一种自组织神经网络及其应用

提出了一种适用于目标识别和故障诊断的自组织神经网络（ＳＮＮ）模型和一种基于模糊关联度的判别准则。ＳＮＮ学习速度快,能在不破坏原有“知识”的情况下,学习、记忆新知识,且具有对外部环境的自适应能力。新的判别准则充分考虑了网络输出矢量各分量的大小因素及其与各期望目标矢量的相关程度,使类别判决更加合理可靠。本模型被用于被动声纳目标分类,取得了较好的效果。     

基于火光辐射的射流速度测试技术研究

为了满足超高速聚能射流的测速要求,采用狭缝光阑与高速光电探测器构成被动探测模块,探测射流的自身火光辐射。测速系统以多级光阑前后排列的方式限制探测幕面的视场与厚度。分别对两级、三级光阑2种滤光模式建立了光学模型,模拟射流过靶时各级光阑的滤光性能。仿真结果表明,三级光阑可以有效衰减射流自身的强辐射,并且可以滤除探测幕范围之外的爆炸火光以及设备内的反射光,滤光效果超过99.25%。采用三级光阑逐级滤光的方法,解决了射流辐射亮度强并且伴随有杂散光导致其速度不易测试的难题。最后在外场进行射流测速试验,得到的信号波形印证了仿真结果的正确性。对过靶信号进行相关性分析处理得到射流的精确过靶时间,计算得到的射流速度为6 500 m/s左右。将测得数据结果与高速摄影测速结果进行对比验证,测速系统的不确定度低于1.9%,验证了系统的可行性。     

深度多属性增强水声目标识别方法

被动声纳系统由于其隐蔽性好的特点在军事任务中发挥着重要作用。针对被动水声目标识别问题,开展了水声目标多属性特征提取与识别方法研究。利用深度学习方法从舰船辐射噪声中提取目标多属性特征并识别水声目标。提出了深度多属性增强水声目标识别方法,该方法可以从时域舰船辐射噪声中提取水声目标多属性特征及多属性之间的相关性特征,并用来增强深度模型对水声目标类别属性的表达能力。基于海试实测数据的6类水声目标识别实验结果表明,相比于不考虑多属性的识别方法,提出的深度多属性增强水声目标识别方法的平均正确识别率提高了3.6%～18.2%,并且具有更好的识别稳定性。     

基于交叉定位的声纳浮标阵被动检测预处理研究

交叉定位的精度直接决定着水下目标被动方法的检测性能,而目标数量的不确定性及其位置关系的复杂性将进一步影响交叉定位的精度。针对上述问题,提出了一种基于最小交叉定位方差的距离和方位数据互联算法。首先,分析了水下目标2种典型运动特点,分别构建了水下目标运动模型;其次,研究了声纳浮标阵型和交叉定位原理对定位精度的影响,构建了声纳浮标被动检测模型;最后,采用距离和方位数据关联方法,完成了水下目标被动检测前的预处理。仿真结果表明：在多目标航迹交叉、复杂噪声环境条件下,该算法整体性能优于典型的模糊聚类法和最近邻域法。     

次级通道估计误差对Fx-Newton算法的影响

Fx-Newton算法在执行过程中需要估计次级通道模型,针对主被动隔振工程应用中次级通道估计存在误差的问题,假设输入信号为正弦信号,建立含次级通道估计误差的Fx-Newton算法结构模型,推导了Fx-Newton算法的稳定性条件,并就相位误差和幅值误差对Fx-Newton算法稳定性和收敛性的影响做了详细阐述。最后对两自由度主被动隔振模型开展仿真研究,验证了理论分析结果。     

应召反潜条件下浮标阵型规划研究

以圆形阵和直线阵为例,在充分考虑目标态势的基础上,建立了应召反潜条件下的浮标阵型布放模型。给出了一种搜潜概率计算方法,并基于此对建立的阵型模型进行了仿真验证。仿真结果表明,所建立的阵型模型是合理的。     

有/无人机协同使用声纳浮标应召搜潜研究

有/无人机混编协同反潜作战可以发挥有人机和无人机的互补优势,极大提高反潜效能,是未来航空兵作战的重要方式。针对有/无人机反潜特性,分析了有/无人机使用声纳浮标协同应召搜潜过程和方式。以反潜机布设声纳浮标、无人机进行监听为前提,提出了无人机监听航路的代价函数,以此分析了无人机最优监听航路,计算结果表明监听方案的可行性,对有/无人机协同反潜作战具有一定的参考意义。     

UKF在反辐射无人机抗目标雷达关机中的应用

基于捷联惯导/反辐射导引头组合抗目标雷达关机制导方案,研究了UKF方法在对目标雷达被动定位中的应用.针对反辐射导引头测角存在非线性特性的特点,提出了一种基于扩展状态变量维数的方法同时实现目标状态估计和导引头非线性特性补偿.仿真结果表明,UKF方法与传统的EKF方法相比具有更高的定位精度.