舰艇编队潜在空中威胁估计的解析几何方法

为了提高舰艇编队对空预警的有效性, 在分析敌我攻防对抗态势要素的基础上, 引入椭圆形成原理, 构建空中突击航线椭圆面;采用平面解析几何方法, 建立了舰艇编队潜在空中威胁方向和威胁时机的估计方法, 能够根据敌方空袭兵力部署的有关情报, 在空中威胁尚未形成之前对其可能来袭方向扇面和时间区间进行估计。实例应用与仿真分析证明该方法的可行性、准确性和有效性。     

基于Vague集TOPSIS法的空中目标威胁评估

为了快速准确地对空中目标进行威胁度判断,提出了一种基于Vague集TOPSIS法的目标威胁评估新方法。首先,分析并确定了空中目标威胁因素中的定性指标和定量指标,通过采用语言变量的Vague值表示法对定性指标进行表示,克服了传统的模糊集不能表达非隶属函数的缺陷。然后,对定量指标中的效益型指标和成本型指标进行规范化处理,建立了基于Vague集的空中目标威胁评估决策矩阵。最后,运用经典的TOPSIS方法,计算各目标的综合威胁指数,对空中目标进行威胁程度排序,并通过防空作战空中目标威胁评估的实例,验证了该方法的实用性和有效性。     

基于整体作战效能的目标威胁排序

针对现有空中目标威胁排序方法对支援作战飞机考虑的不足,提出了一种基于整体作战效能的目标威胁排序方法,建立了目标威胁排序的指标体系,分析了最小偏差模糊互补判断矩阵的指标权重求取方法,引入作战能力提高率矩阵[CX2]Q[CX],给出了支援作战的空中目标的威胁度。通过仿真分析,该排序方法对支援作战的空中目标的威胁评估更加准确,且更加符合防空作战实际。     

一种基于对抗效果的地面防空作战威胁估计方法

针对当前防空作战威胁估计中尚未考虑攻防对抗因素,提出了一种基于对抗效果的变权综合威胁估计方法。该方法首先依据随机服务理论建立防空作战服务对抗模型,然后将进袭目标突防概率提取为威胁因素;同时对常权综合方法进行改进,依据各威胁因素状态动态调整其对应权值,使最终综合的威胁结论更加合乎实际情况,从而提高了对作战决策的支持程度。     

基于模糊层次分析法的区域防空目标威胁等级研究

随科技的不断发展,防空目标威胁等级不断提升,对目标威胁等级进行评估,可有效应对空袭的目标,实现整体联动、科学防空.基于模糊层次分析法,构建了区域防空目标威胁等级评估模型,对目标威胁定量分析,为有效组织作战协同打下良好基础.     

空中目标威胁等级评估方法研究

本文提出了一种空中目标威胁等级评估方法,该方法运用了动态贝叶斯网络进行推理、结合专家知识以及对选取高斯分布函数对威胁要素进行量化,构建了基于动态贝叶斯网络的目标威胁等级评估模型。仿真结果表明:该模型可以有效的确定目标当前的威胁等级,该方法符合人类的推理过程。     

改进的威胁评估算法及其在目标分配中的应用

针对防空一体化作战的复杂性、实时性特点,提出了在威胁评估基础上进行目标分配的方法,建立了融合态势优势、空战能力优势和防空要地危急程度的威胁评估模型,通过对战机距离、速度、角度及防空要地属性等参数的设置将该模型应用于防空作战的目标分配过程。最后给出了仿真算例,验证了该模型的可用性和有效性。     

基于改进D-S理论的多时刻空中目标威胁评估

针对单时刻空中目标威胁评估存在的抗干扰能力弱、可靠性不足等问题,建立一种基于改进D-S证据理论的多时刻空中目标威胁评估模型。首先,根据空战时间线,定义多时刻空中目标威胁评估时段范围;然后,在单时刻空中目标威胁等级概率分配基础上,利用D-S证据理论融合各时刻证据信息;同时,针对D-S证据理论不能处理高冲突证据的弊端及其现有改进方法计算量较大的不足,引入偏移度的概念,确定各时刻证据源权重,对加权证据进行D-S融合。数值算例表明,该模型算法复杂度低;能有效处理波动数据、稳定性强,并且可减弱高冲突证据融合对威胁评估带来的不利影响,为最终决策提供了更准确的判别依据。     

基于遗传算法和ELM神经网络的目标威胁估计

目标威胁程度是指挥员进行态势评估和指挥决策的重要依据。为准确估计目标威胁情况,提出了基于遗传算法和极限学习机(Genetic Algorithm and Extreme Learning Machine, GA-ELM)的目标威胁评估方法。采用遗传算法优化ELM神经网络的输入权重和隐含层阈值,优化后的ELM神经网络能够克服传统ELM网络不稳定的缺点,具有更好的目标威胁估计性能。实验结果表明,基于GA-ELM的目标威胁估计误差明显小于传统ELM方法,且输出的威胁结果更加稳定。     

基于模糊层次分析法的威胁估计

以地面防空警戒网为背景，提出基于模糊层次分析法的目标威胁估计模型。通过建立多层次的评价指标体系。采用递推算法给出目标层对威胁等级的隶属度。给出目标威胁的代数值，由数值的大小给出威胁等级，是对不完全、不确定信息利用的一种可靠有效的方法。     

基于多属性决策和态势估计结果的空战威胁评估方法

结合空战的特点,对影响目标威胁评估的属性进行了分析,并用层次分析法确定各属性的权值.根据多属性决策理论和方法,给出目标的威胁度,再根据空战的态势估计结果修正威胁度值,最终得到威胁排序结果,为传感器管理和火力分配提供依据.     

基于蚁群优化的BP神经网络目标威胁估计方法

根据空中目标威胁估计的特点,分析了基于BP神经网络的空中目标威胁估计方法的不足。运用蚁群优化算法(ACO)的全局寻优能力,对BP神经网络的初始权值进行优化,建立了改进的BP (ACOBP)空中目标威胁估计方法,解决了BP神经网络初始权值的随机性和网络易陷入局部极小值的问题,提高了算法的收敛速度。并采用30组训练样本数据及8组测试数据,对算法的性能进行了仿真分析。仿真结果表明,该算法估计结果准确合理,收敛速度和收敛精度均优于BP算法,证明了该方法的有效性。     

单机多目标攻击的目标威胁排序

本文讨论空对空单机多目标攻击的威胁目标排序问题,首先概述了目标威胁排序算法,然后讨论了目标威胁因素的威胁指数计算及综合威胁度计算方法,最后采用典型用例进行了计算。结果表明本文所提出的威胁评估算法与实际情况相当符合,而且算法简单,易于工程实现。     

舰用作战指挥系统对敌目标的自动威胁判断

本文强调在舰用作战指挥系统中对敌目标进行自动威胁判断的重要性。阐明自动威胁判断的依据和原则,威胁等级的划分,并对自动威胁判断的效果进行初步分析。     

基于模糊贝叶斯网络的空中目标多传感器融合识别研究

为了对充满不确定性与模糊性的空中目标识别数据进行处理,提高空中目标多传感器融合的准确性和可靠性,提出以模糊贝叶斯网络为基本结构的多传感器数据融合模型.该模型能够对清晰连续变量通过模糊化和去模糊化操作变换成离散变量,而且基于模糊贝叶斯网络的建模方法能够组合多种证据进行不确定性表达和推理.通过详细分析空中目标识别的推理规则,建立了空中目标识别的贝叶斯网络拓扑结构,提出了贝叶斯推理算法对多种证据进行融合计算的模型.识别实例表明该模型能够融合不同信息源的数据,有效地提高空中目标识别的效率.     

基于极限学习机的目标智能威胁感知技术

空中目标威胁感知是智能空战的关键技术之一。针对空中目标威胁评估问题,提出一种基于极限学习机的目标威胁智能感知策略。该方法首先提取目标威胁评估的高权重态势因子,并采用隶属度函数进行归一化数值解译;然后,借助专家知识采用极限学习机理论对威胁感知的输入输出数据进行建模,构建智能感知推理模型;最后,建立基于极限学习机的目标威胁智能感知流程。仿真结果表明,该算法具有较高的威胁感知精度以及较好的算法实时性。     

基于层次-效用法的空中目标威胁度判断模型

在现代防空作战中,要对来袭目标进行指标因素区分.利用层次分析法(AHP)来确定各指标因素的权重,建立指标因素的效用函数矩阵,计算出目标的威胁度,并进行威胁度大小排序,是防空一方指挥员合理、准确地运用火力的重要依据.     

基于混合型多属性决策方法的目标威胁评估

针对目标属性信息存在不确定性的特点,通过对目标属性选取及其权重确定方法的全面分析,采用混合精确实数型指标和模糊区间型指标的决策模型,评价目标多属性并对目标威胁进行评估。最后给出仿真实例,仿真结果表明该方法简单、可靠,为目标威胁评估提供了又一有效途径。     

基于分布式防空目标分配和作战有利度分析

目标分配是防空火控中重要环节,而随着各项技术的发展,分布式群集火控成为未来防空火控的必然趋势。因此,提出适用于分布式群集火控的目标分配模型是当前的迫切需要。文中综合传统威胁分析方法,给出了作战有利度模型,并借此提出了分布式防空的目标分配方法,结合普通防空火控目标分配,给出了通用式目标分配方法。实例应用表明,该方法可用于实战防空中的目标分配。