基于智能决策支持系统的目标分配模型

文中利用了智能决策支持系统的基本特点,通过引入一种四库框架模式的设计方法,设计了一个包含知识库子系统的智能决策支持系统目标分配模型.该模型采用了虚拟飞临时间最短作为优先选择导弹营原则,具有很好的实时性,并能进行人机交互,改进了决策过程,提高了决策支持系统的决策质量与应用领域.     

运动红外单站跟踪空中目标的方向估计方法

红外探测器只能测量运动目标的方位角和俯仰角,难以获取目标的距离信息.运动红外探测器所测量的运动目标不完全信息,无法在直角坐标系下有效对三维运动目标进行滤波与跟踪.针对这一问题,提出了运动红外单站跟踪运动目标的参数航迹滤波方法:该方法利用传感器测量到的目标方位角和俯仰角信患,根据假设的目标运动模型,直接对目标航迹方向进行...     

纯仰角目标非线性参数航迹滤波新方法

在被动测量的情况下,针对静止单站的纯仰角目标运动分析的问题,提出了一种纯仰角目标的非线性参数航迹的滤波新方法。通过设定目标的飞行模式,分析目标空间位置的三角函数关系,利用纯仰角序列建立起目标的非线性参数航迹,并确定其中的可观测参数。利用总体最小二乘法解算出相应的可观测参数,进而对后续时刻的目标仰角进行递推预测。仿真结果验证了新方法的有效性,对问题的后续解决提供了理论参考和借鉴作用。     

机动目标跟踪的机动频率自适应算法

为了更好地跟踪机动目标 ,提出了一种机动目标跟踪的改进方法 .利用目标的跟踪残差 ,求取跟踪滤波器的理论残差方差值 ,再根据统计的残差方差 ,建立了残差的假设检验阀值 .并对其算法进行了具体的推导 ,得出自适应选择机动频率的原则 ,使机动频率与目标的当前状态更接近 .对“当前”模型和改进后的模型进行了仿真 ,仿真结果表明该方法具有更小的跟踪误差 ,是可行和有效的     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点,建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型,利用粗集对输入信息进行约简,剔除冗余信息,简化了生成规则和神经网络模型结构,提高了网络训练速度和运行速度,并通过仿真实验,证明了该混合模型的可行性.     

基于粗集-神经网络模型的目标识别方法研究

为了克服传统目标识别方法的缺点，建立了一种基于粗集理论和神经网络结合的粗集-神经网络模型，利用粗集对输入信息进行约简，剔除冗余信息，简化了生成规则和神经网络模型结构，提高了网络训练速度和运行速度，并通过仿真实验，证明了该混合模型的可行性。     

小波变换在多雷达数据融合中的应用

分析了雷达测量数据的小波变换在虚假点迹、漏失和漏报测量数据处的特点。提出了一种基于小波变换的测量数据融合方法。对多传感器的测量数据进行小波变换，数据融合处理，然后进行数据重构。仿真结果表明，该方法具有运算量小．抗噪能力强和融合效果好的特点，适用于多传感器的数据融合。     

考虑目标攻击信号的一种变权威胁评估方法

针对现有目标威胁评估方法普遍利用常权评估,且忽略目标攻击信号而导致评估结果出现不合理情况的问题,提出了一种考虑目标攻击信号的变权威胁评估方法.在分层建立目标威胁评估体系的基础上,基于变权理论,考虑权值与各因素之间的关系以及目标攻击信号对权值的影响,引入变权因子,使权值根据各因素和战场实际的变化动态调整.仿真结果表明:所设计的威胁评估方法杜绝了不合理评价结果的发生,更加切合战场实际.     

分布式并行雷达网的抗无人机目标检测模型

针对未来防空领域抗无人机的目标检测问题,描述了雷达组网分布式检测系统中的并行网络结构,对局部判决异步情况下的分布式检测进行了优化设计,并对各部雷达相同情况下的抗无人机目标检测性能进行了分析.仿真结果表明该方法能够大大提高无人机目标的检测概率.     

制导雷达组网相对系统误差补偿研究

在制导雷达网中进行精确系统误差补偿是实现制导雷达组网信息资源共享与数据融合的先决条件，是实现制导雷达组网的关键技术之一。通过对制导雷达网中误差源的分析，分别建立了距离、方位角、高底角的误差补偿模型，在此基础上，提出了一种制导雷达组网相对系统误差补偿方法。通过仿真可以看出，误差补偿后的支援信息更接近于观测信息，表明此补偿方法具有可行性与有效性。