盲区下高超声速飞行器贝叶斯指示交接方法

针对探测盲区下的高超声速飞行器接力跟踪问题,提出了基于多假设运动模型的贝叶斯指示交接方法。该方法首先根据目标运动的先验信息,对盲区下模型参数进行多假设建模。然后利用贝叶斯理论以概率的形式表达目标在盲区内的运动状态,通过蒙特卡罗采样近似计算搜索空域中目标的概率分布,从而确定搜索空域和波位顺序。仿真结果表明,该算法在一定盲区范围内,针对不同机动能力的目标均具有较高交接成功概率,其性能显著优于传统算法,能够实现目标的指示交接。     

基于自适应滤波的高超声速滑翔目标三维跟踪算法

针对临近空间高超声速滑翔飞行器机动模式复杂, 单一运动学模型难以完成三维跟踪的问题, 提出一种三维跟踪方法。将飞行器机动弹道分为纵向和横向弹道, 根据飞行器机动特性, 在纵向上将加速度建模为零均值的二阶时间自相关随机过程, 在横向上采用Singer模型和匀加速模型进行交互多模型(interactive multiple model, IMM)滤波, 引入无偏量测转换将球坐标系下的雷达观测模型转换为笛卡尔坐标系, 避免了模型的非线性滤波。最后, 在现有卡尔曼滤波基础上设计了一种基于多重渐消因子的自适应卡尔曼滤波方法, 增强了模型对强机动的自适应跟踪能力。仿真实验表明, 该算法在对高超声速滑翔飞行器进行三维跟踪时,能保持较好的稳定性和较高的跟踪精度。     

高超声速飞行器分解集成轨迹预测算法

针对无动力滑翔高超声速飞行器的轨迹预测问题,提出了分解集成轨迹预测模型。依据运动轨迹的周期跳跃特性,运用先集成再分解的轨迹预测思路,首先将运动轨迹序列分解为具有趋势性、周期性和随机性特征的子序列,再针对每项子序列的特征采用相应的子轨迹预测模型,最后将各子轨迹预测模型预测结果的集成作为最终预测值。由于子序列与子轨迹预测模型具有更高的契合度,使得分解集成轨迹预测 算法相对于使用单一模型的轨迹预测算法更具优势。仿真实验表明,分解集成轨迹预测算法显著提高了轨迹预测精度。     

基于拓扑势的网络毁伤最大算法

针对攻击代价相等时的有限资源网络毁伤问题，给出了网络毁伤最大化的定义。为了改进近似求解算法求解毁伤最大化问题时复杂度较高的缺陷，提出了基于拓扑势和CELF(cost-effective lazy-forward)的TPCELF(algorithm based on topology potential and CELF)算法。利用无标度网络和实测网络进行实验，结果表明，TPCELF算法在计算速度上有较大的提升，网络平均毁伤效果接近于近似求解算法；且优于采用常见重要性度量指标排序算法得到的平均毁伤效果。所提方法可从网络毁伤的角度为复杂网络关键节点挖掘提供参考。