有源压制干扰下的相控阵雷达多目标跟踪时间资源优化配置算法

针对有源压制干扰下的相控阵雷达（Phased array radar, PAR）多目标跟踪时间资源优化配置问题,提出了一种基于互信息（Mutual information, MI）的配置算法。采用MI准则作为目标跟踪性能量化指标,推导了包含时间变量的雷达回波与路径增益矩阵MI表达式,建立了时间资源优化配置模型,并采用改进的遗传算法实现了模型求解。仿真结果表明,该算法能在有源压制干扰条件下最大化有效跟踪目标数,并提高有效跟踪目标的整体跟踪性能。     

基于MHT的网络化雷达抗干扰算法

为解决分布式干扰下,单雷达目标发现性能较差、目标检测概率较低、航迹不连续以及雷达不能有效对目标进行跟踪的问题,提出基于MHT与秩K融合规则的网络化雷达抗干扰算法。对传统的MHT算法进行优化,缩短算法运行时间;对雷达干扰进行识别,针对分布式干扰运用优化后的MHT算法,计算每一个目标的发现概率;利用秩K准则实现融合后的目标检测。分布式干扰下网络化雷达模型对目标的跟踪实验验证了该算法的有效性。     

协同干扰节点资源优化分配模型及算法

针对协同干扰节点资源优化分配问题,通过引入协同干扰组的概念,建立了协同干扰节点优化分组模型,将系统有效干扰时间优化简化为协同干扰节点分组数优化,并考虑了协同干扰组对目标通信压制的误码率约束,保证有效压制干扰下系统工作时间最长。结合智能优化算法,提出了基于遗传算法的干扰机节点分组优化求解方法,给出了具体的求解步骤,并与贪婪算法结果进行比较。最后通过实例仿真验证了方法的有效性和优越性。     

海战场雷达末制导系统抗干扰技术研究

为提升反舰导弹雷达末制导系统在复杂海战场环境下的精确制导能力,对国外先进雷达系统的抗干扰技术发展现状进行了分析;对海杂波的干扰特性进行了研究,提出了对抗海杂波干扰的一种自适应匹配滤波算法;分析了有源压制干扰的作用机理,提出了捷变频技术与跟踪噪声技术两种对抗方法;研究了箔条冲淡干扰与质心干扰样式,分别提出了高多普勒分辨率对抗方法与双角度波门对抗方法;对舰载欺骗干扰方式进行了分析,提出重频与载频同时捷变频、双波门跟踪对抗方式;研究了舷外有源干扰的使用方法,提出了一种空域抗干扰方法;理论分析表明,以上方法可使反舰导弹有效的对抗海战场环境下面临的海杂波、有源压制干扰、箔条干扰、舰载欺骗干扰与舷外有源干扰.     

一种新的BP学习算法及在运动想象脑电信号分类识别中的应用

对运动想象(MI)脑电信号的正确分类是决定基于运动想象脑电的脑－机接口(BCI)性能的关键因素。为有效地提取MI脑电信号特征、提高分类正确率,提出一种基于单形进化的BP神经网络优化算法(BPSSSE)并运用于MI脑电信号的识别,提取自相关(AR)模型参数和希尔伯特边际谱作为特征输入,通过单形进化算法优化BP神经网络学习性能,实现对MI脑电信号的分类。测试实验中,对BCI竞赛数据进行左右手分类。结果表明在4s~ 8s时间段内平均分类正确率为80.17%,最高分类正确率为87.14%,证明了本文算法在基于MI脑电的脑机交互控制系统中应用研究的有效性和可行性。     

基于结构多假设目标跟踪算法优化与仿真

研究雷达跟踪目标性能优化问题,传统多假设算法计算量大、实时性较差,无法应用于实际雷达装备。为解决上述问题,提出一种结构化分枝的多假设目标跟踪算法,同时提出限制最大航迹数量、删除负分航迹、低等级航迹处理、滑动窗口多维分配法、多扫分配法及交互多模型多假设跟踪算法等一系列改进方法,并通过计算机仿真证明改进后的结构化分枝的多假设目标跟踪算法比传统多假设算法及联合概率数据互联算法计算量更小,精度更高,并对改善当前舰载雷达跟踪性能,提高对目标的跟踪能力具有一定的指导意义。     

基于自适应模板更新的改进孪生卷积网络目标跟踪算法

现有的孪生网络目标跟踪算法采用边界框模板进行跟踪,在目标形变、遮挡等干扰下很容易导致跟踪漂移。在轮廓检测网络和孪生卷积网络(Siamese)跟踪网络的基础上,提出一种基于深度轮廓模板更新的改进孪生卷积网络目标跟踪算法。利用轮廓检测网络获取目标边缘轮廓,降低背景杂波干扰;利用改进的Siamese网络获得轮廓模板和搜索区域的深度特征;通过相似性匹配获得最优跟踪目标。仿真实验结果表明,所提出的改进模型能够提高目标形变、遮挡等干扰下目标跟踪性能,具有较高的工程应用价值。     

被动相控阵雷达自适应调度算法研究

研究被动相控阵资源优化调度.相控阵雷达实现目标跟踪,精度和实时性是主要的指标.针对现有的主动相控阵资源调度不能很好地解决被动环境下搜索截获概率低,跟踪精度差的问题,提出一种被动相控阵雷达自适应调度算法(以下简称为被动自适应调度算法).算法根据被动截获、跟踪的特点,设计被动自适应调度算法的实现框架,重点研究了被动自适应调度的任务参数自适应生成、任务优先级评估及调度自适应执行等算法过程,并给出了被动自适应调度算法性能评估指标.仿真结果表明,该算法能优化安排被动相控阵雷达时、空、频等资源,缩短目标发现时间,保证跟踪稳定性.     

机载雷达组网多站测角被动跟踪轨迹优化研究

研究多观测器轨迹优化控制问题,由于多站测角被动跟踪系统运行存在误差,用机载雷达组网的可移动传感器采集信息,可对雷达载体轨迹优化进行研究,利用控制雷达载体的飞行轨迹可有效解决跟踪目标的弱观测性及估计器的稳定性。为了改善传统轨迹优化算法容易陷入早熟收敛和局部最小的问题,提出一种模拟退火(Simulated Annealing,SA)和粒子群优化(Particle Swarm Optimization,PSO)算法的混合优化方法(SA-PSO)。在给出了角度信息的适应度函数表达式基础上,结合模拟退火算法的局部搜索能力和粒子群优化算法的全局搜索能力,提高优化算法的收敛速度、精度以及全局搜索能力。实验证明,改进的混合算法对雷达载体轨迹优化有效,并减小对机动目标的被动跟踪误差。     

基于多观测模型的粒子滤波头部跟踪算法

粒子滤波在非线性和非高斯问题上具有独特的优越性,但在视频跟踪过程中,其跟踪性能却在很大程度上依赖于观测模型的选择。为了解决被跟踪目标特征状态随时间变化而与粒子观测模型不匹配的问题,提出了一种新的粒子滤波算法,即将被跟踪目标的不同特征状态与粒子观测模型相结合,形成一组具有不同观测模型的粒子,并且在跟踪过程中,对应不同观测模型的粒子根据被跟踪目标所表现的特征线索的变化而相互转换,从而动态刻画了被跟踪目标特征变化的过程。实验结果表明,本算法能够有效处理由于头部旋转而导致跟踪性能下降甚至丢失跟踪目标的问题,提高了跟踪的准确性,并且具有较好的鲁棒性。     

干扰目标优化分配模型和算法的研究

电子干扰成功压制威胁目标对突防作战起着关键性的作用,针对理想环境下优化模型的不足,考虑到实战环境下的约束条件和干扰需求,构建了干扰目标的优化分配模型;对于参变量和约束条件增多时,传统算法求解速度慢,甚至无法求得最优解,为此,引入遗传算法,改进编码、染色体和遗传算子的设计,通过具体算例建立模型和求解,并与模拟退火算法进行比较分析,结果表明改进遗传算法搜索最优解的速度和可靠性都优于模拟退火算法。最后给出了干扰目标分配的最优方案,为实现干扰的最佳压制效能提供了科学决策。     

一种适用于多任务多资源移动边缘计算环境下的改进粒子群算力卸载算法

为了研究移动设备在多资源复杂环境下的能量消耗问题,提出一种针对移动边缘设备计算卸载的改进粒子群算法。首先基于多环境的移动设备能耗提出一种移动设备能量消耗的计算模型;其次针对计算资源分配问题设计一种可以用于衡量分配方案优劣的适应度算法;最后提出一种改进的粒子群算法,用于求解进一步降低移动边缘设备能耗分配方案的最优解。通过使用模拟仿真软件对多种卸载策略下移动设备能耗、系统响应时间等关键指标对比表明,本文算法在满足用户响应时间的前提下,在求解降低移动设备能耗调度分配方案最优解的过程中具有更优的表现。     

支援干扰下战斗机突防段综合航迹规划

针对传统A*算法搜索空间以及收敛时间等方面的不足,首先提出了改进的A*算法;其次对战斗机突防段综合航迹规划影响因素进行分析,在此基础上建立了战斗机对地攻击突防段代价函数数学模型;然后对支援干扰下的雷达压制区进行研究,确定干扰机位置,由此条件构建支援干扰下战斗机突防段综合航迹规划模型;最后应用改进的A*算法进行战斗机突防段综合航迹规划。仿真实例表明,基于改进的A*算法可以有效地进行突防段的航迹规划,可以有效地减小航迹的代价,提高战斗机的突防概率,有利于我方战斗机成功突防。     

舰载机多雷达传感器任务分配与采样间隔融合优化算法

针对舰载机协同探测中多雷达传感器资源配置问题,提出一种多目标跟踪场景下的多传感器数据率管理与任务分配融合优化算法.在基于协方差控制的多传感器分配模型基础上,加以目标优先级和传感器效能条件约束,建立一种多传感器数据率管理与任务分配融合优化模型.将驻留时间改进因子引入序贯卡尔曼滤波算法,计算不同采样间隔下传感器组合状态估计...     

无线传感网对雷达干扰的优化配置研究

利用无线传感器网络节点代替微型干扰机对雷达进行分布式干扰,针对无线传感网的能量有限性特点,以节点选择和功率分配为评价标准,得出工作节点个数范围,建立干扰资源的优化分配模型,利用最少的干扰资源达到有效的干扰效果,同时尽可能延长传感网的生存周期。仿真实验验证了该方法的有效性。     

基于改进蚁群算法的海上编队传感器资源分配模型

在信息化条件下,海上编队作战中传感器资源分配是传感器资源管理的关键内容。针对传感器资源分配模型构建因素不全面,分配算法计算量与时间随着传感器目标数目的增多而急剧增加等问题,本文提出一种考虑目标优先级、传感器对目标的匹配精度、传感器作用范围和协同能力的目标函数,建立一种基于改进蚁群算法的海上编队传感器资源分配模型。仿真结果表明,该算法显著提高了收敛速度与时间满意度,验证了分配模型的可行性。     

检测区域动态调整的TLD目标跟踪算法

针对经典跟踪-学习-检测(TLD)目标跟踪算法由于检测区域过大而导致的检测时间过长及对相似目标跟踪处理效果不理想的问题,提出一种检测区域可动态自适应调整的方法——TLD-DO。该方法利用两次Kalman滤波加速度矫正预测的检测区域优化算法DKF,通过缩小TLD检测器检测范围,以达到在跟踪精度略有提升的情况下提高跟踪速度的目的;同时此方法可排除画面内相似目标的干扰,提高在含有相似目标的复杂背景下目标跟踪的准确性。实验结果表明:TLD-DO算法在处理不同视频与跟踪目标时,检测速度有1.31~3.19倍提升;对含有相似目标干扰情况下,跟踪效果明显优于原TLD算法;对目标抖动及失真情况有较高的鲁棒性。     

Two-machine no-wait flowshop scheduling with learning effect and convex resource-dependent processing times

Two-machine no-wait flowshop scheduling problems in which the processing time of a job is a function of its position in the sequence and its resource allocation are considered in the study. The primary objective is to find the optimal sequence of jobs and the optimal resource allocation separately. Here we propose two separate models: minimizing a cost function of makespan, total completion time, total absolute differences in completion times and total resource cost; minimizing a cost function of makespan, total waiting time, total absolute differences in waiting times and total resource cost. Since each model is strongly NP-hard, we solve both models by breaking them down to two sub-problems, the optimal resource allocation problem for any job sequence and the optimal sequence problem with its optimal resource allocation. Specially, we transform the second sub-problem into the minimum of the bipartite graph optimal matching problem (NP-hard), and solve it by using the classic KM (Kuhn–Munkres) algorithm. The solutions of the two sub-problems demonstrate that the target problems remain polynomial solvable under the proposed model.