交叉定位中去除虚假目标的一种新算法

针对测向交叉定位系统数据关联中存在虚假定位的问题,提出一种改进的分层快速关联算法.该算法先通过挖掘各传感器的相互位置关系与其对同一目标所形成方位量测之间的几何规律,利用候选关联的方位量测构造检验统计量,进行方位粗关联,排除了大部分虚假候选关联,减小了运算量;再对剩余候选关联进行分层组合,提取出正确的关联集合.仿真结果表明,文中算法可快速、准确的排除虚假定位点.     

基于聚类与网格搜索的TDOA/DOA联合定位方法

针对当前TDOA/DOA联合定位算法的复杂度较高、受噪声影响大的问题,提出一种基于DBSCAN聚类与网格搜索的TDOA/DOA联合定位算法。首先基于三站时差定位和双站测向交叉定位原理得到所有粗定位坐标,对粗定位结果进行参数自适应的DBSCAN聚类,得到聚类性能最好的集合,并判断出噪声点。而后根据噪声点的来源规律排除错误的TOA和DOA信息源,并依据最优集合的中心和边界距离划定初始搜索范围。最后使用网格搜索法进行逐层搜索,得到目标位置的最优解。经过蒙特卡洛仿真实验表明,该定位算法可以有效融合多体制多平台无源定位的定位数据,结果输出稳定,具有较强的抗干扰能力,使定位精度较两步加权最小二乘法得到提升。     

一种结合时差信息的测向定位虚假点消除算法

多测向站多目标交叉定位时存在定位虚假点问题,随着测向站和目标数目的增加,虚假点数量急剧增加,当测向误差较大时,正确关联率很低。针对这一难题,文中提出了一种结合时差信息的定位虚假点消除新算法,在利用测向站获取的方位角信息进行交叉定位的基础上,结合到达时差信息计算测向站之间测向数据的相似度,依据相似度最大的准则进行数据关联。仿真结果表明,改进后算法的正确关联率明显提高,从而能够更有效地消除虚假定位点。     

一种高精度的二维多波束测向方法

文中充分利用二维多波束输出的特点,首次将曲面拟合技术应用于二维多波束测向领域,提出一种高精度的二维多波束测向方法,即基于曲面拟合的二维多波束测向算法。文中不仅推导出该算法的数学表达式,还总结出影响该算法测向精度的三个主要因素;最后通过仿真实验分析了三个因素对测向精度的影响。结果表明该方法具有很高的稳健性及较好的测向精度。     

基于粒子聚类改进门限的GM-CPHD跟踪算法

针对带势的高斯混合概率假设密度滤波(GM-CPHD)计算量大,效率不高,已经无法适应现代战场要求,提出了一种基于粒子聚类改进椭球门限的GM-CPHD多目标跟踪算法。首先引入粒子聚类的方法,通过该方法得到修正的椭球门限;然后通过修正的椭球门限得到新的量测集合,实现了量测空间的改进;最后通过量测集合利用GM-CPHD算法进行更新。经过实验仿真证明,该方法在多目标跟踪效果上优于GM-CPHD算法,且计算复杂度大幅度降低,相比于带门限的GM-CPHD算法,跟踪性能也明显提高。     

基于遗传算法的相关干涉仪测向方法

相关干涉仪体制可以获得未知辐射源电磁波的相位信息,借助相关算法解算出波达角,在工程上得到了广泛应用.但天线相位往往会受平台影响发生畸变,并导致测向偏差.文中基于干涉仪体制,采用遗传算法对测向系统的基线和权值进行了优化.结合典型实例,比较分析了优化前后测向误差的变化.证明该方法能够显著改善测向精度,提出的方法对机载测向具有实用意义.     

动态聚类在空袭目标类型识别中的应用

动态聚类根据特定指标体系,构建动态聚类原始样本集,再选取一批聚点让样品向最近聚点聚类,以得到初始分类,最后按最近距离原则调整分类结果,得到较合理的分类结果.并从防空指挥辅助决策系统实际应用背景出发,基于动态聚类算法建立空袭目标的类型识别模型,进行数据标准化变换、选择聚点、初始及修改分类等.     

基于遗传算法的相关干涉仪测向方法

相关干涉仪体制可以获得未知辐射源电磁波的相位信息,借助相关算法解算出波达角,在工程上得到了广泛应用.但天线相位往往会受平台影响发生畸变,并导致测向偏差.文中基于干涉仪体制,采用遗传算法对测向系统的基线和权值进行了优化.结合典型实例,比较分析了优化前后测向误差的变化.证明该方法能够显著改善测向精度,提出的方法对机载测向具有实用意义.     

辐射源信号模糊定位算法

利用无源观测站来实现信号源的精确定位一直是电磁频谱资源环境监测中的重要课题,是战场复杂电磁环境下进行电磁防御和电磁进攻的前提。根据测向信息计算出的交点分布情况,提出了一种对信号源进行模糊定位的算法,并通过仿真实验与当前流行的定位算法进行了比较,结果表明,该算法能对信号源进行有效定位,具有较高的定位精度。     

基于FCM的方位标测量数据野值剔除方法研究及应用

针对传统手工剔除方位标测量数据中的野值,存在效率低、易出错的问题,根据方位标测量数据是对固定目标进行多次连续测量的特性,提出了将模糊C均值聚类技术应用到方位标测量数据预处理中。通过对测量结果的多次聚类,逐步剔除野值,从而得到方位标测量数据的最优集合。通过试验表明:该方法不仅效率高、算法简单易实现,而且能保持数据的完整性。     

基于分治贪心思想的联合多站目标关联定位

现有的目标关联定位方法将关联和定位拆成两个独立过程,这种分步处理并取局部最优的关联定位方式,其目标定位精度严重受限于关联正确率,为此提出一种基于分治贪心思想的联合多站目标关联定位方法。根据分治思想并采用最小距离原则选取每条方位线上的真实交点集合;根据贪心思想对所有的交点集合进行合并,在集合合并过程中,通过定位过程和关联过程之间的反复验证,保证目标关联的准确率和定位精度;根据关联关系对相互互斥的目标量测集合进行组合,选取联合关联概率最大的多目标量测集合作为最后输出。仿真结果表明：存在虚警杂波时,该方法的关联正确率保持在90%以上;同时存在虚警和漏检情况下,该方法的关联正确率保持在70%以上;该方法利用贪心思想降低了计算复杂度,减少了计算开销。仿真结果及试验数据均验证该方法具有良好的目标关联定位性能,适用于低检测、高虚警的水下环境。     

CI算法在两传感器融合稳态Kalman滤波器中的应用

针对两传感器稳态Kalman滤波器的信息融合,目前有三种常用的加权分布式融合算法:按标量加权、按对角阵加权和按矩阵加权,但它们都需要得到局部稳态滤波误差互协方差阵后才能计算出融合结果.而协方差交集算法在相关度未知的情况下,也能得到一个改进的估值,因此文中将协方差交集算法应用到两传感器稳态Kalman滤波器的信息融合中,在互协方差阵未知的情况下,此方法也能得到较好的信息融合结果,并通过仿真进行了验证.     

基于小波包自组织神经网络的图像数据融合

基于小波包与模糊自组织特征映射神经网络的图像数据融合,将图像在小波包最优基下展开,利用小波包最优基空间、尺度定位性提高分辨率,获得更好的去噪效果;再采用具有很强聚类功能的自组织特征映射网络进行图像数据的聚类;最后通过计算图像像素点的灰度均值来得到图像数据的融合结果.     

装甲装备维修器材需求数据模拟

为解决小样本条件下运用大数据驱动模型预测装备维修器材需求效果不理想的问题,提出一种新的数据模拟扩充算法.通过将不同时间段的器材累积消耗值作为相似度量改进了AP聚类算法,并对数据进行迭代聚类.结合改进后聚类算法的特点,将聚类为同一类别数据的各报告期器材相对消耗值考虑为正态分布数据,进而确定待预测数据各分量的正态分布数字特...     

基于颜色聚类的光学伪装效果评估背景选取方法

在基于可见光图像的单个目标伪装效果评估中,当目标处于反差较大的两种背景交界区域附近时,直接采用8邻域背景选取方法,将会导致评估结果出现较大偏差。针对这一问题,提出一种基于颜色聚类的背景选取方法。通过该方法对8邻域图像进行颜色聚类后,将目标近邻区域中不包含的颜色类从8邻域图像中剔除,再减去目标区域后即为选择的背景。实验结果表明：采用4～6个颜色聚类中心时,可以有效去除无关的背景区域,增强单个目标伪装效果评估的客观性和准确性;新方法对不同目标位置的适用性较强。     

基于抗冲击波响应的新型蜂窝夹层结构多目标优化设计

为提高某军用车辆底部防护结构对爆炸冲击波的防护性能,针对其V型底部结构,提出了一种新型蜂窝夹层结构.以降低质量、受冲击载荷后的变形挠度、加速度、增加铝蜂窝材料吸能为目标响应,设置结构中各部件的厚度、几何形状为设计变量建立多目标优化模型.结合实验设计和方差分析方法对设计变量进行参数筛选并建立优化模型的响应面;通过多目标遗传算法对响应面进行求解,得到了该优化问题的Pareto解集,从而指导该车辆底部结构改进设计;在Pareto解集的基础上使用标准边界交叉法和L2准则得到了一个理想解.仿真结果表明,优化后的新型蜂窝夹层结构较V型底部结构而言,其防护性能有明显改善,并且能大大提高防护车辆的离地间隙,这对抗爆炸结构的工程设计具有一定指导意义,且具有很大的实用价值.     

基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法

针对现有多模盲均算法(MMA)收敛速度较慢、均方误差大的缺陷,提出一种基于DNA遗传蝙蝠算法的分数间隔多模盲均衡算法(DNA-GBA-FS-MMA)。该算法利用分数间隔均衡器对信号进行过采样,以获取更多信道信息;将DNA遗传算法引入到蝙蝠算法中,得到一种DNA遗传蝙蝠算法(DNA-GBA),利用这个新算法来寻找蝙蝠群的全局最优位置向量,并作为多模盲均衡算法初始化最优权向量的实部与虚部。仿真结果表明,与现有的MMA相比,DNA-GBA-FS-MMA 的稳态误差最小、收敛速度最快、星座点最清晰紧凑。     

基于改进聚类生存度的军事通信网可靠性分析

针对现有全网聚类生存度计算方法计算不够准确的问题,提出一种改进算法。该方法将每个聚端和与其相连的聚枝看作一个整体,并在Matlab软件中使用改进后的聚类生存度分析在针对性攻击下复杂网络的生存性。仿真结果表明:改进后的算法保持了原算法的计算速度,同时还提高了计算的准确性。     

一种属性约简方法及其在动员联盟伙伴选择中的应用

粗糙集的知识约简功能是针对离散数据的,而决策表属性取值很多是连续的.为此综合聚类与粗糙集方法,提出一种决策表的全局连续属性离散化、属性约简与规则提取的方法.动员联盟是敏捷动员的重要实现方式,动员联盟的伙伴选择指标体系体现了国家对动员企业的基本要求.在已有的动员企业潜力指标数据和经验决策数据的条件下,通过这种全局的属性离散化和属性约简方法,可以进一步精简指标体系,并提取有用的决策规则,经实验结果验证,使用全局属性约简方法处理动员联盟伙伴选择的指标约简具有更好的优越性.