主/被动联合多基地航空搜潜范围分析

 在主/被动联合多基地航空搜潜条件下,根据声纳、浮标、潜艇的位置关系,推导出了对目标定位的数学模型,并结合主/被动声纳方程,建立了目标与主动声纳和浮标之间的位置关系、主动声纳的最大传输距离、多基地搜潜的搜潜范围和定位范围等数学模型,在此基础上,分析了搜潜范围与主动声纳和浮标距离之间的关系、目标与主动声纳和目标与浮标距离之间的关系、浮标位置与搜潜范围和定位范围之间的关系等,获得了有益的结果。     

基于先验目标航向的主/被动联合多基地航空搜潜建模与仿真

利用主动吊放声纳与被动浮标组成多基地航空声纳对目标进行搜索,可节约搜索时间,有效提高搜潜效率。针对已知目标的大概航向,在有限范围内确定目标存在区的情况下,建立了多基地搜潜范围模型、单机吊放声纳和浮标的主/被动联合多基地搜潜模型、潜艇运动模型,仿真分析了潜艇初始航向、海洋环境噪声、搜索样式等因素对联合搜索概率的影响。结果表明,潜艇初始航向角度对单机吊放声纳和浮标的联合搜索概率影响较小,海洋环境噪声的变化对单机吊放声纳和浮标的联合搜索概率影响较大。     

基于自适应线谱增强的LOFAR浮标信号处理及Doppler-CPA定位方法

LOFAR浮标是一种被动全向浮标,用于对潜搜索的初始阶段。常规的LOFAR谱图对于小信噪比和有色背景噪声处理性能下降。文中采用自适应线谱增强技术将目标辐射中的线谱成分从背景噪声中分离出来进行LOFAR谱图分析,提高LOFAR浮标的检测性能。在LOFAR分析的基础上利用目标的多普勒信息,采用Doppler-CAP方法测算目标的速度和目标与浮标的距离,初步估算出目标的航迹。仿真结果表明,新的LOFAR浮标数据处理算法检测性能更好,能够得到目标与浮标最接近点的距离。     

圆形声纳浮标阵搜潜效能模型研究

分析了建立圆形声纳浮标阵搜潜效能模型的重要意义。通过对圆形声纳浮标阵作战机理的分析,使用数学方法建立了圆形声纳浮标阵搜潜效能的计算模型,并对模型的应用进行了讨论。     

反潜鱼雷靶试水下被动跟踪定位精度

跟踪重构鱼雷水下运动轨迹，对准确评估鱼雷状况及性能至关重要。文章研究了靶试环境下通过被动声纳浮标阵列跟踪某反潜鱼雷的定位精度。根据靶试对被动声纳浮标阵列要求，采用改进的代数方程方法定位鱼雷目标，通过蒙特卡洛仿真，研究对水下鱼雷的跟踪定位精度，为开展鱼雷靶试工作提供指导。     

基于斜距测量的浮标位置计算方法研究

根据航空搜潜浮标与飞机的相对距离和方位,采用最小二乘法,分析了计算浮标位置的原理、方法,建立了相应的数学模型和仿真算法;仿真分析了方位估计值对计算浮标位置收敛速度的影响,同时验证了文中所建算法的正确性。     

基于神经网络的最优浮标布阵智能决策方法

针对航空反潜活动中声纳浮标搜潜的典型任务场景,建立了浮标布阵的搜潜仿真模型及计算搜潜成功概率的数学模型。设计了一种计算满足目标搜潜概率需用最少浮标数量的优化方法,使用遗传算法求解了该优化问题,并生成大量浮标布阵样本。构造了浮标布阵辅助决策的神经网络模块,对最优浮标布阵方式进行了训练与学习。仿真验证表明,使用该方法能有效满足搜潜辅助决策任务需求。     

反潜巡逻机使用浮标声呐对潜警戒能力分析

针对航母综合作战区反潜巡逻机使用浮标声呐对潜警戒能力问题,在分析航母综合作战区反潜巡逻机对潜警戒目的与战术行动方法的基础上,构建了航母综合作战区反潜巡逻机使用浮标声呐对潜警戒能力计算模型,并结合某型反潜巡逻机和典型作战对象的战技性能,对航母综合作战区反潜巡逻机使用浮标声呐的对潜警戒能力进行了定量分析。     

基于人工势场-人工鱼群算法的改航路径规划

航班路径规划是改航策略的一个关键问题。将人工势场和人工鱼群算法相结合,应用于航班路径规划问题中。建立了引力和斥力的人工势场模型,用于单条改航路径规划;构造了单个人工鱼和适应度函数,采用人工鱼群算法优化改航路径;通过对改航路径的评估和修正,获得满足要求的改航路径。算例仿真结果显示,与现行的改航相比,基于人工势场-人工鱼群算法生成的改航路径总长度缩短了7.6%,表明算法是可行的和有效的。     

基于改进AFSA的桨扇发动机加速控制计划优化

为了提升桨扇发动机的过渡态性能，提出了一种可以满足发动机性能参数约束和寻优结果正确性要求的桨扇发动机加 减速控制计划优化方法。引入自适应调整策略和半可行域对人工鱼群算法（AFSA）进行改进，经过数值验证，改进后的算法较原 始算法具有更快的收敛速度和更高的寻优精度。将推力与目标推力间的差值作为寻优目标，采用改进后的人工鱼群算法和序列 二次规划算法（SQP）对桨扇发动机的加速过程进行优化，得到了满足约束前提下的桨扇发动机时间最短的加速控制计划，结果表 明：与采用传统的基于梯度的序列二次规划算法相比，采用改进的人工鱼群算法进行离线分段寻优所得到的控制计划总加速时间 缩短了21.8%（0.58 s），证明了改进人工鱼群算法具有更强的全局寻优能力，更适用于桨扇发动机加速控制计划的优化。     

基于CPHD的双层粒子滤波目标跟踪算法

常规基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density,CPHD)的粒子滤波(Particle Fil? ter,PF)跟踪算法应用于多目标跟踪时,容易遇到因粒子数量增加而带来的运算效率下降、目标数目估计不准的问题。文章基于常规粒子滤波 CPHD跟踪算法,通过部署双层粒子,提出基于势概率假设密度滤波的双层粒子滤波 (Two-Layer Particle Filter-CPHD,TLPF-CPHD)算法,以便提高目标数目及状态估计精度。仿真实验结果证明,相比于常规 PF-CPHD算法,新算法具有更好的目标数目和状态估计准确性。     

一种基于模糊贴近度的多站数据融合算法

提出了一种基于模糊贴近度的多站数据融合算法。该算法利用模糊贴近度的概念和矩阵特征向量理论，确定多站数据融合算法的各个测量设备的权重。能充分利用测量数据，提高目标跟踪精度。与传统方法相比，该方法计算简便，便于工程实现。     

Track-before-detect for Infrared Maneuvering Dim Multi-target via MM-PHD

In this paper, we present a novel and efficient track-before-detect (TBD) algorithm based on multiple-model probability hypothesis density (MM-PHD) for tracking infrared maneuvering dim multi-target. Firstly, the standard sequential Monte Carlo probability hypothesis density (SMC-PHD) TBD-based algorithm is introduced and sequentially improved by the adaptive process noise and the importance re-sampling on particle likelihood, which result in the improvement in the algorithm robustness and convergence speed. Secondly, backward recursion of SMC-PHD is derived in order to ameliorate the tracking performance especially at the time of the multi-target arising. Finally, SMC-PHD is extended with multiple-model to track maneuvering dim multi-target. Extensive experiments have proved the efficiency of the presented algorithm in tracking infrared maneuvering dim multi-target, which produces better performance in track detection and tracking than other TBD-based algorithms including SMC-PHD, multiple-model particle filter (MM-PF), histogram probability multi-hypothesis tracking (H-PMHT) and Viterbi-like.     

基于Leader-Follower编队的无人机协同跟踪地面目标制导律设计

对地面目标的自动跟踪是无人机在任务应用阶段需要解决的重要问题之一,多无人机协同跟踪能够提高对目标运动状态的估计精度并降低目标丢失的概率,因而具有重要研究意义。本文提出了一种基于Leader-Follower编队的无人机协同跟踪制导方法,解决了传统Standoff跟踪模式对地面目标的速度范围限制问题。首先,通过控制无人机的航向不断趋近于地面目标牵连跟踪圆切线方向的方法设计了Leader无人机自动跟踪地面目标的制导律并完成了稳定性证明;其次,通过控制Follower无人机的速度和航向角逐渐趋近于Leader无人机速度和航向的协同跟踪策略,分别设计了Follower无人机自动跟踪Leader无人机的制导律和编队相位协同制导律并完成了稳定性证明;最后,分别针对静止目标、匀速直线运动目标和变速运动目标的跟踪问题进行了仿真验证,结果表明所提出的制导方法能够实现对不同运动状态地面目标的自动协同跟踪,并且跟踪性能优于基于李雅普诺夫向量法的制导方法。     

基于PTE的多雷达航迹融合算法

针对杂波背景下的多雷达航迹融合时局部估计误差互协方差矩阵未知的问题，提出基于目标存在概率（PTE）的航迹融合算法，提升了正确航迹率和跟踪精度。首先，通过综合概率数据关联得到单接收站的目标航迹估计集合和对应的目标存在概率。然后，在局部估计误差互协方差矩阵未知的条件下，基于PTE信息提出不带记忆的综合广义凸组合航迹融合算法。进而将前一帧的融合状态进行反馈，提出带记忆的综合广义凸组合航迹融合算法。仿真验证了所提算法的有效性。     

卫星光通信APT控制系统H∞设计

 捕获瞄准跟踪(APT)控制系统的设计是影响整个星间光通信系统性能的重要因素。利用指向偏差的概率分布阐述了卫星光通信过程中捕获概率、跟踪误差及误码率受卫星平台振动和终端装置参数摄动的影响,通过功率谱分析了卫星平台振动在低频段、对象不确定性在高频段对指向偏差的影响,并对其进行了模型化分析。采用H_∞控制混合灵敏度设计方法同时抑制干扰和处理受控对象不确定性问题进行控制器设计。仿真验证表明该方法得到的控制器对平台干扰具有抑制力,对对象摄动具有鲁棒性。     

不完全量测下一类非线性光电跟踪系统滤波器设计

 随着不完全量测条件下探测概率的下降,传统光电跟踪系统的跟踪性能显著降低。为此,本文考虑将俯仰和偏航两个方向的角速度量测引入传统光电跟踪系统,并设计了不完全量测下基于置信度融合的目标跟踪滤波器。首先针对这类新型的光电跟踪系统建立了系统的量测模型,利用嵌套条件方法推导了转换量测误差前两阶矩的一致性估计;然后针对位置探测通道与角速度探测通道的4种数据探测情形设计了4个子滤波器,并根据探测通道的探测情况计算出各子滤波器的置信度,进而对各子滤波器的输出按置信度进行加权融合,得到了跟踪滤波器的全局输出;最后给出了非线性跟踪系统统计意义下的Cramer-Rao下界(CRLB)。Monte-Carlo仿真表明：在不完全量测下,相比传统光电跟踪系统,附加角速度量测的光电跟踪系统的跟踪性能有了显著提高,并且滤波器估计误差均方差(RMSE)已逼近非线性跟踪系统统计意义下的CRLB。     

改进的MMPHD机动目标跟踪方法

基于序列蒙特卡罗方法的经典多模概率假设密度滤波方法及其各种衍生方法,在预测过程中依据多个并行的状态转移模型,通过将大量粒子散布到下一时刻目标所有可能出现的状态空间实现目标状态的捕获,造成计算量大、目标跟踪精度差。为此,提出一种改进的多模粒子概率假设密度机动目标跟踪方法。该方法利用最新量测信息估计目标运动模型概率及模型参数,并将估计得到的目标模型应用到粒子概率假设密度滤波方法的预测过程中生成预测粒子,从而将大部分粒子聚合在目标最可能出现的状态空间邻域中,实现粒子的有效利用。数值仿真表明,所提方法不仅显著地减少了目标丢失个数,而且提高了目标跟踪精度。     

N-fold Bernoulli probability based adaptive fast-tracking algorithm and its application to autonomous aerial refuelling

Recently, deep learning has been widely utilized for object tracking tasks. However, deep learning encounters limits in tasks such as Autonomous Aerial Refueling (AAR), where the target object can vary substantially in size, requiring high-precision real-time performance in embedded systems. This paper presents a novel embedded adaptiveness single-object tracking framework based on an improved YOLOv4 detection approach and an n-fold Bernoulli probability theorem. First, an Asymmetric Convolutional Network (ACNet) and dense blocks are combined with the YOLOv4 architecture to detect small objects with high precision when similar objects are in the background. The prior object information, such as its location in the previous frame and its speed, is utilized to adaptively track objects of various sizes. Moreover, based on the n-fold Bernoulli probability theorem, we develop a filter that uses statistical laws to reduce the false positive rate of object tracking. To evaluate the efficiency of our algorithm, a new AAR dataset is collected, and extensive AAR detection and tracking experiments are performed. The results demonstrate that our improved detection algorithm is better than the original YOLOv4 algorithm on small and similar object detection tasks; the object tracking algorithm is better than state-of-the-art object tracking algorithms on refueling drogue tracking tasks.     

分离式飞行数据记录与跟踪系统可靠性分析

采用故障树分析方法分析了新型分离式飞行数据记录与跟踪系统的可靠性。通过搭建以系统失效为顶事件的故障树,获得了最小割集、顶事件的发生概率以及各分系统的失效概率排序。通过对比各分系统的关键重要度,找出了分离式飞行数据记录与跟踪系统中最薄弱的部分,并进行了改进。结果表明,缓降分系统对总系统可靠性的影响最大,通过多充气模块可以显著提高缓降系统的可靠性。但当充气模块多于2套时,增加充气模块并不能进一步明显提高系统的可靠性。