基于模型的雷达系统仿真技术研究

介绍了通用仿真技术中的模型建立与模型校验技术。从雷达设备仿真、雷达信号模拟和雷达环境仿真三个方面讨论了雷达系统仿真中研究对象的性质与模型建立的基本方法,着重说明目标模型与平面杂波模型的主要类型、建立方法和研究动态。指出了模型校验在雷达系统仿真应用中的重要性,说明了系统仿真试验应用方法及对仿真的意义。     

修正的概率数据互联算法

阐明了概率数据互联(PDA)算法能很好地解决密集环境下的目标跟踪问题,在该算法基础上,人们又提出了联合概率数据互联(JPDA)算法和一些基于 PDA 的修正算法。在概率数据互联算法中,有一个很重要的参数就是杂波数密度(或波门内虚假量测期望数)。然而在许多实际情况中,这个参数是很难获取的。针对这一问题,文中提出了一种修正的概率数据互联算法,该算法通过实时地调整这一参数来获得对目标较为准确的估计结果。最后,给出了算法的仿真分析。     

基于分形的BP网络水下目标识别

主要讨论目标回波的分形特征和基于分形的识别方法,并用实际潜艇的回波数据进行了分形特征识别研究。在分析回波信号的时间域波形的基础上,应用随机分形理论,给出基于分形 Brown 运动的回波信号分形特征矢量提取的理论和方法;提取了回波信号的分形特征矢量;进而给出了基于 BP 网络的分类计算方法。计算结果表明,提出的提取水声回波信号目标特征矢量的方法与分类方法切实可行。     

分布式网络技术在燃气轮机性能测试系统中的应用

分析了分布式网络系统及燃气轮机性能测试系统的结构特点,描述了基于系统级、子系统级和工作站级的分布式测试系统的3级结构模型.     

高超声速战术导弹精确制导律设计

高超声速战术导弹以其固有的特点在高速目标拦截上应用前景巨大.如何针对高超声速战术导弹高速度、高不确定性的特点设计精确的制导律是导弹能否摧毁目标的关键.针对高超声速战术导弹和高速机动目标建立了相对运动模型,利用自适应滑模控制理论,设计了导弹的自适应精确制导律,并进行了仿真分析.结果表明,该制导律具有较好的控制效果.     

基于虚拟目标点制导的误差分析

基于标准弹道确定的虚拟目标点位置在弹道小扰动的情况下能够确保闭路制导的精度,但是在弹道大扰动时,虚拟目标点位置修正误差变大,能否保证闭路制导的精度值得探讨。通过给弹道一个大扰动进行了弹道仿真,结果表明,弹道大扰动会引起闭路制导的方法误差变大。     

临近空间高超声速滑跃式轨迹目标跟踪技术

针对临近空间目标飞行速度快、机动特性强和加速度突变的特性,提出一种地心直角(ECEF)坐标系下基于目标特性分析的修正强跟踪滤波(MSTF)算法。首先,通过对ECEF坐标系下目标量测的无偏转化处理,以有效减小目标高超声速飞行所带来的旋转、平移和线性化误差影响;接着,在对目标特性充分分析的基础上,合理构建强跟踪滤波(STF)模型,通过对模型参数的自适应调节,以有效实现临近空间高超声速滑跃式轨迹目标的精确跟踪;最后,结合统计学原理对目标加速度的突变进行合理检测和补偿,以进一步修正强跟踪滤波模型的跟踪精度。仿真结果表明,与现有的临近空间目标跟踪算法相比,该算法具有较高的定位跟踪精度。     

航空发动机分布式控制通讯网络拓扑结构优化

针对航空发动机分布式控制系统通讯网络拓扑结构的构架问题,建立航空涡扇发动机机匣模型,选取具有代表性的10个传感器作为控制节点开展研究。同时考虑发动机表面存在通讯总线不可通过区域,以及控制节点的工作可靠性因其重要程度存在差异的约束条件,利用遗传算法对航空发动机分布式控制系统通讯网络的拓扑结构进行优化设计。结果表明:优化过程简单,并且优化得到的通讯网络拓扑结构在满足约束条件的基础上线束总长度最短。     

区域杂波估计的多目标跟踪方法

高斯粒子概率假设密度（PHD）滤波往往假定杂波密度参数已知,这种做法对于实际应用是不现实的。此外,杂波的参数值通常依赖于环境条件,可能随时间发生变化。因此,多目标跟踪算法中需要实时准确估计杂波密度的参数。基于此,提出了一种多目标跟踪的区域杂波估计方法。首先根据量测信息在线估计出场景中的杂波数目,然后估计落入目标附近感兴趣区域的杂波数,并估计每个目标感兴趣区域杂波强度。仿真结果表明,在复杂场景下算法的跟踪性能明显优于未进行杂波估计的多目标跟踪算法,提高了跟踪的实时性和跟踪精度。     

基于改进HOG特征的空间非合作目标检测

传统的非合作目标检测方法大都基于一定的匹配模板,这不仅需要预先指定先验信息,进而设计合适的检测模板,而且同一模板只能对具有相似形状的目标进行检测,不易直接用于检测形状未知的非合作目标。为降低检测过程中对目标形状等先验信息的要求,借鉴基于规范化梯度的物体区域估计方法,提出一种基于改进方向梯度直方图特征的目标检测方法,首先构建包含有自然图像和目标图像的训练数据集;然后提取标记区域的改进方向梯度直方图特征,以更好地保持局部特征的结构性,并根据级联支持向量机训练模型,从数据集中自动学习目标物体的判别特征;最后,将训练后的模型用于检测测试集图像中的目标。实验结果表明,算法在由4953幅和100幅图像构成的测试集中分别取得94.5%和94.2%的检测率,平均每幅图像的检测时间约为0.031 s,具有较低的时间开销,且对目标的旋转及光照变化具有一定的鲁棒性。