一种基于在线学习的弹道识别方法

用SVM机器学习算法来解决弹道识别问题极大提高了识别精度,然而在处理过程中采用批处理优化方法很难缩短识别时间。考虑到实际中雷达捕获弹道数据是以在线的方式存在的,文中提出一种基于在线学习的弹道识别方法。仿真实验结果表明,在线算法在保证识别精度相当的情形下,大大的缩短了弹道识别时间。从而认为基于在线学习的识别方法是一种值得引进的弹道识别方法。     

模糊分类树在弹道目标识别中的应用

分析了弹道目标识别特点,指出它是典型的非合作目标识别,通常难以获取待识别对象的详细特征数据库,因此基于数据库匹配的识别方法实用性有限.根据这一特点,提出了基于分类树的弹道目标识别方法,阐述了分类树的基本原理后,提出了弹道目标识别分类树的构造方法,在此基础上设计了弹道目标识别的模糊分类树,进行了相应的仿真实验.仿真实验结果表明所提出的方法有效.     

基于SVM决策树的数据链识别分类

摘要：为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数 据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波 系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类 器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明：SVM 决策树网络分类器在进行 收敛速度和准确率表现优异,能改善分类识别效能。     

基于支持向量机的雷达弹道外推方法研究

支持向量机是一种求解回归预测问题的优秀决策方法，具有坚实的理论基础和优秀的预测性能．为解决目前雷达弹道外推中存在的外推准确率不高和不能有效地进行弹道识别等问题，用基于支持向量机的方法对雷达探测弹道进行了外推研究，并通过仿真弹道模拟雷达采样进行了仿真实验，仿真实验结果表明：基于支持向量机的雷达弹道外推方法实用可行，可以获得较高的外推精度，并且能够有效地进行弹道识别．     

基于Gabor原子变换和支持向量机的毫米波雷达目标识别方法

为提高毫米波雷达目标识别能力,提出一种基于Gabor原子变换和支持向量机(SVM)的雷达目标识别方法。该方法充分利用了Gabor原子变换在信号表示方面的有效性以及SVM在分类方面的优越性,首先将雷达回波信号进行Gabor原子变换,获得信号的特征量,然后利用SVM网络进行分类识别。实验结果表明：该方法可行且具有较高的识别率。     

基于Boosting学习算法的雷达弹道识别

弹道外推技术在炮位雷达的侦察和校射中起关键作用,弹道外推的精度直接决定着炮位侦察校射雷达的性能.在文献[1]中,作者提出了将弹道外推分为弹道识别和特定弹道外推两个阶段,并用支持向量机方法对弹道识别进行了系统研究.文中引进Boosting学习算法进行弹道识别.仿真结果表明,基于决策树的Boosting学习算法是一种有效的弹道识别方法,并且识别精度高于基于核技巧的支持向量机方法.     

AdaBoost-SVMDT及其在HRRP识别中的应用

HRRP所具有的易于获得和处理的独特优势,使得基于HRRP的识别方法成为现代战争环境感知和目标识别的主要方法之一。AdaBoost是一种能够提高任意分类器的分类精度的学习框架,将其引入SVM—DT,并应用于HRRP识别,可提高HRRP的识别精度。实验表明,AdaBoost—SVMDT相比于SVMDT有效提高了HRRP的分类精度。     

基于模糊超球面SVM的雷达高分辨距离像识别

高分辨距离像(HRRP)分类是对雷达复杂目标分类的一种重要方法.标准的一对一超球面SVM多值分类方法需要训练k(k-1)个子分类器,计算量大、训练时间长,并且存在决策盲区,不适宜用来进行HRRP目标识别.为了减少分类器数量,提高训练速度,文中根据超球面的几何特征引入了一种“倒数对称”的一维隶属度,构造了模糊超球面SVM分类器,该方法仅需训练k(k-1)/2个子分类器,既提高了训练速度又解决了决策盲区,HRRP实测数据识别实验表明了该方法的有效性.     

基于回归神经网络的非线性舰炮弹道偏差预测

提出一种基于回归神经网络及弹道机理模型对非线性弹道系统进行辩识的方法，通过观测上升段弹丸飞行轨迹，采用混合模型预测弹道的误差规律，最后估计出弹着点，对系统采用MATLAB进行仿真，结果表明，该方法有效可行。     

基于SVM的移动机器人路标识别算法

提出一种基于支持向量机的移动机器人路标识别算法,其利用SVM分类器对大量的交通标志进行识别。该方法对于场景光线强度变化,图像存在形变以及路标存在阴影遮挡和距离较远等情况都具有学习能力与容错性。实验结果表明,基于SVM的移动机器人路标识别分类器在复杂的室外环境下是有效的、具有鲁棒性的。     

基于摄动理论的动态弹道偏差阈值修正方法

基于摄动落点偏差预测的弹道修正方法具有落点偏差计算精度高,弹上计算量小等优点。研究了基于该理论在二维弹道修正应用中相关的系列问题。基于多元函数的泰勒级数展开理论,推导了完整的摄动落点偏差预测理论模型。基于摄动偏差理论提出了一种修正步长自适应的射角诸元快速求解方法,一般循环解算弹道模型不超过3次即可得到落点误差不超过1 m的射角诸元。基于不同弹道位置上平均弹道误差,给出了偏导数求解中弹道偏差设置方法。提出了一种动态弹道偏差阈值修正方法,选用该方法进行弹道修正,平均弹道修正次数减少29.1%,而弹丸落点CEP增大不明显。     

火星探测最优小推力变轨

对基于二体模型下的小推力探测器轨道优化问题进行了研究,从仿真结果可以看出,优化推力比水平推力明显节约燃料;对于火星捕获轨道优化点初值的选取,给出了一种简便易行的逆向设计思路.     

固定舵二维修正弹外弹道仿真与动态模拟

为研究固定舵二维弹道修正弹的修正能力,采用流体力学分析软件Fluent与机械系统动力学自动分析软件Adams联合仿真方法建立了固定舵二维修正弹的动力学仿真模型。基于鸭舵修正原理提出了仿真环境下鸭舵减旋和测姿的模拟方法,在Adams软件环境下通过在舵片模型上建立Marker监测点实现了对鸭舵实时滚转角的直接监测;应用该仿真方法对横风作用力从1 N增大到10 N的情况进行仿真,相比于无风干扰,横偏增加了36.5%到298.0%;分别对10 N横风作用力、0.5°横向跳角和0.5°定起角干扰下的弹道修正进行了仿真。研究结果表明：相对于无修正情况下的横偏,在10 N横风作用力下的修正量能够达到90%,由跳角引起的横向、纵向落点偏差得到显著降低;通过与半实物仿真实验及实弹射击试验的对比,证明该仿真方法具有一定的合理性。     

智能驾驶车辆轨迹预测方法综述

针对目前车辆轨迹预测难点,对车辆轨迹预测方法的分类和研究现状进行综述。根据模型实现预测时域 的不同,将现有算法分为短时域和长时域的车辆轨迹预测方法;介绍短时域的基于物理模型和传统机器学习预测方 法的基本概念及研究现状,总结对比长时域的基于深度学习、神经网络和基于车辆驾驶行为意图识别的预测方法。 分析结果表明：长时域方法能够解决车辆轨迹预测难点问题,保证智能车辆高效、安全驾驶。     

基于准平衡滑翔的再入轨迹解析规划方法

针对禁飞区等多约束条件下的再入轨迹规划问题,提出了一种基于准平衡滑翔的再入轨迹规划解析方法。纵向剖面规划中,基于准平衡滑翔条件,以航程为自变量构建了相关弹道参数(如高度、速度、阻力加速度、攻角和倾侧角等)的解析表达式,建立了高度-航程空间内的多约束飞行走廊。横向剖面规划中,采用一种基于横、纵程多次函数的解析规划方法,有效解决了对禁飞区的规避问题。上述算法将复杂的多约束再入轨迹规划问题转化为简单的解析求解,极大提高了轨迹规划速度和可靠性。基于CAV-H的仿真算例表明,提出的轨迹规划算法运行速度快,规划结果平滑,精度高,逻辑简单且易于工程实现。     

基于反馈线性化的靶弹弹道跟踪制导律设计

针对导弹靶弹的弹道跟踪精度问题,基于反馈线性化和最优控制理论设计了一种弹道跟踪制导律。首先,通过对靶弹进行受力分析,建立靶弹纵向运动非线性方程组;其次,根据反馈线性化理论的定义和充要条件,详细推导得出靶弹的精确线性化运动方程;最后,通过最优控制理论设计弹道跟踪制导指令,并在阵风干扰和不同机动飞行弹道下,与基于小扰动法和固化系数法设计的跟踪制导律进行比较。结果表明:基于反馈线性化法设计的弹道跟踪制导律具有较高的弹道跟踪精度和较低的需用过载。     

直升机载空空导弹纵向弹道规划

根据直升机载空空导弹低空、超低空作战的特点,基于最优控制理论,进行了发射后截获纵向弹道规划技术的研究,给出了纵向弹道规划技术的一种实现方法,来解决直升机空空导弹长距离低空、超低空飞行时的防撞地以及中末制导交接班过程中减少地物背景干扰等问题,并建立了仿真模型,进行了仿真分析。仿真结果表明,本文给出的纵向弹道规划技术能够大幅提高直升机空空导弹的作战效能。     

飞行器轨迹优化的造型降维方法

提出一种基于Bezier曲线造型的降维轨迹优化方法,用于提高轨迹优化的精度。该方法利用Bezier曲线优良的形状刻画能力描述最优轨迹,将优化问题的边界条件化为Bezier曲线的造型参数约束,从而使原问题表示为较低维含造型参数的优化问题,减少了计算量。轨迹造型法可有效协调飞行器动力学模型中不同时间尺度变量动态特性差异对非线性规划求解条件数的不利影响,更易于得到光滑最优解。按照常规高斯伪普法和网格自适应伪谱法分别对一种轨迹优化的原问题和造型降维问题进行了仿真验证,证明了所提出方法的可靠性。     

一种基于解析方法的滑翔再入轨迹快速规划方法

采用数值方法对再入飞行器进行在线轨迹规划时,计算量大,针对此问题,研究了一种基于解析方法的滑翔式再入轨迹规划方法,该方法能够快速规划出高精度的滑翔再入轨迹。基于飞行器再入运动特性,对飞行器滑翔再入的阶段进行了划分,并给出了阶段划分依据;基于运动方程,推导了一类含轨迹参数的滑翔式再入轨迹的高精度解析解;根据推导的再入运动解析解,将再入相关约束转化为轨迹参数约束;引入参数校正方法,根据轨迹参数与待飞航程间一一对应的关系,在轨迹参数约束范围内规划出能满足任务需求的再入轨迹。仿真结果表明,分阶段推导的解析解的精度要高于罗赫二阶解,与数值解相近;基于解析方法的滑翔再入轨迹规划方法避免了数值方法的大量积分运算,并能快速规划出满足任务要求且精度与数值方法相当的滑翔再入轨迹。