大规模UAV编队信息交互拓扑的分级分布式生成

UAV编队信息交互拓扑的优化设计是保证UAV编队安全性和任务执行高效性的重要基础。目前队形保持下UAV编队信息交互拓扑生成算法局限于小规模编队,且优化目标单一。针对这一问题,采用了分级分簇结构扩展信息交互拓扑层级,以满足大规模场景,同时以提高编队续航能力和减少编队总通信代价为组合优化目标,提出了基于最小树形图的分级分布式领航-跟随者编队信息交互拓扑生成算法,并通过OMNeT++进行了仿真验证。实验结果表明在考虑位置误差传递迭代时,分级分布式领航-跟随者编队的总通信代价明显低于传统领航-跟随者编队,且通过周期性更新簇首,网络能耗更加均衡,提高了编队续航能力;在80架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.3 s内求解完成,相比于传统领航-跟随者编队算法,求解效率提高了约2.5倍;在100架UAV编队规模下,分级分布式领航-跟随者编队生成算法能够在0.4 s内求解完成,而传统领航-跟随者编队由于位置误差的传递迭代已不能保持原有队形。     

能耗均衡的三维最优持久编队通信拓扑生成

持久编队通信拓扑的优化是在确保多智能体使用持久编队控制方法保持队形的基础上尽量减少智能体之间的通信能耗。现有的方法可以最小化智能体的通信能耗总和，却未考虑均衡智能体间的通信能耗，而这会导致某些智能体提前退出编队。针对这一问题，以最大化队形保持时间为目标，研究了考虑能耗均衡的三维最优持久编队通信拓扑生成方法。首先，设计了一种通信拓扑离线优化机制，即选择一个合适的周期，在编队运动之前计算出每个周期内的通信拓扑，在编队保持队形过程中据此定期调整通信拓扑，从而避免在线计算和发布通信拓扑带来额外的通信能耗；而在离线计算每个周期内的通信拓扑时，先估计出每个周期开始时每个智能体的剩余通信能量，并据此更新网络拓扑中各通信链接的权重，再从更新后的网络拓扑中生成一个三维最优持久图作为本周期内的通信拓扑。其次，针对每个周期内的三维最优持久图生成问题，由于更新后的网络拓扑中的通信链路权重不对称，导致现有算法难以适用，为此提出了一种基于刚度矩阵和弧添加操作的近似求解算法，并从理论上分析了其时间复杂度和证明了其有效性。最后，通过仿真实验结果验证了该方法可以有效降低并均衡各智能体的通信能耗，相比于所有对比方法的平均...     

基于编队形状的反舰导弹预定目标选择模型特点

相比传统的预定目标选择方法,基于编队形状的反舰导弹预定目标选择方法是一类新方法。为了便于进一步研究具体算法,需要研究基于编队形状的反舰导弹预定目标选择模型的特点。该类方法的实质是将目标选择问题转化为点集匹配问题,因而文章从点集的信息来源、点集之间的变换关系、点集之间的映射关系、点集之间的距离函数等方面分析了模型特点,并根据这些特点将基于编队形状的反舰导弹预定目标选择算法分为2类：即基于迭代收敛的预定目标选择算法和基于变换位置集合的预定目标选择算法。     

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。     

基于神经网络的机动目标信息融合与并行自适应跟踪

基于“当前”统计模型和 BP神经网络 ,提出一种新的机动目标神经网络信息融合与并行自适应跟踪算法 ( NIFPAT)。该算法采用双滤波器并行结构 ,利用全状态反馈 ,通过 BP网络调整系统方差以适应目标的运动变化 ,具有对目标各种运动状态的良好自适应跟踪能力     

海上低空突防群目标跟踪的IMM-Bayesian实现

由于海上低空突防编队目标存在低检测和高机动的特点,采用传统跟踪算法对编队内目标逐个跟踪存在航迹连续性差、关联混乱等问题。针对上述问题,基于对编队群整体跟踪的思想,将交互式多模型(IMM)与Bayesian算法相结合,采用IMM-Bayesian算法完成典型机动场景下(拐弯、合并、分裂)海上低空编队群目标整体的跟踪,同时利用随机矩阵作为群的扩展状态完成对群形状信息的估计。其中,对海上低空突防编队群目标运动过程中出现的分裂与合并现象,在IMM-Bayesian算法的基础上采用最近邻分类的思想对其进行有效跟踪。仿真结果表明了算法的有效性。     

自主多无人机的分散化协同控制

协同前提是无人机(UAV)平台间的通信和信息共享,无人机平台之间信息和计算是高度分布的,无人机平台的运动以及通信拓扑的变化,使得集中式协调控制结构很难实现。以最小通信量为基础的分散协同控制具有可扩展性、异构性和动态可重构性等特点,可靠性和鲁棒性较好。针对多无人机平台分散化协同的特点和要求,建立了集中和分散相结合的多无人机平台协同控制系统结构,集中式任务管理系统主要完成目标分配、通信管理和编队管理功能,分散式协同部分主要实现局部任务规划、协调策略及协调控制等功能。分别以多机协同目标跟踪、多机和多编队一致性协调、多机协同编队控制与重构等多无人机平台分散化协同控制技术为应用对象,探讨了分散化协调机制、策略、控制及其与信息之间关系。给出了部分算法的仿真结果。     

空中运动目标的识别和跟踪控制

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

反舰导弹对目标选择的一种新方法

超视距反舰导弹(ASM)在搜索阶段选择预定目标时,目前采用的瞄准点选择方法受自控终点的散布误差和目标机动影响较大。为此提出一种利用舰艇编队相互位置关系(MPR)选择预定目标的方法。编队相互位置关系即其余目标相对参考目标的位置,对于一个编队,选择不同的参考目标得到不同的编队相互位置关系。对发射前装订的编队,以预定目标为参考目标获得其编队相互位置关系,在末制导雷达探测到的编队目标中,若以某目标为参考目标时的编队相互位置关系与之最相似,则该目标即为所要选择的预定目标。该方法不受自控终点散布误差和编队目标整体机动的影响。仿真实验表明该方法正确选择预定目标的概率高于瞄准点选择方法。     

无人机编队构成的分散最优控制方法研究

针对无长机带领、具有固定无向通信拓扑的无人机编队构成控制问题,提出了一种基于"相邻"无人机状态反馈的分散最优控制方法。该方法采用Laplacian矩阵描述编队通信结构,以"相邻"无人机与编队构型间的相对状态误差构建分散最优控制模型,并通过求解具有LMI约束的线性目标最优化问题得到编队各无人机的分散最优控制律。该方法使得多无人机在分散协同的前提下,基于局部信息快速准确地形成预定编队构型,达到运动方向和速度的一致性。仿真实验验证了该方法的有效性。     

基于Hausdorff距离的反舰导弹目标选择方法

如何从舰艇编队中选择预定目标,是超视距反舰导弹亟待解决的一个问题。文章基于Hausdorff距离的部分匹配理论研究了这一问题。火控雷达探测到的编队信息和末制导雷达探测到的编队信息都用点集来描述,通过点集形状匹配获取这两个点集的对应点,从而实现对预定目标的选择。重点提出了一种新的部分匹配途径,能够自适应地逐个剔除引起形状不相似的外部点而同时保留两个形状的相似部分。仿真试验表明,相比以往基于编队相互位置关系的方法,论文所研究的预定目标选择方法具有更好的抗干扰能力。     

海上目标雷达与 AIS航迹时空匹配方法

针对海上目标的雷达与船舶自动识别系统(Automatic Identification System,AIS)中,航迹之间存在的时空不匹配现象,提出了在空间对准之后结合海上航迹运动特点,对 AIS航迹数据进行插值对准雷达目标航迹的方法,在解决雷达与 AIS航迹之间时空不匹配问题的同时,最大程度减小插值误差。该方法根据船舶航向变化率,结合航速航向法和内插外推法的优势,针对不同航迹特点自动选择最佳的插值配准方法,实现海上目标的雷达与 AIS航迹点的自动插值和时空对齐。仿真实验结果表明,所提方法针对海上目标复杂运动,可以自动匹配选择最佳插值方法,有效降低误差,实现雷达与 AIS航迹之间的时空匹配。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法。首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习。其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复杂度。此外,设计了一种基于融合系数最大绝对值的融合规则,并根据过完备字典和融合后的局部约束线性系数实现融合图像的重建。最后,利用圆周滤波器提取舰船图像的候选区域。大量试验结果表明,在融合图像质量方面,所提方法在保留高频细节的同时将图像中的舰船目标有效增强了,MI、Q_w、Q^AB/F等客观评价指标优于同类算法;在实时性方面,所提算法的计算速度相比于采用匹配追踪算法的图像融合方案有明显提升。     

编队攻击集群目标时的反舰导弹弹道规划

以海上编队对集群目标实施导弹攻击为背景,分析了多发射平台对多目标进行导弹射击时反舰导弹弹道规划的重点和难点,探索了编队对集群目标射击时的弹道规划的基本原则与思路方法。     

空舰导弹获取舰艇编队形状能力研究

利用舰艇编队形状(SSF)的预定目标选择方法(简称SSF方法)比传统方法具有更好的预定目标选择能力.为了检验SSF方法的适用性,研究了空舰导弹(ASM)获取SSF的能力.首先推导了末制导雷达(TGR)最小方位角搜索范围模型.据此模型可在给定发射距离下计算合适的末制导雷达方位角搜索范围,此方位角搜索范围既能保证编队录取概...     

图像目标跟踪及其在UCAV中的应用

在图像跟踪中主要因素是目标的几何中心，只考虑目标的相对运动特性，就可以设法减少图像处理的工作量。由于目标的边缘不可能占满整幅图像．在目标边缘检测时不必对整幅图像进行处理。为此，从估计的中心向给定方向寻找目标的边界．得到目标边界点的一个子集合．再由该子集得到目标中心的近似值．并以此为基础构造目标跟踪方法，利用图像检测实现无人战斗机对目标的跟踪。仿真结果表明．该方法对于目标的跟踪是有效的。     

舰空导弹武器系统协同作战能力试验中协同目标指示模拟

针对舰空导弹武器系统协同作战能力试验中亟需解决的协同目标指示难题,借鉴美海军实际经验,提出了不动用舰艇条件下的协同目标指示模拟总体方案。介绍了协同目标指示模拟采用的测控信息预处理、时空同步和信息融合跟踪方案,重点研究了测控信息实时精度匹配方案,提出了基于误差合成分配技术的卡尔曼滤波实时精度匹配方法,并分析了协同目标信息传输性能需求。运用Simulink仿真技术验证了提出的目标指示模拟方案的有效性。     

基于改进SSD的舰船目标精细化检测方法

以SSD为代表的主流深度学习方法在目标检测领域取得了显著的成绩，但由于该类方法只能以矩形框给出目标的概略位置，检测结果具有很大的背景冗余区域，特别是港口密集停泊的舰船在图像中会出现区域重叠，导致误检和漏检。针对以上问题，提出了一种具有旋转不变性的舰船目标精细化检测方法，该方法综合利用可变形卷积、可变形池化、旋转的边框回归和旋转的非极大值抑制等模块的优点，借鉴MobileNet架构对网络加速，通过学习密集区域目标的几何形变，有效预测目标的旋转角度，最终以旋转的矩形框给出目标的位置。实验结果表明，该算法可实现多类舰船目标类型区分和目标朝向判定的功能，有效地解决了实际应用中的目标精确定位定向难题，提高了自动目标识别的精确性，并满足工程应用的实时性要求。