协同多目标攻击空战决策及其神经网络实现

提出了一种超视距多目标空战决策方法——协同优先权算法。它能给出多机协同攻击多目标的目标配对。然后对２∶４空战,用３层Ｂ－Ｐ网络实现该算法,并用ＳＯＦＭ网络实现对目标的攻击排序。因它们具有很强的适应、容错能力和实时性,故这种实现将有助于复杂动态环境下飞行员的空战决策,以及提高航空武器系统的作战效能。仿真结果证实了上述思想的正确性。     

基于高斯混合概率假设密度滤波的扫描型光学传感器像平面多目标跟踪算法

高斯混合概率假设密度(GM-PHD)滤波是一种基于随机有限集理论的次优贝叶斯多目标跟踪方法,本文研究了该算法在扫描型光学传感器像平面的多目标跟踪问题.针对典型的锥扫模式和推扫模式,根据其扫描特性建立目标的运动模型和测量模型.介绍高斯混合概率假设密度滤波的基本原理.针对原算法在强杂波环境中的低效率问题,借鉴传统多目标跟踪...     

两向二维最大子类散度差鉴别分析及其在SAR目标识别中的应用

针对Fisher线性判决分析（FLDA）在图像识别应用中遇到的小样本问题,提出了两向二维最大子类散度差（(2D)2MCSD）鉴别分析的图像特征提取方法。首先找到每类数据的子类划分,再根据这些子类构造基于二维图像矩阵的子类类间和子类类内散布矩阵,最后用子类类间与子类类内散布之差作为鉴别准则求取投影矢量。该方法可以处理多模分布问题,从根本上避免了矩阵求逆和小样本问题,加快了特征抽取的速度,且同时对图像行和列进行压缩,克服了二维最大子类散度差（2DMCSD）鉴别分析和另一种形式的2DMCSD（Alternate 2DMCSD）的特征维数较大的问题。基于美国运动和静止目标获取与识别（MSTAR）公共数据库提供的实测数据的实验结果表明：本文方法的性能优于现有的子空间方法;与2DMCSD和Alternate 2DMCSD相比,可大大降低特征维数、提高识别性能。     

空间进动目标动态散射特性的实验研究

研制了进动目标模型,构建了紧凑场微波暗室动态测量系统,通过暗室实验的方法研究了空间进动目标的动态散射特性,给出了若干典型条件下的全极化宽带测量结果。通过实验可以观察到目标进动引起的多普勒频移,证明了微波雷达对进动目标微多普勒的可观测性,同时观察到弹头常见结构引起的非理想点散射现象。实验结果的分析表明,该实验系统能够有效地揭示进动目标的目标特性和回波调制特性,从而为弹道中段目标的动态电磁散射特性、目标结构反演、运动参数提取和逆合成孔径雷达(ISAR)成像的研究奠定了基础,对于弹道中段目标识别的研究具有重要的意义。     

复合打击下具有多次拦截时机的火力分配问题

针对传统火力分配模型容易造成资源浪费的问题,将火力单元以组为单位,以最大化杀伤概率为目标,构建一种具有多次拦截时机的动态火力分配模型;考虑到组内火力单元复合打击的情况,使用Kuhn-Munkres算法,优先将目标分配给复合打击效果大的目标;在此基础之上,设计了一种基于遗传算法（GA）的Anytime算法,引入了元级控制,提出一种任意时刻算法停机时刻的判定方法;仿真实验验证了模型优越性以及算法的合理性,对火力分配任意时刻算法使用元级控制可以有效提高解的效用。     

火箭橇速度测试雷达合作目标设计

为提高测速雷达对长距离火箭橇全程速度测试作用距离, 从增大目标雷达 截面积的角度提出了无源角反射器与有源雷达目标模拟器两种橇载雷达合作目标设计思 路,重点阐述了有源雷达目标模拟器设计方案,明确了有源雷达目标模拟器设计中需解 决的关键技术。文中设计的雷达合作目标能够满足靶场长距离火箭橇试验全程速度测试 要求,具有较高的实际使用价值。     

美国弹道导弹预警探测识别技术发展分析

弹道导弹预警探测识别技术是反导理论和实践需要突破的核心关键技术.美国为了取得反导方面的战略优势地位,长期致力于推动预警探测识别技术的发展,美国预警探测识别系统发展可分为部署初期预警系统、发展新型预警探测识别技术、升级预警探测识别系统并提升目标识别能力等3个重要阶段,目前仍在不断改进完善.其中,林肯实验室在预警探测识别技术方面进行了长期的探索研究,在美国预警探测识别系统建设中发挥了至关重要的作用.此外,美国还利用原有导弹试验靶场,建立太平洋反导试验台,开展了大量反导试验,这也是美军加快生成反导作战能力的“孵化器”和“磨刀石”.通过分析美国预警探测识别系统发展情况,可以得出一些有用的启示.     

基于自适应SRCKF的空间非合作目标实时轨道确定

针对天基测角对非合作目标跟踪定轨的动力学模型简化误差问题,提出一种基于非线性预测滤波和SRCKF(Square Root Cubature Kalman Filter,平方根容积Kalman滤波)的自适应滤波方法.采用考虑地球J2摄动影响的轨道动力学模型作为状态方程,在跟踪滤波过程中,用NPF(Nonlinear Predictive Filter,非线性预测滤波)对动力学模型进行实时修正,利用SRCKF对修正后的动力学模型进行状态估计.将该方法应用于高轨航天器对非合作低轨目标的实时测角定轨任务中,进行数字仿真,仿真结果证明,该方法相比传统的滤波方法具有更高的精度、更强的鲁棒性和稳定性.     

基于双视线测量的相对导航方法

对非合作目标自主交会中的中远程相对导航问题进行研究.首先,给出二阶近似的航天器相对轨道动力学方程,并对视线(LOS)导航方法的可观测性进行了分析.然后,提出基于双视线测量的相对导航方案.该导航方案中,系统过程噪声模型采用适用于航天器远距离相对运动的轨道动力学方程;量测量包括目标对两个追踪航天器的视线角和追踪航天器之间的...     

包含乘性噪声自适应修正的非合作目标相对导航算法

无人机（UAV）态势感知的任务是利用机载传感器对未知环境进行目标识别和引导,针对无人机与非合作目标间中远距离的相对导航问题,提出了一种基于角度和距离量测的相对状态估计算法。在现有滤波算法的基础上,为了提高精度和稳定性,本文利用了列文伯格-马夸尔特（LM）优化的思想对迭代卡尔曼滤波（IEKF）算法进行改进,提出了一种LM-IEKF算法,并推导该算法在迭代过程中的状态更新方程及协方差阵的递推公式。在此基础上,考虑到距离传感器由于信号相关特性而引入的乘性噪声,现有的加性噪声模型难以适应,因此,进一步提出了基于量测噪声自适应修正的Modified LM-IEKF方法,通过在线实时更新噪声阵提高滤波的精度,并设置渐消记忆指数平滑估计结果。算法验证结果表明,与现有的EKF、IEKF算法相比,在仅含加性噪声的情况下,LM-IEKF算法具有更好的性能;在包含乘性噪声的情况下,Modified LM-IEKF可以有效地估计量测噪声,与目前广泛使用的EKF算法相比,在综合相对位置和相对速度精度上分别提高了10%和23%。