反舰导弹8字形二次攻击目标搜索效能评估模型

针对反舰导弹在一次攻击时未搜索到目标或搜索到目标后受电子干扰等因素,导致丢失目标而失去攻击机会的问题,通过分析反舰导弹的目标搜索过程,从充分利用剩余航程的角度出发,探讨了8字形二次攻击目标搜索的问题,研究了采取该方式搜索的效能影响因素,构建了8字形二次攻击搜索效能评估模型。通过仿真计算验证,论证了该模型的准确性,对研究反舰导弹二次攻击相关问题有一定的参考价值。     

基于人工神经网络的多模型目标跟踪算法

针对在目标跟踪中单模型跟踪算法难以应对目标运动形式的变化,而多模型跟踪算法存在结构固定、跟踪精度被非匹配模型削弱且模型切换缓慢的矛盾,文章提出了一种基于人工神经网络的多模型目标跟踪算法。通过分析目标几种基本运动模式的轨迹特点,归纳出目标运动轨迹的特征向量。利用训练好的BP神经网络对滑窗里的轨迹段进行运动模型识别,按结果进行跟踪模型切换,达到使跟踪算法实时适应目标运动状态的目的。仿真结果证明了该算法的有效性,且与传统的多模型算法相比,具有结构更加简单、更强的灵活性和拓展性的特点。     

一种基于循环阈值的海上固定目标清洗方法

针对海上电磁环境复杂、数据量巨大等问题,在进行态势分析时,将目标海域内对态势分析影响较小的固定目标进行清洗,可有效缩短数据处理的时间、降低复杂度,提高态势分析的效率和直观性。现有的固定目标清洗方法鲁棒性较低,不能排除异常跳变数据的干扰,对数据集中信息的准确性要求较高,不适用于海上复杂环境的数据处理。因此,文章提出了一种基于循环阈值的海上固定目标清洗方法,并在仿真军事场景上进行了实验分析,所提方法通过循环阈值过程能够排除自然因素、量测误差和异常跳变数据的干扰,有效检测出样本数据集中的固定目标。     

基于区间协同拍卖策略的改进多Agent车间调度模型研究

基于合同网协议的传统多Agent方法 (Traditional Multi-Agent Way,TMAW)求解作业车间调度问题,一般以单一的完工时间为优化目标,忽略了调度多目标性的要求;同时,招投标机制下Agent之间的任务优化分配本质上是单步优化,优化区间过小导致对系统整体调度性能的提升非常有限。针对上述问题,重新规划了多Agent调度模型,提出一种区间协同拍卖的动态调度策略(Interval-Synergy-Auction Scheduling Strategy,ISASS),该策略实现了一定时间窗口内时间、成本、设备负载和能耗的全局多目标优化,并可通过设置权重系数来调节优化目标倾向,很好地规避了上述传统多Agent方法的不足。最后,通过仿真测试验证了上述策略的高效性,同时研究了不同时间窗口和权重系数对调度性能的影响,可较好地指导实际生产。     

基于PEV准则的不确定随机多目标规划问题求解

为解决独立变量的不确定随机多目标规划问题在传统求解中存在分析不全面等问题,在期望值-方差准则下提出了一种新的求解方法。基于机会理论,引入不确定随机变量,在此基础上提出了不确定随机多目标规划问题;引入不确定随机变量的序关系,利用变量间的序关系把不确定随机多目标规划问题转化成不确定随机单目标规划问题,并通过期望值-方差准则把不确定随机单目标规划问题转化成确定的单目标规划问题进行求解;通过理论推导证明,在新准则下转化后的问题得到的最优解是原不确定随机多目标规划问题的有效解;最后,通过对无人机情报侦察监视任务分配问题的求解,利用改进的萤火虫算法求得有效飞行序列,验证了所提方法的可行性和有效性。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题,提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法,该算法以混合建议分布为框架,由两个基本建议分布组成。其中一个基本建议分布为先验分布,另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近,因此有着高效性、高精度等特点。仿真结果表明,对于弹道再入目标轨迹跟踪模型,相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法,HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时,所提出算法的性能增益更为显著。     

有向拓扑下无径向速度测量的多导弹协同制导

针对多枚导弹在平面内从各自期望的方向同时击中移动目标问题,提出一种有向通信拓扑下无需导弹-目标径向速度测量且带视线角约束的分布式有限时间协同制导律。基于平面内导弹-目标相对运动方程建立带视线角约束的多导弹协同制导模型。基于二阶多智能体协同控制理论设计了视线方向上的制导律,可保证有向拓扑下多导弹的打击时刻在有限时间内达到一致。基于齐次系统稳定性理论和积分滑模控制理论设计了视线法向方向上的制导律,可保证多导弹击中移动目标且视线角在有限时间内收敛到期望值。仿真校验所设计的协同制导律在理想条件下可使有向拓扑下的多导弹从各自的期望方向同时击中移动目标。     

改进的遥感卫星成像任务单轨最优团划分聚类方法

针对遥感卫星成像任务规划时对点目标的聚类效果不佳的问题,提出了一种改进的单轨最优团划分聚类方法。根据聚类约束条件,构建任务聚类图模型,并为图模型中的每一条边赋权值;根据图模型中边的权值,构建权值矩阵P;以卫星单轨姿态机动的最大次数作为聚类任务的数量限制,由P依次计算每个聚类任务所有可能的最优聚类方案,并生成对应的收益矩阵M和终点矩阵N;通过循环遍历的方式计算各个聚类方案下的总收益,其中总收益最大的方案即为最优团划分聚类方案。仿真结果表明:提出的改进的团划分聚类方法,能将点目标有效聚类,与传统任务聚类方法相比,可明显提高遥感卫星对点目标的观测效率。研究结果可为我国遥感卫星自主任务规划技术研究提供参考。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。