基于CDKF的快速协方差交叉融合跟踪算法研究

随着目标抗干扰能力的增强，单一寻的制导方式很难完成对目标的稳定跟踪和精确打击，需采用多种探测器作为传感器，提供多种观测数据以实现对目标的稳定跟踪和精确打击。建立了适当的目标运动模型和观测模型，利用中心差分卡尔曼滤波（CDKF）变换处理模型的非线性问题，避免了求解复杂的雅克比矩阵。对于分布式多传感器融合，传统的方法多采用协方差交叉（CI）融合方法，但是这类方法需要寻优求解。而快速协方差交叉（FCI）则不需要进行寻优过程，且计算量小。在此基础上，提出了用于多传感器目标跟踪的CDKF-FCI融合算法。最后，对算法进行了仿真分析，并进一步验证了提出算法的有效性。     

组合导航系统状态切换对末段导引的影响分析及措施研究

针对采用组合导航系统进行固定点攻击的飞行器,开展了组合导航系统由纯惯性导航状态切换至组合导航状态对末段导引飞行的影响分析。在此基础上,设计了不同的改进方案,并进行了仿真计算及对比分析,结果显示,自适应更改预定落角方案可适应不同大小的纯惯性导航误差,大大降低了惯导状态切换对落角的影响。提出的分析方法具有通用性,可推广应用于采用组合导航系统为导航方案的飞行器。     

精确打击武器集群作战技术发展研究

对中远程精确打击武器集群作战进行综合评述，并对集群智能化技术体系发展布局进行探讨。首先基于分布式作战概念内涵提出了集群作战的共性特点，指出网络化和智能化是集群作战的本质特征。随后从目标指示、体系对抗、自主作战三个方面提出了对集群智能化作战的军事需求，并对由集群智能化技术带来的作战能力提升进行了分析研判。最后按照观察-判断-决策-行动作战循环梳理了集群智能化技术体系布局。综述表明，集群作战将是未来精确打击武器的主要作战形态，集群智能化技术是当前以及未来一段时间内的研究热点。     

面向智能感知的小样本学习研究综述

小样本学习指只利用目标类别的少量监督信息来训练机器学习模型。由于其实用价值，学术界和工业界提出很多针对该问题的解决方案，但是目前国内缺少该问题的综述。本文对国内外学者提出的小样本学习算法及基于小样本学习的目标检测算法进行了系统的总结和探索。首先，给出了小样本学习的问题定义，列举其与其他一些经典的机器学习问题之间的联系，同时从理论上阐述小样本学习问题面临的挑战；接着，对基于小样本学习的图像分类进行了概述，并对其中代表性的工作进行介绍与分析；在此基础上，重点针对基于小样本学习的目标检测，特别是零样本条件下的目标检测问题，详细介绍和分析了现有的研究工作；最后，立足于现有方法的优缺点，从问题设定、理论研究、实现技术以及应用场景等几个方面对小样本学习的未来发展进行了展望，期望为该领域后续的研究工作提供启示。