被动声纳的航迹关联

1引言 分布式系统中,需要将不同声纳基阵测得的目标航迹进行关联和融合.航迹关联是一个统计决策过程,即判决不同基阵测得的不同航迹是否来自同一目标源;航迹融合是在航迹量测来自同一目标的假定下,利用航迹量测进行统计滤波,以获得更好的跟踪性能.通常,二者是顺序进行的,如图1所示.航迹融合的效果很大程度上取决于航迹关联的正确与否.若航迹关联错误,随之进行的航迹融合不仅不会改善跟踪性能,反而会恶化.     

一种被动双阵航迹关联新方法

在被动系统中。多传感器多目标数据关联一直是一个难解决的问题。对静态数据关联多维指派“组合爆炸”问题,许多外学者提出了像最小距离法、最大似然算法等多种解决方法,但它们或正确相关率较低,或计算量较大。基于上述问题,提出了一种基于运动目标在时间上具有连续性的先验知识的新的航迹关联算法,该算法根据数据列之间发展态势的相似或相异程度来衡量航迹间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制。仿真结果表明该算法计算量小,正确关联率高,具有较高的工程应用价值。     

一种被动双阵航迹关联新方法

在被动系统中,多传感器多目标数据关联一直是一个难解决的问题.对静态数据关联多维指派"组合爆炸"问题,许多外学者提出了像最小距离法、最大似然算法等多种解决方法,但它们或正确相关率较低,或计算量较大.基于上述问题,提出了一种基于运动目标在时间上具有连续性的先验知识的新的航迹关联算法,该算法根据数据列之间发展态势的相似或相异程度来衡量航迹间接近的程度,使航迹关联问题突破了样本容量和典型分布这两条限制.仿真结果表明该算法计算量小,正确关联率高,具有较高的工程应用价值.     

基于误差修正 NLSTM 神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景。无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势。首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究。接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆 (ENLSTM) 神经网络预测模型。ENLSTM 在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高。最后使用 BP、RNN、LSTM 和 ENLSTM 四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论：循环神经网络相对 BP 神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM 模型对于无人机的航迹预测具有更好的效果。     

复杂模型的建模技术

本通过规划复杂模型的特征线,利用坐标测量机实测数据,采用UGⅡ软件构成样条曲线、拟合模型、反复修正样条,直至拟合模型样条光顺,即采用逆向工程和正向设计结合的方法进行建模。     

一种雷达与AIS航迹关联算法的研究

在船舶交通管理系统(VTS)中,雷达与AIS航迹关联的精度很重要。给出雷达与AIS航迹数据关联模型,讨论一种基于多义性处理并考虑航迹历史数据的航迹关联算法,并进行算法性能的推理,给出仿真结果,可以看到仿真在密集环境中取得很好的效果。     

基于双谱特征的被动声纳目标航迹关联

传统的目标航迹关联方法卡尔曼滤波法在实际应用时有局限性.本文对目标辐射噪声的原始信号进行分析和研究,利用双谱估计法,提取目标辐射噪声信号的非高斯成分,并通过径向基函数神经网络作关联实验.表明基于信号处理方法实现潜艇被动声纳目标航迹关联具有很大的发展潜力.     

基于多探测器组网的数据融合算法研究

文章从未来战争环境出发,建立多探测器组网探测目标模式,针对数据融合中存在的坐标转换、时标统一和航迹关联等关键算法进行研究,给出了科学的计算公式,为数据融合的仿真计算、模型建立等具有指导意义。     

用滑动窗多项式拟合法实时预测运动目标轨迹

提出了滑动窗多项式拟合数学模型。该模型用多项式拟合法处理一段目标位置历史数据序列,计算目标未来时刻位置,并随时刻推移不断更新目标数据,实现了实时预测。该模型误差小且稳定,克服了一般拟合预测中误差随时间推移增大的缺点。仿真结果说明,该方法参数固定、计算量小、速度快、精度高,利于实时预测跟踪。     

基于拟合建模的振动削波数据预测恢复

针对振动测量数据超出测量系统原始设定范围造成的数据削波现象,介绍了回归分析和三次样条插值两种拟合方法.通过对测试数据进行建模预测的实例比较可知三次样条插值法的误差较小,应用此方法对飞机振动削波曲线进行恢复,可得到满意结果.     

基于GRA-RFR的油气集输管道内腐蚀速率预测

针对油气管道腐蚀预测领域传统的机器学习算法存在的诸如参数和模型结构确定困难、泛化误差大等问题,将随机森林回归算法(RFR)引入油气集输管道腐蚀预测领域,构建了灰色关联分析(GRA)融合随机森林回归算法(RFR)的预测模型。运用灰色关联分析进行数据处理以获取最优特征变量,再结合随机森林回归模型对内腐蚀速率进行预测,并基于相同的训练集建立BP神经网络和SVM的预测模型与之对比。结果表明:RFR预测模型的均方根误差和拟合优度分别为3.78%,0.996 5,预测效果优于常规的BP模型和SVM模型,具有较高的预测精度和鲁棒性,可为管道工程的防腐蚀设计提供价值依据。     

微肋管内流动冷凝压降关联式的研究

本文进行了微肋管内R134a两相流动冷凝换热实验,分析了实验工况、微肋管结构参数对管内压降的影响,并使用关联式对管内压降进行了预测。实验结果显示:管内压降与质量速率、肋片螺旋角呈正相关,与冷凝温度、冷却水雷诺数Re呈负相关;Cavallini et al关联式、Haraguchi et al关联式、Pierre关联式可实现对管内压降的高精度预测,预测平均误差均在17%以内,而Goto et al关联式高估了管内压降;参考Goto et al关联式拟合机理,基于微肋管内R134a压降实验数据,对气相/液相折算系数Φv/Φl与参数Xtt之间关系进行重新拟合,进而提出适用于预测管内压降的关联式,经验证:新关联式预测误差在±30%以内,预测平均误差小于10%。     

筒型翅片管换热器空气侧换热模型分析与实验

本文对筒型翅片管换热器的空气侧流动特点进行了理论分析,基于现有换热模型提出了一种能够反映筒型翅片管换热器结构特点的集中参数形式的换热因子关联式。通过实验对比了筒型和普通型的换热因子,对理论分析进行验证,结果表明:现有换热模型对筒型翅片管换热器的预测误差较大,平均相对误差达到81.16%;对传统换热器预测较准,平均误差为7.53%;使用本文实验数据拟合后的新关联式对筒型换热器平均相对误差仅为8.86%,对传统换热器平均误差为8.80%,且误差分布均匀,大幅提高了关联式对筒型翅片管换热器的预测精度,也保持了对传统换热器的预测精度。     

燃气燃爆实验数据的多约束B样条曲线拟合

样条拟合是数据处理的重要方法,该文给出一个实际工程中多条件约束拟合的典型实例.燃气燃爆分析是涉及安全生产的重要问题,精确安全的燃爆边界有助于危险预测和控制.该文对消防公司的实验数据进行分析,基于多约束样条拟合方法,给出了油气燃爆界和爆炸强度曲线.具体地,将燃气燃爆不同特性转化数学约束条件并做合理简化,在这些约束条件下进行曲线拟合,得到具备燃爆特征的爆炸强度曲线.该方法不受维数限制,可以推广用于多因素燃爆分析.     

P-nary细分多层B样条算法及曲面拟合

多层B样条方法在曲面的拟合中提供了新的途径.在证明均匀B样条基函数P-nary细分方程基础上,给出了均匀B样条曲线的P-nary细分控制点之间的计算公式,进而讨论了B样条曲面的P-nary细分问题,并将其用于层次B样条曲面拟合.提出了基于P-nary细分多层B样条曲面拟合算法.该算法加快了层次B样条曲面拟合中网格加细后曲面控制点的计算,数值实例显示所给算法的有效性.     

一种多目标自动跟踪的逻辑关联方法

目标跟踪是被动声纳系统的主要功能之一,跟踪器为目标运动分析和目标识别等后置处理提供输入数据。声纳操作员利用人脑独特的认知模式、先验知识和视觉的迹迹相关效应,能够很好地在声纳显示方位历程图上发现目标并录取跟踪。但实际应用中由于低信噪比、航迹交叉和转向等复杂多目标情形,声纳系统实现多目标自动跟踪十分困难。给出一种多目标自动跟踪的逻辑关联方法,利用被动声纳宽带波束输出数据,通过点迹与航迹关联、航迹评价管理和交叉处理等过程,可以较好实现多目标自动跟踪。试验数据的处理结果验证了所提方法的有效性,能够在声纳装备中得到工程应用。     

传感器与测量系统静特性方程的样条函数最小平方拟合方法

本文提出用样条函数为基函数模型的最小平方拟合法建立被标定系统的静特性方程式,此种方法对静态实验数据的拟合具有较大的适应性。对一组测温传感器所做的静态标定实验表明,用一次B样条函数构造的静特性方程式对实验数据组有较好的拟合效果。     

方位角准确预测法在光电跟踪中的应用研究

本文通过基于卡尔曼滤波和一步预测理论建立适当的数学模型，提出了一种应用于舰载光电跟踪设备的拟线性目标方位预测算法，并对不同的运动目标的进行了仿真计算。结果表明该方法有较高的精度，能预测出光电跟踪设备在丢失目标情况下的目标航迹，可满足其在炮振丢失目标情况下的预测要求。     

目标联合状态类型密度表示的跟踪门技术

大多数传统的跟踪门技术仅使用目标的运动学量测信息,在多目标、多杂波跟踪场景中会导致较大的关联不确定性。考虑到属性传感器可以获取目标的类型信息,提出了基于目标联合状态类型概率密度的跟踪门方法。首先给出目标状态与类型的联合概率密度表示,从而导出以类为条件的跟踪门构建方法。为了适用于实时的非线性跟踪系统,门限的计算采用了基于仿真的算法。场景 1显示如果目标的量测预测密度为偏斜函数时,基于仿真的门限算法可以获得最优的跟踪门;场景 2为地面编队目标的跟踪过程。与使用传统的跟踪门相比,以类为条件的跟踪门技术在很大程度上提高了目标量测到航迹的关联率。     

毛细管内R410A两相流摩擦因子关联式研究

准确预测毛细管内两相流制冷剂的压降是提高毛细管分流精度的基础,而高精度的毛细管内制冷剂两相流摩擦因子关联式又是准确预测毛细管压降的关键。本文拟合得到毛细管内R410A两相流摩擦因子关联式,并给出基于近似积分的毛细管压降计算模型。试验验证表明:基于Blasius公式拟合的毛细管内R410A两相流摩擦因子关联式的平均预测误差为±5.3%,95%的数据点的预测误差在±20%以内,而基于本文提出的毛细管内R410A两相流摩擦因子关联式的压降计算结果与试验数据的误差在±12%以内,平均误差在±5%以内,相比Blasius公式具有更高的计算精度。