小型无人机协同覆盖侦察路径规划

针对多架小型无人机对含有障碍的区域覆盖侦察最佳路径规划问题,首先用方形单元格将待侦察区域离散化,利用基于初始位置的划分方法划分出与无人机对应的子区域,把问题转化为单无人机优化问题以降低计算复杂度;然后在最小生成树的基础上提出节点交换法,对各子区域的形状和最小生成树进行调整优化;最后依据优化后的最小生成树为每个子区域构建侦察路径。仿真验证了该方法产生的规划路径能够完全覆盖指定区域且无重叠,路径长度和转弯数最小。     

网络瞄准环境下最优分布式航迹融合算法

利用地域分散的多传感器系统跟踪目标是网络瞄准的主要作战方式。首先结合网络瞄准的作战特点,建立了两种典型的分布式航迹融合结构;然后对网络瞄准环境下传感器量测噪声相关问题展开研究,分别给出了传感器量测噪声相关与不相关情形下的最优分布式航迹融合方法。理论分析和仿真计算表明,这些方法等价于集中式融合算法,可以显著减小由于噪声相关造成的融合性能下降,从而在一定程度上提高了瞄准过程中目标的定位精度。     

多机协同空战机动决策流程

针对现有空战决策方法对多机空战情况考虑不全的问题,在接敌前空战背景下,从3个方面对现有空战决策方法进行改进。一是利用威力势场取代优势函数评估空战态势,体现装备性能对决策的影响;二是从充分发挥多目标攻击能力、提升协同效能入手进行初步目标分配;三是引入目标重要性系数与收益比重系数,将雷达的多目标处理能力与攻击资源分配合理性纳入考虑。最后使用有限外推与粒子群算法解算指标函数,仿真结果证明了改进内容的有效性。研究结果表明,改进后的决策     

基于MDP框架的飞行器隐蔽接敌策略

基于近似动态规划（approximate dynamic programming, ADP）对空战飞行器隐蔽接敌决策问题进行研究。基于作战飞行器的战术使用原则,提出了隐蔽接敌过程中的优势区域与暴露区域;构建了基于马尔科夫决策过程（Markov decision process, MDP）的隐蔽接敌策略的强化学习方法;通过态势得分函数对非连续的即时收益函数进行修正,给出了基于ADP方法的策略学习与策略提取方法。分别针对对手在有无信息源支持情况下的不同机动对策进行了仿真验证。仿真结果表明,将ADP方法应用于隐蔽接敌策略的学习是可行的, 在不同态势下可获得较为有效的接敌策略。     

基于BFM方法的1vs1近距自主空战决策

无人机自主空战将是未来空战的主要样式之一。针对当前对于近距自主空战的研究往往假设简单、计算复杂以及受限于使用规模等问题,对以格斗导弹为武器的近距1vs1自主空战的主要研究内容,提出一种基于基本飞行动作的自主空战决策方法以保证空战决策的有效性和实时性。首先,根据导弹的攻击区设计一种得分函数来量化评估空战态势;其次,建立敌机机动位置的几何预测模型。然后,提出基于位置差和速度差的补偿制导方法。最后,在仿真分析中设置了攻击和防御两种典型自主空战态势,实验结果表明了所提方法的有效性和可行性。     

基于灰主成分的空战目标威胁评估

由于影响空战目标威胁评估的因素复杂多样,且具有矛盾性、相关性、耦合性等特点,因此利用传统的评估方法无法得到准确客观的评估结果。对此,提出一种基于灰色主成分的目标威胁评估方法。首先,利用主成分分析(principle component analysis, PCA)方法,分析指标之间的相关性,生成指标之间的灰色关联系数矩阵,取代传统的相关矩阵或协方差矩阵,将相互关联的指标转化成相互独立的分量,重构目标威胁评估体系。其次,构建灰色关联深度极大熵模型确定原始评估指标权重。然后,分析以累计贡献率为客观性赋权且没有考虑指标重要性差异的问题,将因子载荷作为主成分权重合成的重要依据。最后,通过仿真案例,对不同的威胁评估方法得出的结果进行对比分析,证明了灰主成分法的有效性和合理性。     

基于RBF神经网络的Q学习飞行器

基于马尔科夫决策过程框架研究了三维空间内隐蔽接敌策略的强化学习方法,定义了环境模型中的优势区域和暴露区域。针对高维状态空间策略学习所面临的维数灾问题,给出基于径向基神经网络（radial basis function neural network, RBFNN）的Q学习算法,说明了训练样本的分级采样方法,并针对不同情况下的接敌机动策略学习进行了仿真分析。仿真结果表明,借助于合理的分级采样方法,基于RBFNN的Q学习算法能有效生成隐蔽接敌策略。     

元启发式数据关联的多目标跟踪方法

提出了一种元启发式数据关联的多目标跟踪方法。首先,该方法根据跟踪门逻辑确定目标的有效量测。然后,利用滤波信息的似然函数描述量测点与目标之间的关联关系,并建立约束条件下多目标数据关联模型。最后,对蚁群优化算法进行改进设计,引入量测剔除策略,将求解问题转化为无约束的组合优化形式,从而利用蚁群优化算法在离散空间的启发式机制搜索量测与目标的最佳关联。仿真结果表明,该方法可以有效实现多目标数据关联且计算量较小,具有一定的工程实用价值。     

基于信息反馈的任务动态管理方法研究

在分析火控系统任务管理动态特性的基础上,提出了一种基于信息反馈的任务管理方法.该方法通过采用闭环结构动态调整任务管理方案,首先设置了模糊变量和隶属度函数,然后借助模糊系统的推理规则确定局部任务管理对象,并将传感器状态的变化引入到任务管理过程中.仿真结果表明,这种方法不仅能够符合任务管理动态性的要求,而且可以有效地减少任务管理数量,提高管理的效率.     

基于概率数据关联与粒子滤波的多目标跟踪算法

提出一种基于概率数据关联和改进粒子滤波的多目标跟踪算法。该方法在分析关联区域内有效量测基础上,利用量测与目标预测位置的统计距离计算关联概率;然后,对粒子滤波器进行改进,将目标的最新量测和状态的高斯逼近组合在一起,对每个粒子采用类似于卡尔曼滤波的方式产生高斯建议分布。以比提高目标状态的估计精度;最后,将所有有效量测的估计结果按照关联概率进行咖权,从而实现多目标跟踪。仿真结果表明,该算法用于复杂环境下的多目标跟踪精度较高,不仅降低了关联概率的计算难度,而且可以准确地进行数据关联,具有一定的工程应用价值。