武器系统综合效能的模糊积分评估方法

对系统综合效能的评价是进行系统决策的前提和重要依据,在研制和使用系统时,都要对其进行评价,以便为选择研制方案或使用策略提供支持。指出了概率和统计理论在综合效能评估问题研究中的不足。定义了模糊测度和模糊积分的概念,提出了基于模糊测度和模糊积分的武器系统综合效能评估模型,给出了效能评估的基本过程并进行了应用实例分析研究。     

基于贝叶斯网络模型的导弹防御效能评估研究

效能评估涉及到评估指标的确定、评估方法的运用等诸多问题,现有的效能评估方法存在效率低下、难以解决复杂问题等诸多限制。本文在作战仿真试验的基础上,基于贝叶斯网络分析理论,进行了弹道导弹防御系统的效能评估研究。通过建立并学习贝叶斯网络评估模型,对不同方案进行了优选分析,分析了效能指标与多种因素之间的关系,计算得出响应时间、机动突防、拦截次数等对拦截结果影响较大,其余则影响较小。     

基于可变精度粗糙集与D-S证据理论的C4IKSR系统效能评估

为有效地对C4IKSR系统的效能进行评估,建立了C4IKSR系统效能评估指标体系。用粗糙集约简的思想减少了系统巾冗余的属性,获得了规则和可变精度的下近似集。提出了一种基于D—S证据理论的C4IKSR系统效能评估模型,利用可变精度的下近似集的计算结果给出基本概率赋值,进行了多信息表的数据融合。结果表明能够对C4IKSR系统效能进行有效地评估。     

基于AHP的海军信息作战系统效能评估方法分析

建立了海军信息作战系统效能评估指标体系,采用了层次分析理论AHP与Dephi相结合的方法给出了海军信息作战系统效能评估的模型和算法,实例证明该方法是可行的。     

C^4ISR系统效能评估技术研究

C^4ISR系统评估环境的构建对C^4ISR系统效能评估至关重要。本文深入分析了C^4ISR系统特点和评估需求，提出了效能评估思路，设计了基于HLA的评估环境基本构架和C^4ISR系统模型体系结构，该研究对C^4ISR系统鉴定具有重要现实意义。     

基于模糊层次分析法的无人机系统效能评估方法

针对无人机系统性能指标的相对性、模糊性，运用模糊数学方法建立模糊综合评价模型，对无人机系统的作战效能评估问题，提出了基于模糊层次分析法的评估模型。并以两种无人侦察飞机系统为例给出了综合评价的分析实例。     

打击复杂地形目标的导弹再入机动弹道设计

建立了再入机动弹道数学模型，给出了气动力系数为速度、迎角、高度的函数拟合式，进行了最佳再入机动弹道设计和仿真计算。结果表明，数学模型正确，计算方法可行，利用再入机动弹道技术可有效地打击复杂地形目标、提高导弹的作战效能和突防能力。     

X—31A飞机的设计特点和试飞情况

综述了为验证增强战斗机机动性(EFM)计划、衡量过失速机动飞行的可行性及其在近距空战中的战术价值,X-31A飞机在气动布局、大迎角抗偏离设施、推力矢量系统以及飞控系统方面的特点;介绍了X-31A飞机的有关飞行试验情况,特别是循序渐近的四种过失速机动动作以及空战效能评估结果。结果表明,X-31A飞机气动布局合理,能完成过失速机动飞行。且过失速机动技术和推力矢量组合,可以大大地提高飞机近距空战的作战效能。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。     

攻击机编队的对地攻击作战效能分析

以美国工业界武器系统效能咨询委员会(WSEIAC)提出的模型为基本框架,分析了攻击机作战效能性能指标,建立了攻击机编队攻击地面目标的战场想定,从实战角度提出了攻击机对地攻击的WSEIAC模型及模型参数的确定方法,给出了效能评估的基本过程并进行了应用实例分析,为对地攻击飞机武器系统作战效能分析与综合打下了基础。     

机动多目标跟踪问题中关联区域的研究

 本文研究了跟踪多个机动目标时,由滤波算法所获得的新息向量范数的统计性质,关联区域的大小以及接收正确回波的概率。借助拉蒙特卡洛方法,考察了不同的目标状态模型、目标机动加速度及状态噪声方差等因素对所研究的问题的影响。研究表明,文献[1]所提出的机动目标状态模型及相应的自适应算法具有较好的适应目标机动的能力,关联区域的大小及接收正确回波的概率均较为稳定。     

A Gaussian Mixture PHD Filter for Jump Markov System Models

The probability hypothesis density (PHD) filter is an attractive approach to tracking an unknown and time-varying number of targets in the presence of data association uncertainty, clutter, noise, and detection uncertainty. The PHD filter admits a closed-form solution for a linear Gaussian multi-target model. However, this model is not general enough to accommodate maneuvering targets that switch between several models. In this paper, we generalize the notion of linear jump Markov systems to the multiple target case to accommodate births, deaths, and switching dynamics. We then derive a closed-form solution to the PHD recursion for the proposed linear Gaussian jump Markov multi-target model. Based on this an efficient method for tracking multiple maneuvering targets that switch between a set of linear Gaussian models is developed. An analytic implementation of the PHD filter using statistical linear regression technique is also proposed for targets that switch between a set of nonlinear models. We demonstrate through simulations that the proposed PHD filters are effective in tracking multiple maneuvering targets.     

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.     

机动目标的多项式预测模型及其跟踪算法

根据匀变速运动的多项式描述形式,利用多项式预测滤波器对目标状态建模,提出了一种全新机动目标运动的动态模型——多项式预测模型,并针对这个全新的模型给出了相应的最优滤波算法。分析表明：该模型可以精确描述任意可以由多项式描述的目标运动,而不需要已知运动的具体参数,因此相应的最优滤波算法适用于任何可以用多项式描述的机动目标状态估计问题。一个机动目标跟踪问题的计算机仿真证明了本文方法的有效性和实用性。     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

一种新的基于机动检测的机动目标跟踪算法

针对Kalman滤波跟踪机动目标发散和目前多数自适应Kalman滤波算法对运动模型适应性不强的问题,提出了一种新的基于机动检测的机动目标跟踪算法,通过实时自适应的改变滤波模型提高对机动目标跟踪精度。对这种方法与Kalman滤波算法进行了计算机仿真比较,结果表明,该方法计算量小,可实时精确地自适应匹配目标的运动模型,可实现对机动目标稳定可靠的跟踪。     

基于地面任务-空间姿态映射的敏捷卫星任务规划

面向观测时间窗口相互重叠的多点目标观测任务需求,对敏捷卫星单星单轨任务规划问题进行研究。针对传统方法在卫星机动能力受限和成像任务冗余两种情况下求解效率低的缺陷,引入任务-姿态协同规划思想。首先,建立地面任务和空间姿态映射关系,并考虑相邻任务间姿态机动时间的最优性使得卫星在观测相邻任务时无多余等待时间,以此来设计任务-姿态协同规划数学模型。其次,根据任务-姿态协同规划数学模型,设计自适应伪谱遗传算法（APGA）,用以求解满足调整时间最优性的敏捷卫星任务规划问题。最后,通过仿真实验,验证了模型和算法能够有效地解决传统算法求解敏捷卫星任务规划问题时存在的求解效率低的缺陷。     

基于期望系统噪声模型的自适应机动目标跟踪

针对防空作战中的机动目标跟踪问题,分析了使用IMM算法跟踪目标所存在的缺陷,提出了一种基于期望系统噪声模型的自适应机动目标跟踪算法（MIMM）,改变IMM算法使用固定模型集合的方法,IMM算法中作用权重较大的只是少部分更接近于实际系统的模型,通过对部分系统噪声模型进行自适应辨识,计算出最接近于系统实际噪声水平的模型——期望系统噪声模型（ESNM）。这些模型作为IMM多模型集的子集,是在一定模型框架内所寻求出的一个（或多个）最优模型（集）。仿真结果证明了MIMM算法能够更好地描述目标机动,达到更理想的跟踪性能,其跟踪精度优于使用固定模型集的IMM算法。     

基于自适应IMM的高超声速飞行器轨迹预测

为了给基于预测命中点法的高超声速飞行器中制导拦截提供先验知识,提出高超声速飞行器的轨迹预测方法。首先,给出高超声速环境下与目标姿态近似线性的气动参数;其次,针对气动参数作控制量的运动模型,设计自适应交互多模型（IMM）跟踪算法,并进行性能有效性验证;然后,根据气动参数特性和目标假设机动方式,设计基于最小二乘拟合的轨迹预测方法。通过对目标轨迹进行跟踪和预测仿真,预测100 s的位置误差均小于5 km,速度误差均小于100 m/s,结果表明基于自适应IMM的轨迹预测方法对有规律机动的目标进行轨迹预测,效果良好。