基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.     

超视距多机协同空战目标分配算法

针对未来超视距条件下多机协同空战中的威胁估计与多目标分配,结合超视距空战特点,在综合考虑参战双方飞机性能、几何态势的基础上,提出了一种以参战双方飞机空战效能优势与当前态势优势的加权和为最终结果的超视距空战威胁估计的非参量法模型;在威胁估计的基础上,探讨了一种以空战优势函数为依据,多机之间相互配合、相互支援、协同作战过程的多目标分配算法,并进行了仿真.仿真结果证实了算法的有效性.      

空战中协同干扰、探测、攻击任务分配

针对空战中协同干扰任务分配问题,根据己方飞机的干扰功率、干扰工作频段、干扰样式,敌方飞机雷达的工作功率、工作频段、抗干扰样式,建立了干扰功率优势、干扰频率优势、干扰样式优势;再考虑己方飞机的干扰作战能力以及敌我双方的空战能力指数建立了总的干扰优势,建立了协同干扰任务分配模型.根据干扰后敌方飞机的距离性能以及敌我双方的空战态势,对己方飞机对敌方飞机的探测能力、攻击能力进行了研究,建立了多机协同探测加攻击任务分配模型.采用遗传算法对建立的任务模型问题进行优化求解.仿真结果表明,这些模型能够有效地完成协同干扰、探测加攻击任务分配.      

超视距空战中多机协同制导方法

对空空导弹制导权交接的任务分配问题,根据己方飞机与制导权需交接的导弹的态势建立了对导弹的态势优势模型;根据己方飞机对该导弹攻击目标的态势建立了对目标的探测能力模型;根据敌方飞机对己方飞机的态势建立了己方飞机受到的威胁度模型;根据敌我双方飞机的空战能力建立了空战效能优势模型.在这4种模型的基础上建立了己方飞机对导弹的总的制导优势模型.在总的制导优势的基础上建立了协同制导任务分配模型,并采用遗传算法对协同制导任务分配问题进行优化求解.仿真结果表明,该方法能够实时地计算制导优势和进行任务分配,有效地完成多机协同制导.     

双机编队空空导弹协同发射区模拟仿真分析

对双机编队协同作战条件下的空空导弹发射区进行了仿真研究.通过分析单机作战条件下空空导弹实际发射区的形成机理,结合协同作战条件下空空导弹发射/制导方式,得出协同发射区的定义;建立导弹、目标和载机的运动模型,分析了影响协同发射区的导弹、发射机及制导机约束条件,采用黄金分割的方法搜索协同发射区的远界和近界,对不同参数影响下的双机协同发射区进行了仿真实验.仿真结果证实双机协同能有效扩大导弹允许发射区且协同发射区受制导机及导弹参数的影响.      

基于多标签协同学习的跨域行人重识别

跨域是行人重识别的重要应用场景,但是源域与目标域行人图像在光照条件、拍摄视角、成像背景与风格等方面的表观特征差异性是导致行人重识别模型泛化能力下降的关键因素。针对该问题,提出了基于多标签协同学习的跨域行人重识别方法。利用语义解析模型构造了基于语义对齐的多标签数据表示,以引导构建更关注行人前景区域的局部特征,达到语义对齐的目的,减少背景对跨域重识别的影响。基于行人图像全局特征和语义对齐后的行人局部特征,利用协同学习平均模型生成行人重识别模型的多标签表示,减少跨域场景下噪声硬标签的干扰。利用协同学习网络框架联合多标签的语义对齐模型,提高行人重识别模型的识别能力。实验结果表明：在Market-1501→DukeMTMC-reID、DukeMTMC-reID→Market-1501、Market-1501→MSMT17、DukeMTMC-reID→MSMT17跨域行人重识别数据集上,与NRMT方法相比,平均精度均值分别提高了8.3%、8.9%、7.6%、7.9%,多标签协同学习方法具有显著的优越性。     

基于RS-CRITIC的空战目标威胁评估

针对不确定信息下的空战目标威胁评估问题,提出了一种基于粗糙集（RS）理论和指标重要性相关（CRITIC）法的目标威胁评估模型。首先,通过CRITIC法确定准确信息下的目标威胁值,利用数据挖掘（MD）启发式算法求解最佳分割集合,将目标威胁值离散化处理后替代粗糙集决策信息系统中的决策属性。其次,基于构建的完备粗糙集决策信息系统,通过决策矩阵实现属性约简和目标威胁评估最小决策规则提取。最后,将规则应用于不确定信息下的目标威胁评估。仿真结果表明:所提模型能够实现信息缺失下的目标威胁评估,减少了主观因素和先验知识的影响,扩展了粗糙集理论应用范围。      

基于CIDBN的战术活动识别模型及在线精确推理

战术活动识别是战场态势感知的重要研究内容。为提高战术活动识别的准确性与实时性,提出了一种基于上下文独立动态贝叶斯网络（CIDBN）的战术活动识别模型及在线精确推理。通过对战术活动机制的分析,采用动态贝叶斯网络（DBN）理论,建立了一个初始战术活动识别模型。该模型引入了威胁指数节点来影响战术活动的终止与选择,并采用模糊隶属度函数对连续变量进行离散化处理。依据上下文独立关系对该模型进行简化,获得了一个基于CIDBN的战术活动识别模型。将接口算法扩展于该模型上,提出了在线精确推理算法。仿真结果表明,所提出的战术活动识别方法,具有识别精度高、较低不确定性和实时性高的优点。      

基于灰色区间关联的UCAV自主决策方法

为解决信息不完备条件下的无人作战飞机（UCAV,Unmanned Combat Air Vehicle）战术决策问题,提出一种基于灰色区间关联的UCAV自主战术决策方法.依照作战任务要求选取决策要素,建立UCAV决策推理的规则库.构建不完备信息模型,并基于灰色区间关联理论给出UCAV战术决策模型;设计冲突消解算法,有效解决不完备信息导致的推理失效问题.仿真实例模拟了决策过程,验证了该方法在解决UCAV战术决策问题上的可行性和在化解规则匹配冲突方面的有效性.仿真结果表明,该方法能够应对决策要素不确定性较大的情况,并给出合理的战术行为推理结果.     

基于目标逃逸机动预估的空空导弹可发射区

为适应无人自主空战条件下对空空导弹火控解算的特殊需求,提出了基于目标机动预估的空空导弹可发射区问题。首先,基于导弹-目标追逃对抗策略,设计了目标机动预估模型,根据导弹与目标的相对方位信息,实现对目标逃逸机动方式的预估;然后,基于多种实际约束,构建了导弹运动动力学模型;最后,设计了基于黄金分割搜索算法的可发射区边界求解策略,实现对可发射区边界值的快速精确搜索。仿真结果表明,空空导弹对初始位置位于所提出的基于目标机动预估的可发射区内的目标,具有更大的命中概率;该可发射区更加适应近距空战中目标逃逸机动的剧烈态势变化,有利于导弹战术使用性能的充分发挥。      

基于角色切换策略的多无人机协同区域搜索

针对存在随机分布目标的区域快速搜索问题开展研究,考虑无人机有限通信能力和探测信息的实时回传需求,提出了一种基于角色切换策略的多无人机协同区域搜索方法。首先,考虑各无人机平台的历史搜索信息和协同搜索收益,基于概率传感器模型构建了多无人机协同区域搜索求解框架;其次,基于4项无人机节点重要性的评价指标,采用改进逼近理想解排序法（TOPSIS）完成无人机节点重要性评估,通过无人机角色动态切换实现了区域搜索过程中协同搜索收益与网络连通性的平衡;最后,考虑机间防撞、通信保持、无人机运动学等约束条件,利用分布式滚动时域优化方法完成各无人机在线运动规划,实现多无人机协同区域搜索。仿真结果表明了所提方法的可行性和有效性。      

一种参数区间交叉类型的目标识别方法

针对参数区间为交叉类型的目标识别问题,提出了基于直觉模糊集和云模型的逼近理想点（TOPSIS）识别方法。构建了包含个体类和交叉类的目标数据库模型,根据云模型的多步估计算法,得到未知目标相对已知目标类的确定度,提出了确定度向隶属度和非隶属度的转化方法,基于直觉模糊熵计算特征属性的动态权重,形成了去模糊距离测度的TOPSIS识别方法,应用于辐射源信号识别。仿真结果表明,所提方法对参数区间交叉类型的目标正确识别率较高,具有一定的实际应用价值。      

基于循环神经网络的SPMA协议信道状态智能检测改进算法

为实现对时敏目标的快速探测、定位和打击,战术瞄准网络技术(TTNT)对战术信息接入信道、交互传输的实时性、可靠性提出高要求。TTNT采用基于统计优先的多址接入(SPMA)协议,通过周期性计算统计平均的思想,估计当前信道状态,控制战术信息接入信道的时机。该思想仅适用于流量相对平稳的情况,在流量非平稳时会导致较大的信道状态检测误差。针对此问题,引入流量预测技术,提出基于循环神经网络的SPMA协议信道状态智能检测改进算法。利用循环神经网络的学习特点学习历史流量数据的隐含特征,构建流量预测器对瞬时时刻的流量脉冲到达数进行实时预测,从而准确获取当前信道状态。实验结果表明：所提算法对信道状态的检测结果更接近真实值,显著降低了信道忙闲状态的误判率。     

基于朴素贝叶斯分类器的空中红外目标抗干扰识别方法研究

红外诱饵对抗技术的发展使得空战环境日益复杂化,对红外成像制导空空导弹抗干扰目标识别技术提出了更高的要求。红外诱饵的投放使得目标特征的完整性、显著性及稳定性遭到破坏,基于特征融合匹配的统计模式识别方法无法准确识别目标。提出了一种基于朴素贝叶斯分类器的抗干扰目标识别方法,该方法对空战对抗仿真图像数据集进行了特征挖掘,利用实验拟合方法构建了典型特征的概率密度函数模型,构造了朴素贝叶斯分类器,实现了飞机目标和干扰的分类识别。仿真实验结果表明,该方法在已测试的弹道图像数据集下的平均识别正确率达到了81.82%,且能够解决假目标、目标遮挡等抗干扰目标的识别难题。     

影响图对策在多机协同空战中的应用

为了解决不确定环境下空战机动决策问题,将影响图和对策论引入到多机协同空战中,提出了协同影响图对策模型.首先确定群机空战转化为多个小编队作战的原则,然后在协同的思想下把多对多空战模型转化为多个一对一空战模型,最后在不确定环境下,运用影响图对策理论解决一对一空战.针对影响图对策模型计算量大的问题,采用移动平均控制法进行求解.空战仿真结果表明该模型的有效性.      

协同交互情境下双视图耦合的多用户身份识别

针对目前协同交互情境下,因遮挡和接触等因素引发的多人协作身份识别错误问题,提出一种双视图耦合的多用户身份识别方法.借助深度相机,分别通过骨骼运动跟踪和卡尔曼滤波建立双视图运动跟踪.利用双视图的用户运动跟踪数据构建相互关联的耦合有限状态机,对耦合关系中的具体运动状态进行分析,建立规则算法;引入实时正误标记值进行多用户身份识别的实时监控与耦合矫正.所提方法与基于单视图的多用户身份识别方法进行对比实验,结果表明,在协同交互情境下所提方法对多用户身份识别更具有鲁棒性.      

基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.     

编队歼击机超视距截击效能评估

应用兰彻斯特理论研究了编队歼击机超视距截击的效能评估问题.对照兰彻斯特理论假设条件与超视距截击背景,使用第二线性律与平方律分别描述了截击空战的探测阶段与射击阶段.以最大损失交换比为原则,将火力分配引入到评估模型中.利用机载雷达的探测概率与空空导弹的击毁概率,分别建立了每架飞机探测效能与射击效能的动态模型.算例表明,突击方护航歼击机的价值系数显著影响拦截方的火力分配,拦截方选择先攻击护航歼击机再攻击歼击轰炸机的战术,采取电子对抗措施,提高飞机生存力均可提高截击效能,该模型计算简便、合理有效.     

多机空战决策信息融合的研究

以整体系统的观点研究多机协同空战中的决策信息融合问题,避免了将多机空战认为是单机空战的简单数量上的相加所带来的不足.应用协商对策理论,结合空战的实际情况,建立了合理的数学模型,并通过仿真验证了该思路下研究多机协同空战的有效性.