一种产生雷达多假目标的卷积调制法

讨论了多假目标干扰技术特点及应用背景,分析了用卷积调制法产生多假目标的原理,讨论了卷积器的设计方法,确定了卷积器的加权系数。仿真分析表明,卷积调制法产生多假目标方法灵活,可以实现脉内和脉间密集多假目标干扰技术,验证了方法的合理性。     

一种适用于拦截高速目标的末段导引律

基于在视线坐标系中的导弹-目标相对运动模型,以控制导弹-目标视线角速度趋于零为基本思想,设计了一种末制导律,用于拦截高超声速目标。以脱靶量和能量消耗为约束条件,以目标无机动时有很好的性能为目的,首先设计了最优制导律;然后,基于滑模控制理论,选择合适的滑模趋近律,对所设计的最优制导律进行改进得到最优滑模制导律;用李雅普诺夫理论证明了该制导律的稳定性,分析了该制导律参数选择条件。仿真结果表明,与最优制导律相比,所设计的制导律对目标机动有较强的鲁棒性,能以直接碰撞的方式拦截高超声速目标。     

舰载无人机对岸可观测安全飞行空间分析模型

基于舰载无人机对岸上目标的观测能力出发研究出的"理想观参",考虑各种因素对舰载无人机在任务区域飞行安全的影响,建立了地理通视性分析模型、地理可飞性分析模型、飞行可控性分析模型、弹道安全性分析模型和观参上限分析模型;综合上述模型,给出了舰载无人机可观测安全飞行空间,满足可观测安全飞行空间的观测参数即为当前环境下的"实用观参";根据本文模型研制的舰载无人机对岸射击观测辅助决策软件,实现了舰载无人机对岸射击观测的科学决策。     

声速有限条件下的纯方位方法

针对纯方位条件下对等速直航目标运动要素的观测问题,考虑声音在海水中传播时间的作用,建立了计算可观测目标方位的解析公式。基于平均声速为有限常数的假设,证明了即使观测站静止,运动要素也一般是可观测的。在观测误差为独立同分布零均值正态随机误差的假设条件下,证明了由方位观测误差的最小二乘法给出的估计为极大似然估计。仿真实验表明,观测站转向及直航机动条件下此方法对应的目标运动要素的观测度较传统方法有显著改进。     

基于相关熵的MACH滤波器

最大平均相关高度(MACH:Maximum Average Correlation Height)滤波器是一种重要的基于相关的模式识别方法。滤波器由训练数据线性构造而成,具有良好的畸变容忍能力,在线性高斯噪声条件下具有理论最优性。为将算法适用于广泛的非线性、非高斯情形,本文引入一种新的度量函数相关熵,可隐性地将输入数据通过非线性变换映射到特征空间;并在新的空间中提出了基于相关熵的MACH滤波器构造方法。最后将此方法应用于合成孔径雷达(SAR:Synthetic Aperture Radar)图像目标分类进行了实验,在接收机工作性能曲线和峰值旁瓣比的比对中,本文算法的性能均有所提升。     

基于预测命中点的机动目标最优制导方法

针对导弹攻击机动目标的情况,提出了一种基于"当前"统计模型的预测命中点方法。首先对目标进行实时机动检测,并预测了拦截时刻目标的位置。基于预测命中点的结果,推导得到导弹攻击机动目标最优制导方法的解析解。该方法无需提前假设目标机动模式,适用性好。在多个假想的攻击场景下对制导方法进行了仿真,仿真结果验证了该方法是有效的。     

HLA的雷达目标跟踪算法验证系统

构建了一个基于HLA的雷达目标跟踪分布式仿真系统。采用组件设计思想,实现目标跟踪组件和滤波组件,并将这两套组件嵌入到目标跟踪分布式仿真系统中。实践结果表明:基于组件思想构建的目标跟踪和滤波算法能够很好嵌入到分布式雷达目标跟踪系统中,从而为跟踪算法的合理选择、算法参数的优化设计,以及实际系统的研制提供有力支撑。     

IMM-Singer模型的机动目标跟踪算法

交互式多模型(IMM)算法是一种有效机动目标跟踪算法,但其性能与模型的选择、个数以及参数有关。Singer模型算法可以实现对机动目标的跟踪,但该算法存在机动频率和过程噪声大小等参数难以选取的问题。针对以上情况,利用IMM算法易于结合其他算法的特点,提出一种基于IMM-Singer模型的机动目标跟踪算法,实现Singer模型参数的自适应选择。仿真结果表明,该算法比单一的Singer模型算法或一般的IMM算法更能有效提高机动目标跟踪精度。     

基于效费比的武器目标分配

有效武器目标分配(WTA)是防空阵地的核心。分析了目标毁伤收益、武器损伤关键战术指标因素,提出基于效费比的WTA评价标准,建立了针对多目标的WTA模型,并研究了用遗传算法求解模型的方法。该遗传算法通过设计一种武器目标分配的染色体编码,利用最优保存策略选择运算、均匀交叉运算、非均匀变异运算来求解。仿真结果验证了模型的合理性和算法的有效性。     

一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。