天线型光纤传感器的建模与仿真

反射式强度调制光纤位移传感器（天线型ＦＯＳ）由发射光纤和接收光纤按一定的排列方式组合而成，是一定数量的单光纤对的特定组合。本文基于已有的单光纤对的调制函数的数学模型，通过分析ＦＯＳ中光纤的排列方式，在忽略光纤包层和粘结剂厚度的情况下，利用几何和概率统计的理论做了适当的假设，建立了同轴型、半圆型、随机型光纤传感器调制函数的通用数学模型，并对所建模型进行了仿真。利用专门研制的测试系统对建模和仿真结果进行了验证。     

一维非均匀分布参数系统的渐近传递函数方法

提出了一维非均匀分布参数系统的一种通用解法：渐近传递函数方法。对一般的一维非均匀分布参数系统，引入状态变量将控制方程及边界方程写成状态空间形式。通过定义小参数和摄动方法，使之变成常系数微分方程，从而得到问题的摄动解。各阶摄动解均具有规范的形式，是一以传递函数为积分核的积分形式解析解。文中最后给出了一些数值算例，验证了方法的有效性。     

C~3I 系统多传感器的信息融合——Fuzzy 函数聚类算法

在对多类传感器收集空中目标状态信息描述的基础上,用Ｆｕｚｚｙ目标函数聚类算法建立了对空情数据融合的数学模型。对数据融合过程,参数的初始化问题进行了实际应用的讨论;并对其应用效果和优势作了实际的分析。该方法是Ｃ３Ｉ系统数据融合技术的有效方法之一。     

函数生成器的优化设计

本文介绍了一种优化的多变量函数产生器的设计思想,详尽论述了多变量函数快速插值算法、消除冗余断点搜索的思想以及搜索次数为１的断点搜索策略。实用表明,该产生器高效可行,比一般的多变量函数产生器减少计算量一半左右,有效地缩短了仿真问题的求解时间。     

基于模糊模式识别的战场目标识别

分析战场目标的结构、材料、征候、特征及辐射原理等存在的差异,运用模糊模式识别方法,建立了战场目标识别的数学模型,给出了目标识别的详细步骤和方法:选取目标特征量、构造标准模糊集合、构造待识别模糊集合、应用择近原则进行目标识别,并通过算例,得到一些有价值的结论。模型和方法可供C3I系统快速准确的识别战场目标。     

某高炮火控系统滤波器设计

对目前高炮火力控制系统目标滤波与预测进行了分析与研究。在此基础上结合工程实际设计了一种α-β滤波器,该滤波器的原理是把在连续系统中频率域的要求和在离散系统中Z域的要求转换成时域中在典型信号激励下的时间响应的特征值的要求,从而在时间域中以特征值的要求进行综合,再把综合的结果转换回Z域中,最终得到所确定的α-β滤波器,给出了α-β滤波器的Z传递函数、分析了α-β滤波器参数的确定,对α-β滤波器的静态误差进行了研究,对设计方案进行了计算机仿真和实际应用。     

基于多元价值目标的体系作战信息流转模式探析

高效合理的信息流转模式是有效实施基于信息系统体系作战的前提和重要保障。引入了价值目标理论,解析了信息流转概念内涵,分析了信息流转价值目标与作用机理,分别提出了基于最大信息流量、最佳信息质量、最小传输时间和综合价值目标的体系作战信息流转模式,并给出了信息流转策略。     

使用图像优化方法估计水体调制传递函数

针对水体属性的变化使图像复原困难的问题,提出了一种从退化的水下图像中估计自然水体调制传递函数的方法。该方法首先建立了自然水体的调制传递函数与其固有光学特性参数之间的关系,然后采用图像复原技术对图像进行复原,最后使用粒子群优化算法来优化调制传递函数的相关参数。仿真实验表明:该方法能有效对水下图像进行复原,且不需测量水体的光学参数就能估计出自然水体的调制传递函数。该方法用于水下激光成像系统的图像复原可取得明显效果。     

基于改进GM(1,1)模型的导弹贮存可靠性预测方法

针对导弹系统技术复杂、贮存样本量受限、测试数据波动性较大等特点,结合装备的具体情况提出了基于改进GM(1,1)模型的导弹贮存可靠性预测方法。该方法首先利用"对数-幂函数变换"对导弹的历史可靠性数据进行处理,提高数据光滑度,然后依据GM(1,1)模型计算得到可靠性预测值和残差,再利用残差建立残差修正模型,得到残差修正值,减少残差对结果的影响,最后利用残差修正值修正可靠性预测值并还原,求得可靠性最终预测值。实例表明,该改进模型对导弹系统可靠性变化的描述比传统模型更加准确有效,预测结果精度更高,为导弹贮存可靠性预测分析提供了一种有效的改进方法,其算法设计推广性强,可作为其他装备寿命预估的重要工具。     

反导作战多传感器任务规划技术

多传感器任务规划技术是反导作战中的重要研究内容之一,即解决如何发挥多维传感器资源的互补优势,构建"传感器-目标-任务"序列,以实现整体执行效果最优。基于JDL信息融合模型深入剖析了反导作战多传感器任务规划体系结构及其信息交互。在此基础上,结合反导作战特点,从应用和理论研究两个方面分别对多传感器任务规划技术进行了叙述。