非线性系统中的机动目标跟踪算法

对于非线性系统中的机动目标跟踪问题 ,首先针对“当前”统计模型的缺陷提出了一种修正算法 ,然后应用转换测量Kalman滤波算法进行跟踪。仿真结果表明在非线性观测条件下 ,算法明显提高了对弱机动和非机动目标的跟踪性能 ,同时保持了对强机动目标的高性能跟踪     

基于模糊理论的空袭目标威胁判断模型

对空袭目标威胁度进行合理排序是提高防空效能的重要因素。分析了影响空袭目标威胁度的各种因素,利用模糊综合评判的思想,建立了一种进行目标威胁判断的模型,并根据具体情况给出了排序的合理方法。通过实例,给出了具体的计算过程,并将此方法得出的结果与文献中的方法得出的结果进行了比较,充分说明了模型的可行性。     

基于分块的伪Zernike矩归一化的人脸识别方法

以改进的伪Zemike矩相关知识为背景,提出了一种新颖的人脸识别方法。该方法通过将人脸分块,降低了光照条件、人脸表情等外在因素对人脸识别的影响。首先将人脸图像分块并重组矩阵的行和列,然后计算重组后人脸图像的伪Zemike矩,并对其进行归一化处理,最后采用最小邻近分类器进行判别。实验结果表明,该方法对于人脸光照、姿态和表情变化均具有良好的鲁棒性。在前人的研究基础上,进一步探讨了伪Zemike矩在人脸识别方面的应用。     

基于改进IMM-UKF的弹道导弹再入段跟踪数据滤波

针对弹道系数未知的弹道导弹再入段跟踪雷达测量数据滤波这类非线性强的滤波问题,提出可变多模型无迹卡尔曼滤波算法。利用无迹卡尔曼滤波逼近精度高,计算量小,适应于任意非线性模型的特点,将其作为多模型的基本滤波器;滤波算法根据各模型正确描述目标状态的概率,动态地改变多模型数量和模型参数。上述方法的综合运用,提高对目标状态估计精度,降低了计算的复杂度,仿真实验验证了方法的有效性。     

空对地攻击武器选用方法

空对地攻击中能否正确选用空对地武器,将直接影响空对地攻击的效果.讨论了一般的空对地武器选用原则和依据,并用概率论的方法建立了选用空地武器的效损比模型,最后给出具体算例说明模型在实际作战任务中的应用.     

基于混沌特征的高分辨雷达目标识别

根据高分辨导弹制导雷达的基本工作原则和舰船目标的散射特性,利用现有雷达回波的仿真技术,在合理的战术想定下,计算了三类典型舰船的雷达回波.在此基础上,研究了利用雷达回波功率谱的方法来识别目标类型的有效性,并基于混沌理论提出了一种比功率谱方法更加有效的新的识别方法,从而为进一步利用混沌理论来开发雷达目标识别技术奠定了初步的理论基础.     

混沌时间序列中弱信号的检测

介绍了混沌的基本特性,利用混沌时间序列对RBF神经网络进行训练,则训练好的神经网络对混沌序列未来时刻的值具有一定的预测能力.若混沌序列中包含有目标信号,则其混沌特性将受到影响,导致神经网络对其预测误差的增大.这样可根据预测误差对淹没在混沌杂波及混沌杂波加一定强度的白噪声中的弱目标信号进行检测.仿真结果表明这种方法优于传统的目标检测方法,有着较好的杂波抑制能力.     

利用会聚区隐蔽解算目标运动要素的方法

在浅海,当被动声纳探测到目标后,由于舰艇间不断的运动,测得的目标方位随时间的不同而不断地发生变化,利用目标方位的变化,通过纯方位法和滤波估计等方法可解算出目标的运动要素.当声纳利用深海会聚区的声学效应在远距离上探测到目标时,因舰艇被动声纳在隐蔽条件下往往只能测得目标的方位,此时的目标方位随着时间的不同变化很小,难以利用浅海的解算方法求出目标的运动要素.为解决这一问题,基于对深海会聚区声学效应的分析,提出了利用会聚区宽度等特点,采用本舰艇合理机动的方式,来求解目标的运动要素的方法.通过对本舰艇各种可能机动方式的建模和计算机仿真计算的结果可见,该方法可行,且在第一、第二会聚区效果明显.     

图像匹配技术在对岸火力支援中的应用

针对水面舰艇对岸远程火力支援的作战需求和未来的发展趋势,对卫星和空基侦察信息在舰载武器对岸火力支援作战中的应用可行性进行了分析,提出了通过综合应用卫星和舰载无人机(UAV)侦察图像进行景象匹配,精确定位岸上远程目标对射击偏差进行观测修正的技术思路,为水面舰艇对岸上远程固定目标实施精确打击提供了一种可行和有效的手段.     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.