编队空战的目标分配研究

编队空战目标分配可以使飞行员在选择空战对手时更趋理性,也更有针对性。首先分析了构成目标威胁的因素,运用层次分析法确定了构成目标威胁度各因素的权值;进而构建了目标分配函数,并运用最优势原理实现了目标的分配;最后,通过设定双方不同性能的飞机空战作为目标分配实例进行了计算,计算结果符合编队空战的一般规律,表明所提出的方法可以解决实际编队空战中目标分配问题,方法简洁,结果可靠。     

基于改进证据网络的空战动态态势估计方法

针对无人机空战态势估计既需要综合考虑多类型因素影响,又需要具有不确定性推理能力的特点,建立了一种基于改进证据网络的动态态势估计模型并设计了威胁等级评估推理方法。首先,考虑空战决策时间较短的特点,提出变量框架等级缩减方法以提高网络运行效率;然后,针对空战态势信息具有大不确定性的特点增加冲突数据自适应融合算法以及网络证据的时间序列预测,提高证据的合理性;最后,引入时空融合思想和变权机制将前一时刻的威胁信息作为评判后一时刻威胁的重要标准,应用威胁在时间维度上的递归合成增加信息在时间方向的传递,改善了由于证据失真引起的评估结果的不合理性问题,并通过仿真验证了该方法的有效性。     

超视距空战的威胁估计

针对现有超视距空战威胁估计模型的不足,提出了一种新的基于模糊逻辑的超视距空战威胁估计模型。该模型以机载中远程空空导弹攻击区、雷达搜索区性能参数以及双方战术几何关系、相对运动趋势作为评估对象进行模糊化,设计了角度优势、距离优势推理模块,并以二者的加权和作为当前空战态势的优势指数。模型较为全面反应了空战态势与参战飞机的作战能力,可为超视距多机协同攻击多目标空战时的目标分配、战术选择提供参考。仿真结果验证了模型的有效性。     

空战格斗飞行机动数据库建立及应用

空战格斗任务面临环境高复杂性、博弈强对抗性、响应高实时性、信息不完整性、边界不确定性等多项挑战。为此，已建立人类飞行员空战格斗飞行机动数据库ACED(Air Combat Engagement Database)，系统采集人类优秀飞行员空战格斗飞行机动数据。基于该数据库，首先分析了空战格斗飞行机动方程，提出应重点分析飞行员在空战任务中的滚转角及法向过载决策指令；研究确定了近距空战格斗任务中的人类飞行员飞行机动决策时间窗，并采用能量谱分析方法确定了飞行员在近距空战格斗飞行机动中的滚转角决策频率；针对采用航炮作为主武器的近距空战格斗任务，研究了近距空战格斗敌机轨迹预测算法。相关方法可有效预测航炮炮弹生命周期内的敌机未来轨迹，有力支撑了航炮自动火控算法的研发，助力在相关空战竞赛中取得优异成绩。本文系列应用示例验证了已建立的空战格斗飞行机动数据库的有效性。     

复杂对抗战场环境下的威胁评估因子选取

威胁评估是国际上热门的研究课题,其中,威胁因子选取是威胁评估中重要的一环,主要包含目标空战能力分析和空战态势分析2个方面。针对机器学习体量大、上机难的问题,文中提出一种具有机载适用性的威胁评估因子选取方法,以定量的形式对威胁源做出分析和评估,用非线性加权方法进行威胁等级计算和排序仿真,最后通过仿真验证了这种威胁因子选取方法的可行性。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。     

知己知彼 方能百战百胜──空战“态势了解”一习谈

FighterPilot'sSituationAmareness今天，绝大多数飞机设计师和战斗机飞行员都认为，对空战态势的了解（SA）程度是影响现代空战胜负的最重要因素之一。优秀飞行员的共同特点是他们能对空战态势保持清醒、敏锐的意识。他们知道什么时候可以发起攻击、什么时候应该退出战斗Z他们熟悉敌机的性能，并且通常能先敌发现，先敌攻击；他们始终掌握着僚机情况及其相对位置，与之保持密切的协同作战联系SA的含义SA是指飞行员对周围作战态势的了解，依据其程度高低可分为：一级SA：“我不知道他在哪里或他在做什么——他却知道我。”二级SA：“…     

高度自动化的神经中枢——F-22最新进展系列报道之二

高度综合的航空电子系统是管理F-22各种传感器的神经中枢,已使目前一名飞行员必须人工操作的许多功能自动化.综合电子系统还通过组合数据来识别敌机以及在单个显示器上显示整个空战画面.此外,系统还限制传感器发射的电波.所有这一切将使F-22的飞行员有可能在限制它们对敌方空空或空地导弹暴露的同时,在短时间内攻击多个目标.其基本设计思想是少为飞行员显示原始数据,多显示容易领会的信息,使他不再承担传感器操作员的角色,也不需要做心算,这些工作都由航空电子系     

智能空战仿真中的目标威胁估计方法研究

针对智能空战仿真中的目标威胁估计问题,提出了一种基于遗传模糊推理的目标威胁估计方法,用于支撑智能空战仿真中目标分配决策。首先,研究了基于遗传模糊推理的目标威胁估计方法;然后,介绍了该目标威胁估计方法在智能空战仿真中的应用。仿真结果表明,目标威胁估计结果合理,能有效支撑目标分配决策。     

自主空战机动决策方法综述

自主空战机动决策是基于数学优化、人工智能等方法,模拟飞行员空战决策,自动生成飞行控制指令的过程。它在空战仿真、飞行员辅助决策和无人战斗机自主飞行等领域广泛运用。根据求解思路的不同,综合论述了两类自主空战机动决策方法:针对基于对策的空战决策方法,阐述了从追逃对策到双目标对策的发展脉络和内在联系,并着重分析了两类重要的双目标对策模型——矩阵对策和影响图对策;针对基于人工智能的空战决策方法,系统论述了基于专家系统的机动决策、基于遗传学习系统的机动决策、基于人工免疫系统的机动决策和基于神经网络的机动决策,明确了各种决策的建模方法、适用条件、改进途径等问题。总结了各个空战机动决策方法的优点及不足,指出了自主空战机动决策的进一步研究思路。     

KUPS: Knowledge-Based Ubiquitous and Persistent Sensor Networks for Threat Assessment

We propose a knowledge-based ubiquitous and persistent sensor network (KUPS) for threat assessment, in which "sensor" is a broad characterization. It refers to diverse data or information from ubiquitous and persistent sensor sources such as organic sensors and human intelligence sensors. Our KUPS for threat assessment consists of two major steps: situation awareness using fuzzy logic systems (FLSs) and threat parameter estimation using radar sensor networks (RSNs). Our FLSs combine the linguistic knowledge from different intelligent sensors, and our proposed maximum-likelihood (ML) estimation algorithm performs target radar cross section (RCS) parameter estimation. We also show that our ML estimator is unbiased and the variance of parameter estimation matches the Cramer-Rao lower bound (CRLB) if the radar pulses follow the Swerling II model. Simulations further validate our theoretical results.     

基于证据理论的模糊信息融合及其在目标识别中的应用

信息融合系统中的不确定性信息常常表现为模糊性和随机性信息。提出了一种在证据理论框架下实现模糊信息融合的方法。该方法首先基于随机集理论刻画模糊信息的隶属函数,获得了模糊观测下具有概然特性的似然函数,该似然函数表示在收集的模糊信息下确定为某一目标的可能性,在数值上表示了传感器信息对某一命题支持的程度,利用似然函数确定传感器输出的基本概率指派,最后利用Dempster-Shafer组合规则实现多传感器信息融合。     

Information space of sensor networks: Lagrangian,energy-momentum tensor,and applications

It is a challenge to investigate the interrelationship between the geometric structure and performance of sensor networks due to the increasingly complex and diverse architecture of them. This paper presents two new formulations for the information space of sensor networks, including Lagrangian and energy–momentum tensor, which are expected to integrate sensor networks target tracking and performance evaluation from a unified perspective. The proposed method presents two geometric objects to represent the dynamic state and manifold structure of the information space of sensor networks. Based on that, the authors conduct the property analysis and target tracking of sensor networks. To the best of our knowledge, it is the first time to investigate and analyze the information energy–momentum tensor of sensor networks and evaluate the performance of sensor networks in the context of target tracking. Simulations and examples confirm the competitive performance of the proposed method.     

Resource Management Coordination with Level 2/3 Fusion Issues and Challenges [Panel Report]

Information fusion system designs require sensor and resource management (SM) for effective and efficient data collection, processing, and dissemination. Common Level 4 fusion sensor management (or process refinement) inter-relations with target tracking and identification (Level 1 fusion) have been detailed in the literature. At the ISIF Fusion Conference, a panel discussion was held to examine the contemporary issues and challenges pertaining to the interaction between SM and situation and threat assessment (Level 2/3 fusion). This summarizes the key tenants of the invited panel experts. The common themes were: (1) Addressing the user in system control, (2) Determining a standard set of metrics, (3) Evaluating fusion systems to deliver timely information needs, (4) Dynamic updating for planning mission time-horizons, (5) Joint optimization of objective functions at all levels, (6) L2/3 situation entity definitions for knowledge discovery, modeling, and information projection, and (7) Addressing constraints for resource planning and scheduling.     

基于MATLAB的海上目标威胁程度仿真研究

介绍了MATLAB模糊逻辑工具箱的基础知识和基本用法,以及海上目标威胁程度等级计算的基本方法,并在此基础上提出了运用MATLAB模糊逻辑工具箱进行海上目标威胁程度等级的仿真。根据海上目标威胁程度等级计算的基本要求和模糊推理系统的构造方法,确定了系统各变量的隶属度函数,制定了系统的模糊规则。仿真结果表明,运用MATLAB模糊逻辑工具箱进行海上目标威胁程度等级的仿真,建立系统隶属度函数和模糊规则非常快捷、方便,各输入变量对输出变量目标威胁程度等级的影响非常直观。     

基于模糊物元分析的空袭目标威胁评估与排序方法

结合现代防空作战特点,分析了影响目标威胁评估与排序的因素,在模糊物元分析的基础上,结合欧氏(欧几里得)贴近度的概念,提出了基于欧氏贴近度的模糊物元分析法.在对空袭目标进行威胁评估与排序时,将目标的各个特征作为物元的事物,以其各项评价指标及其相应的模糊量值构造复合模糊物元.通过计算与标准模糊物元之间的欧氏贴近度,并采用信息熵法计算各评价指标的权重,实现了对空袭目标的威胁评估与排序,为空袭目标威胁评估与排序提供了一个新的方法.     

先进武装直升机一种新型组合智能飞控系统和火/飞综合系统的设计与仿真

讨论了模糊逻辑控制与神经网络相结合的一种控制方法,给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法,提高了系统精度,改善了系统品质,并将这种方法成功地用于直升机飞控系统和综合火／飞系统的设计。同时,针对某型直升机用数字仿真证明了这种方法的优点和良好效果。     

基于决策不确定性的多目标跟踪传感器管理

针对高杂波、电子干扰环境,在量测驱动的多目标滤波框架下提出了一种基于决策不确定性的传感器管理方法。首先,根据部分可观测马尔科夫决策过程的理论,给出了基于Rényi信息增量的传感器管理一般方法。其次,综合考虑决策过程的信息完整性、信息质量、信息的内涵等因素,在量测驱动的自适应滤波框架下,基于目标运动态势评估多目标决策不确定性水平,并选取最大决策不确定性目标。最后,以最大决策不确定性目标的信息增量最大化为准则进行传感器分配方案的求解。仿真实验表明所提方法能够有效抑制电子干扰、杂波对多目标跟踪及传感器分配的影响,与基于威胁的传感器管理方法相比,所提方法的平均最优子模式分配（OSPA）距离及平均计算时长均显著降低,且在高杂波、电子干扰情形下具有较高的可靠性。     

Road-map assisted ground moving target tracking

Tracking ground targets with airborne GMTI (ground moving target indicator) sensor measurements proves to be a challenging task due to high target density, high clutter, and low visibility. The exploitation of nonstandard background information such as road maps and terrain information is therefore highly desirable for the enhancement of track quality and track continuity. The present paper presents a Bayesian approach to incorporate such information consistently. It is particularly suited to deal with winding roads and networks of roads. The target dynamics is modeled in quasi one-dimensional road coordinates and mapped onto ground coordinates using linear road segments taking road map errors into account. The case of several intersecting roads with different characteristics, such as mean curvature, slope, or visibility, is treated within an interacting multiple model (IMM) scheme. Targets can be masked both by the clutter notch of the sensor and by terrain obstacles. Both effects are modeled using a sensor-target state dependent detection probability. The iterative filter equations are formulated within a framework of Gaussian sum approximations on the one hand and a particle filter approach on the other hand. Simulation results for single targets taken from a realistic ground scenario show strongly reduced target location errors compared with the case of neglecting road-map information. By modeling the clutter notch of the GMTI sensor, early detection of stopping targets is demonstrated     

Event-triggered cooperative target tracking in wireless sensor networks

Since the issues of low communication bandwidth supply and limited battery capacity are very crucial for wireless sensor networks, this paper focuses on the problem of event-triggered cooperative target tracking based on set-membership information filtering. We study some fundamental properties of the set-membership information filter with multiple sensor measure-ments. First, a sufficient condition is derived for the set-membership information filter, under which the boundedness of the outer ellipsoidal approximation set of the estimation means is guaranteed. Second, the equivalence property between the parallel and sequential versions of the set-membership information filter is presented. Finally, the results are applied to a 1D event-triggered target tracking scenario in which the negative information is exploited in the sense that the measurements that do not satisfy the triggering conditions are modelled as set-membership mea-surements. The tracking performance of the proposed method is validated with extensive Monte Carlo simulations.