基于决策不确定性的多目标跟踪传感器管理

针对高杂波、电子干扰环境,在量测驱动的多目标滤波框架下提出了一种基于决策不确定性的传感器管理方法。首先,根据部分可观测马尔科夫决策过程的理论,给出了基于Rényi信息增量的传感器管理一般方法。其次,综合考虑决策过程的信息完整性、信息质量、信息的内涵等因素,在量测驱动的自适应滤波框架下,基于目标运动态势评估多目标决策不确定性水平,并选取最大决策不确定性目标。最后,以最大决策不确定性目标的信息增量最大化为准则进行传感器分配方案的求解。仿真实验表明所提方法能够有效抑制电子干扰、杂波对多目标跟踪及传感器分配的影响,与基于威胁的传感器管理方法相比,所提方法的平均最优子模式分配（OSPA）距离及平均计算时长均显著降低,且在高杂波、电子干扰情形下具有较高的可靠性。     

面向空管模拟机培训的智能应答机长研究

针对当前日益增长的空中交通管制员(以下简称“管制员”)培训需求以及传统管制员培训模拟机面临的效率低等问题,设计了 1个面向空管模拟机培训的智能应答机长系统。该系统利用语音识别、指令提取、指令复诵、语音合成等技术,能够实现对管制模拟培训过程中管制员语音的智能识别和理解,并模拟飞行员自动输出复诵指令的功能。通过对真实空管对话语音模式的研究和分析,制定了 1套详细的复诵规则,以适应不同场景下的管制指令复诵模式。此外,集成了特情处理模块以支持管制员特情处理培训。在真实管制培训环境下进行实验验证,结果表明,所提出的智能应答机长系统综合复诵准确率为 88.6%,可以有效提升管制员培训质量和效率,显著降低了人力成本。并且,该系统可以作为子系统集成到现有的管制员培训模拟机系统中,具有较强的便捷性和兼容性。