雷达/红外复合制导模拟方法研究

雷达/红外双模复合制导是精确制导武器的重要制导方式.通过分析雷达/红外复合制导机理,提出了基于单模导引头单机的雷达/红外复合制导模拟方法,解决了两部导引头如何时空配准、数据关联、融合识别和融合跟踪等问题.     

烟幕对红外成像制导系统的干扰分析

红外成像是现役精确制导武器的主要制导方式之一,在现代战争中发挥着重要作用,世界各国已越来越重视对红外成像制导武器的干扰技术的研究.其中,烟幕干扰受到了广泛的重视和应用.根据红外成像制导系统的组成和工作过程,分析了红外成像制导系统的跟踪原理,针对波门跟踪算法和相关跟踪算法,探讨了烟幕对红外成像制导系统的干扰.     

多传感器最优信息融合Kalman多步预报器及其应用

提出了一种新的标量加权线性最小方差意义下的多传感器最优信息融合算法。该算法考虑了局部估计误差之间的相关性，只需计算加权标量，避免了加权矩阵的计算，明显减小了计算负担，便于实时应用。基于该融合算法，对被多个传感器观测的离散线性随机系统，给出了具有容错性的多传感器标量加权最优信息融合分布式Kalman多步预报器。它具有两层融合结构，其中第一融合层具有网状并行结构，用来获得每时刻每两个无故障传感器子系统之间的滤波误差互协方差阵；第二融合层用来确定最优标量加权系数，进而获得标量加权最优融合Kalman多步预报器。将其应用于雷达跟踪系统验证了其有效性。     

精确制导武器虚拟样机技术研究

精确制导武器虚拟样机技术是进行精确制导武器研究的一项关键技术。本文充分考虑到建立一体化、通用化的虚拟样机系统支撑平台的需要,选取景象匹配技术作为精确制导技术的研究对象。研究过程中重点讨论了虚拟样机系统的组成、方案及算法分析、算法仿真试验、试验结果分析、系统集成等问题。其中,精确制导算法仿真的试验结果揭示了典型匹配算法的抗干扰能力和各种主要因素对匹配结果的影响规律,与理论分析一致;系统集成过程中详细分析了控制流、数据流与系统集成的组织过程和方法;最后对整个精确制导武器虚拟样机系统的研制工作进行了总结。     

多传感器加权观测融合自适应UKF滤波器

对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法.该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性.进而利用Sage-Husa估计算法得到自适应UKF滤波算法.该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性.为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器.一个带3传感器非线性系统的仿真例子说明了该算法的有效性.     

GPS导航系统的电子攻防对抗研究综述

以精确制导武器 (如巡航导弹 )为主的中远程精确打击已成为未来高技术战争的重要形式。而利用GPS导航系统则已成为精确制导的主要手段之一。在综合研究GPS系统和该系统采取的抗干扰技术与措施的同时 ,分析研究了对GPS导航和应用的电子干扰技术与措施 ,并提出了进一步研究的思路和方法     

影响光学景象匹配制导性能因素分析

光学景象匹配制导已经成功应用于巡航导弹或其它精确制导武器的末制导，大大提高武器系统的打击精度和突防能力，本文根据景象区配制导的基本原理，对影响其制导性能的主要因素进行了分析。根据基准图与实时图的各种干扰，建立了相应的误差模型，给出了解决方案。     

地地导弹发射车对抗空中精确制导武器打击的对策和措施探讨

概述了现代战争立体化、全天候、全方位、快速化的特点，以及空中精确制导武器打击的作战方式，提出了地地导弹发射车面临的主要空中威胁是空中作战飞机上发射的精确制导导弹和炸弹，简述了精确制导武器的作战特点，较详细地探讨了地地导弹发射车对抗精确制导武器攻击的主要对策：伪装隐蔽、主动摧毁敌精确制导武器或其平台和被动干扰、诱骗。结论指出有效的综合防空措施应成为新一代地地导弹发射车必备的性能。     

反舰导弹末制导多尺度多传感器数据融合方法

提出了一种实用有效的反舰导弹末制导多尺度多传感器数据融合方法。该方法可充分地利用捷联惯导和双星系统信息,对雷达导引头的测量信号进行有效的校正补偿,同时又可根据系统对校正算法实时性与精度的要求,通过合理地调整滤波算法节点数来满足系统的设计要求,从而大大地提高反舰导弹末制导的导引精度。该方法的有效性在某型超音速反舰导弹末制导信号校正仿真中得到验证。     

基于数据融合抗拖曳式有源诱饵方法研究

提高抗干扰能力是精确制导武器发展中亟待解决的问题。通过介绍当前国外拖曳式有源诱饵的发展现状及趋势以及对有源诱饵干扰特点的分析 ,基于数据融合技术 ,研究双模复合制导导弹对抗拖曳式有源诱饵的技术理论     

基于偏差自适应学习的多传感器信息融合机动目标跟踪

为了保证精确打击机动目标,导弹可以采用主/被动雷达切换探测目标。考虑到作战的隐蔽性和生存性,提出基于多传感器信息融合的被动优先跟踪方法:跟踪开始时,令主/被动雷达同时对目标进行探测和跟踪,将二者的信息进行融合,同时自适应地学习融合结果与二者信息的偏差,经过一段时间学习,融合偏差稳定,此时令主动雷达停止工作,由被动雷达单独工作,而目标的运动信息则由被动雷达的信息和学习得到的融合偏差合成。如果目标机动较大,则定期令主动雷达工作以进一步修正融合偏差。该方法既保证了跟踪的精度,同时又减少了主动雷达的工作时间,从而提高了作战的隐蔽性和生存性。将该方法应用于导弹的目标跟踪,仿真结果表明该方法有效。     

多传感器信息融合系统改进型BA模型

随着网络中心战和网络动力学的发展,多传感器信息融合系统的网络动力学特征研究将成为热门课题。本文从网络动力学角度,研究信息融合系统的两个问题。一是研究信息融合系统的无尺度网络特征,首次使用无尺度网络模型作为信息融合系统的构造形式。二是结合信息融合系统的特殊要求对BA模型做了相应的改进,给出一种信息融合系统改进型BA网络模型。该改进型BA模型更符合信息融合的网络动力学特征,其平均距离比BA模型改善10%。     

基于多尺度分布式融合估计的GPS/INS组合导航系统的研究

针对如何融合多传感器的数据、提高数据处理的可靠性和精度的问题,将基于模型的动态系统分析方法与基于统计特性的多测度信号变换方法相结合,提出基于Kalman滤波的多尺度分解与估计联合的多尺度分布式融合估计算法.该算法首先建立系统的动态方程和观测方程,再利用小波变换将数据在不同尺度上进行融合处理,归纳出该算法的实现步骤.最后通过组合导航系统的仿真验证算法的有效性,结果进一步证明了该算法能够有效地提高多传感器数据的处理精度.     

基于不确定性分析的多传感器航迹融合算法

针对目前多传感器系统中常用的航迹融合方法精度与计算量不能兼顾,不能很好地处理不确定性,特别是对曲线航迹拐点的融合误差较大等问题,提出一种基于不确定性分析的航迹融合算法.该算法通过分析航迹融合所需的信息量,用标准熵量化每条航迹的不确定程度,从总体上删除质量较差的航迹,然后对每条参与融合的航迹进行分析,用正交多项式回归的方法剔除了测量误差较大的数据点.该算法有效的处理了传感器航迹中的不确定因素,解决了目前航迹融合方法中拐点融合误差较大的问题,以较小的计算开销达到了较高的精度,从而平衡了精度与计算量之间的矛盾.最后在多传感器多航迹的环境下讨论了其具体实现过程,仿真实验结果验证了该算法的有效性、优越性.     

多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

一种基于随机集的目标跟踪算法研究

针对多传感器多目标跟踪问题,提出了基于随机有限集的概率假设密度（PHD）滤波算法。该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪。给出了应用该算法的具体步骤,通过仿真实例证明该算法的有效性。     

数据融合黑板型专家系统

给出了一种多传感器数据融合和黑板模型推理的专家系统的实现方法。系统以飞机平台为目标，利用多站多个传感器所获得的雷达、通信、敌我识别信息，通过多传感器数据融合和人工智能黑板模型推理，实现对飞机平台的识别和定位。     

多传感器组合导航系统研究

设计了一种由INS、GPS和Doppler测速雷达构成的多传感器组合导航系统。采用GPS伪距、伪距率以及Doppler速度与INS组合 ,建立了其卡尔曼滤波方程 ,设计了飞行轨迹 ,给出了惯性元件精度较低时组合系统的仿真输出。仿真结果表明 ,多传感器组合导航系统能有效提高导航精度 ,降低对惯性元件的性能要求 ,是导航系统的发展方向     

基于Cramér-Rao下限的多传感器跟踪资源协同分配

针对防空指挥控制系统中多传感器管理问题,提出了一种基于目标跟踪精度Cramér-Rao下限的多传感器跟踪资源协同分配方法。该方法首先利用目标战术重要性函数求解目标优先级;然后在目标优先级函数和目标—传感器配对效能函数的基础上,构造了多传感器资源协同分配一般模型,并根据目标跟踪过程特点将Cramér-Rao下限引入到协同分配的模型中,使得在进行跟踪资源协同分配时无需考虑目标跟踪滤波算法的选择。对于分配过程中出现的NP(Non-deterministic polynomial)难问题,探讨了利用匈牙利算法寻求满足条件的目标传感器最优组合,给出了模型求解的步骤。仿真结果表明,这种多传感器跟踪资源协同分配方法的可行性与模型求解的快速性。