多机协同多目标攻击空战战术决策

以多机协同攻击多个目标为研究背景,提出一种目标分配的决策分析方法。首先建立攻击过程中的优势模型和目标威胁模型,根据该模型分析多目标攻击过程中我方的优势和目标威胁度,然后将该优势与威胁度相加权,由此得到多目标攻击决策准则。示例表明,该方法能够根据空战态势合理地决策好所要攻击的目标,并为航空火控系统实现多目标攻击提供准确依据。     

多机协同多目标攻击目标全面分配算法

讨论了多机协同多目标攻击目标全面分配算法，阐述了全面目标分配的基本概念、功能和算法程序逻辑图。     

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。     

空对空多机协同攻击多目标的决策研究

介绍了多机协同攻击多目标的基本概念，提出了在用模糊聚类和模糊识别算法对目标进行重要性等级评价的基础上，运用二部图的最大匹配算法对导弹和目标进行最大配对的新方法，仿真表明该方法产生的结果符合多机协同攻击多个目标的目标分配原则，具有一定应用价值。     

空对空多机协同攻击多个目标战术决策研究

简要介绍多机协同攻击多目标的基本概念,战术决策、目标分配及攻击斐邓方法。最后用数字仿真验证该方法的有效性。     

多机协同攻击中的目标分配研究

对多机协同攻击中的目标分配问题进行了研究。建立了用于空战态势评估的优势函数，重点研究了协同目标分配方案、分配模型及分配算法，并对数字仿真结果进行了分析。     

基于层次着色Petri网的多机协同多目标攻击决策建模

采用层次着色Petri网的方法,在CPN-Tools仿真环境中建立了多机协同多目标攻击决策系统的模型。该方法通过引入颜色和置换变迁,降低了复杂系统Petri网模型复杂度,使模型直观、简单。利用ML元语言在模型中嵌入威胁估计和目标分配的算法函数,使得模型具有根据态势信息进行目标分配决策的能力。分析了模型的动态性质,并给出算例仿真。仿真结果表明了所研究的基于层次着色Petri网的多机协同多目标攻击决策模型的有效性。     

基于离差最大化的空战目标威胁评估

威胁评估是协同多目标攻击空战决策的关键技术之一。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,考虑敌我双方飞机的雷达最大探测距离和导弹最大射程的不同情况,提出了改进的距离威胁模型。针对传统威胁评估方法在确定权重系数方面的缺陷和不足,提出了运用离差最大化方法来解决目标威胁评估问题,给出了离差最大化方法确定威胁因素权重的具体步骤。建立了目标威胁评估的数学模型,并进行了仿真研究,仿真结果表明该方法是合理和有效的。     

多机协同多目标攻击的遗传蚁群算法研究

研究了多机协同空战中的多目标攻击决策问题.以攻击效果为准则建立空战决策模型,首先利用遗传算法快速随机的全局搜索能力生成信息素的初始分布,然后利用蚁群算法具有正反馈的特点求精确解,最后在Matlab环境下对实例进行了仿真.具体的仿真算例证明:将两种算法动态融合能起到优势互补的作用,在实际的空战环境下能进行有效的决策.     

基于信息熵和TOPSIS法的目标威胁评估及排序

针对现有空战目标威胁评估方法中存在的不足,提出了一种基于信息熵和TOPSIS法的空战目标威胁评估方法。首先建立了空战目标威胁评估指标,确定了角度、速度、隐身等威胁因子;为综合考虑评估中的主客观因素,采用了组合权衡因子确定最终权重;最后采用TOPSIS法作为威胁评估的解算方法,进行仿真验证,结果证明了该方法的有效性及合理性。     

多目标跟踪中基于目标威胁度评估的传感器控制方法

该文基于随机有限集的多目标滤波器提出一种基于目标威胁度评估的传感器控制策略。首先,在部分可观测马尔科夫决策过程(POMDP)的理论框架下,给出基于信息论的传感器控制一般方法。其次,结合目标运动态势对影响目标威胁度的因素进行分析。然后,基于粒子多目标滤波器估计多目标状态,依据多目标运动态势的评估研究建立多目标威胁水平,并从多目标分布特性中深入分析并提取出当前时刻最大威胁度目标的分布特性。最后,利用Rényi散度作为传感器控制的评价指标,以最大威胁度目标的信息增益最大化为准则进行最终控制方案的求解。仿真实验验证了该方法的实用性和有效性。     

基于指标双层变权和TOPSIS-灰关联的多目标威胁评估方法

针对战场环境中较难判定多个来袭目标威胁程度的问题,提出一种基于双层变权TOPSIS-灰关联的多目标威胁评估方法.对于目标指标,先用层次分析法和改进熵权法分别求主客观权重,组合得出第一层权重;再构建综合均衡函数,融合变权理论与第一层权重为最终权重;最后依据决策者对TOPSIS法和灰关联法的主观偏好综合得出多目标威胁评估结...     

基于深度学习的空海防御智能态势认知技术研究

在现代空海防御的信息作战中,智能态势认知是实现战场透明化、降低信息复杂度、提升空海防御作战指挥决策能力的前提和基础。针对空海防御智能态势认知相关问题进行探索研究,重点分析了其概念内涵和面临的巨大威胁与挑战等,提出复杂空海信息对抗条件下态势信息数据表征、融合处理、意图推理等核心能力需求,在此基础上结合人工智能的自主、超强学习能力,构建了基于深度学习的空海防御态势认知体系,开展智能认知技术应用探索,为其发展提供了良好思路。     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

基于层次分析法与模糊运算的威胁评估算法

威胁评估属于多因素决策问题,涉及的因素很多,而且各因素威胁程度的等级没有明确的界限,具有模糊性。将层次分析法和模糊理论结合起来用于威胁评估,有效地发挥了层次分析法和模糊运算各自的优越性,结合某舰艇防空作战系统给出了该方法的评估过程,对算法进行了示例分析,为作战指挥决策提供了一个更为科学合理的理论方法。     

基于变权模糊综合评判的目标威胁评估算法

研究了预警机指挥多编队作战对空中突防目标进行威胁评估的问题.首先介绍了模糊数学中的模糊变换和模糊综合评判原理,然后以预警机指挥控制系统为例,基于多属性决策,分析了与目标威胁程度大小有关的6个重要因素,建立目标的威胁评估模型,最后提出基于变权模糊综合评判的目标威胁评估算法.由于是同时考虑各因素对于威胁准则和内部之间的相对重要性得到的权值,使得该算法的权值分配结果更加准确,有效弥补了专家主观赋值的不足.通过算例分析,验证了变权思想下该算法的有效性以及精度更高的优点.     

融合遗传算法与BP神经网络的气象威胁度建模与评估

针对无人飞行器航迹规划中的气象威胁要素模糊性强、复杂多变等特点,提出一种融合遗传算法与BP神经网络的气象威胁度评估方法。利用遗传算法的全局寻优能力优化BP神经网络的初始参数及结构,结合GA-BP神经网络对气象威胁度进行建模与评估。通过Matlab仿真验证,结果表明该方法能够准确评估气象威胁度,与BP神经网络相比,具有更快的收敛速度、更好的全局收敛性,提高了评估效率与准确度。     

iJam密钥产生方案的双窃听者合作攻击

iJam是一种与信道变化快慢无关、且能够快速生成物理层密钥的新技术。在iJam方案中,发送者连续发送两份相同的OFDM符号,接收者随机干扰每对采样点中的一个。合法接收者可以利用干扰信息重构密钥信息,而窃听者因不知干扰符号的位置而无法进行有效重构。然而,iJam方案的安全性与窃听者的位置紧密相关。尽管iJam采取双向交换密钥等机制克服了单窃听者的位置敏感问题,但是iJam方案的安全问题仍然存在。为攻击iJam,本文提出了一种双窃听者合作攻击方法,两个分别位于Alice、Bob端的窃听者合作对iJam进行攻击。仿真结果表明:双窃听者合作攻击方法可有效破解合法用户协商的密钥。      

基于IAUKF-JPDA算法的多目标跟踪

针对不同传感器融合跟踪精度低的问题,提出一种采用加权融合的改进自适应无迹卡尔曼滤波算法(IAUKF).针对不同传感器的融合处理中场景切换导致的传感器精度变化,对来源于不同传感器的数据设置不同的权重,引入Sage-Husa自适应思想,实时处理测量噪声的统计特性,利用联合概率数据关联(JPDA)来完成杂波的去除和量测-目标...     

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。