论的动态部分,从数据融合的角度来看,它是一种层次化的递进模型,尤其适用于需要逐层进行数据、特征或决策级融合的融合系统。提出了一种基于TBM模型的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。     

多目标跟踪系统测量结果识别算法分析

首先针对多目标自动跟踪问题,对测量结果的两种识别方法和判定规则进行了讨论,给出了目标状态模型、参数模型和探测模型,并对这些模型进行了评估,在此基础上重点分析了多目标自动跟踪状态下基于状态模型参数识别测量结果的算法。最后指出了这种算法的优缺点。     

传感器与综合火控系统组网的协同作战能力系统

协同作战能力(CEC)系统是美国海军最早使用的与传感器和武器系统组合的网络中心战系统之一.简要介绍了CEC的发展背景,较系统地阐述了传感器组网和综合火控的概念.同时还介绍了CEC系统的配置和复合识别能力,指出CEC用作联合传感器网络基础的可能性.最后,展望了未来先进的传感器网络,并指出了在CEC中发挥网络优势必须解决的两个难题.     

基于串联模型框架的目标威胁评估

针对防空武器系统防空作战特点,在对目标威胁程度影响因素分析的基础之上,运用模糊理论和多模型理论探索目标威胁评估问题。设计了一种基于串联模型框架的目标威胁评估方法,该方法采用3个基本模型,基于串联系统思想,经模糊推理融合,得到空中来袭目标的威胁程度。该评估方法层次分明、直观有效,能够较好地满足海上对空防御作战中对目标威胁评估的需要,为舰指挥员决策和防空武器系统火力分配提供一定的依据。     

基于杂草算法的超磁致伸缩作动器耦合模型识别

考虑磁滞损耗、动态应力等因素的超磁致伸缩作动器磁滞模型可有效揭示电-磁-机-热多场耦合效应,但准确识别其非线性模型往往存在较大困难。智能杂草算法具有激烈的竞争机制和较强的搜索能力,可用于解决作动器多目标物理参数辨识问题。传统算法的种子数量以线性方式产生且分布方差与适应度缺乏联系,极大地影响了算法收敛速度和模型识别精度。为此,提出一种非线性繁殖和分布的混合改进杂草算法,并将其应用于超磁致伸缩作动器模型识别。实验表明:改进算法具有较强的噪声抑制能力,能精确辨识含有噪声扰动的作动器磁滞非线性模型物理参数;模型预测值和实验数据误差较小,所识别参数可使磁滞非线性模型较为全面地描述作动器多场耦合机理和动态特性。     

环境参数在线辨识及其在滑翔段制导中的应用

针对助推滑翔导弹,提出基于飞行环境参数在线辨识的滑翔段数值预测校正制导方法。综合考虑大气密度和气动系数对导弹运动的影响,引入滑翔段综合环境参数,利用扩展Kalman滤波方法对综合参数进行在线辨识。基于在线辨识结果,利用渐消记忆递推最小二乘方法在线建立环境参数预测模型,并利用最新辨识结果进行模型的在线修正。设计了纵向和横向制导律,并基于环境参数在线预测模型进行落点预测,以克服飞行环境扰动对落点预测精度的影响。进行了大气密度非定常扰动下的制导仿真,以及密度和气动参数随机扰动下的Monte Carlo仿真。仿真结果表明:环境参数在线预测模型能准确预报飞行环境参数,制导方法对飞行环境扰动具有较强的鲁棒性。