雷达网信息传输能力评估方法及仿真分析

基于连通概率、时效性函数、误信率的具体界定,对雷达网的信息传输能力进行了研究,并提出了一种具体的定量评估方法。该方法将时效性函数定义为各通信链路传输时延与连通概率乘积的加全和,优化了时效性函数的求解。结合雷达情报网的应用实例,对树状网络结构的信息传输延迟因子进行了动态仿真分析并给出了具体的算法。通过仿真实验证明了该评估方法的有效性和实用性,为警戒雷达网的优化部署提供了理论依据。     

基于自适应SGD-多智能体的防空资源部署优化

针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法。通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计。仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题。     

基于水声环境的潜艇阵地优化方法研究

针对现有阵地伏击战法主要根据作战任务对阵地进行规划的不足及水声环境对潜艇隐蔽性和声纳探测效能的影响,系统分析了水声环境对阵地设伏战法的影响,通过建立声纳探测模型,并针对目标深度不确定情况下的探测对策对我潜艇声纳作用距离进行了量化,提供了潜艇伏击阵地的优化配置方法。仿真结果表明该方法对提高潜艇的攻防能力具有较强的实用性。     

基于检测概率的雷达网协同干扰效果评估方法

针对突防编队对抗雷达网的应用背景,以雷达网检测概率为评价指标,建立了应用于干扰机编队多样式协同压制雷达网的干扰效果评估模型。首先阐述了影响压制效果的时间、空域、频率和处理增益4个因素,据此计算了单部雷达在多样式干扰下的检测概率。然后结合雷达网判决中心的工作方式,将网内成员雷达在多样式干扰下的检测性能映射到计算全网的受干扰影响程度。最后充分利用干扰机编队的航线信息,提出以“电子对抗环境下雷达网判决中心对不同航线段内突防编队的联合检测概率下降程度的加权积分”为干扰效果评估函数,建立干扰机编队对雷达网的多样式干扰效果评估模型。仿真结果表明,该模型在雷达网干扰效果评估问题上具有很好的应用性,对合理分配干扰资源、提高干扰机编队的整体干扰效果也有一定的指导意义。     

战役性联合压制作战远程支援干扰部署优化

远程支援干扰编队是空中压制集群中用于支援火力压制编队突防的“首波”电子干扰力量,对其进行优化部署将有助于提高空中压制集群在其突击航路“前段”的突防效能。然而当前研究成果普遍存在缺乏战术背景及对空中压制集群作战筹划规程不明的问题。缺乏战术背景,致使研究结论出现偏颇或错误;对空中压制集群作战筹划规程不明使得在建模过程中对相关约束把握不全、不准,致使研究结论实用性不强。本文从空中压制集群作战实际出发,依据防空预警雷达网的空情融合规则建立了雷达探测威胁模型;以突防航路被敌雷达网探测的威胁总量为目标函数,建立了远程支援干扰编队部署决策模型;为解决几何解析难以进行模型解算及对广域多参函数进行二进制编码将出现计算效率低等问题,设计了基于二值图像封闭区域检测的实数遗传算法;最后通过实例仿真验证了所构模型的有效性及正确性。     

基于高维多目标多约束分组优化的要地防空扇形优化部署

基于排队论,得出了信息熵形式的防空阵地网对要地保护能力的数学描述,并将防空阵地网对要地保护能力、防空武器系统部署地点地形条件和防线划分等因素作为优化目标,防空武器系统最小部署间距为约束条件,建立了多型防空武器扇形优化部署多目标优化模型。针对目前算法在解决高维多目标优化存在的问题,基于改进的强度帕累托进化算法（strength Pareto evolutionary algorithm, SPEA2）,提出了将多个目标函数分成若干组,分别寻优,再综合求取全体目标函数非支配集的分组优化算法。仿真实验证明,该优化模型能够按现代防空作战特点进行防空武器系统的防线部署,规避不良地形,形成严密的防空覆盖面,且分组优化算法在性能上优于当前高维多目标优化降维算法。     

雷达网电子对抗仿真及雷达自卫距离的修正

雷达网电子对抗仿真实验是进行雷达和电子对抗装备论证及战术研究的一种重要方法，对雷达和电子对抗武器系统的实战运用具有重要的指导作用。研究了雷达网电子对抗仿真系统的功能、组成及关键技术，提出并解决了雷达自卫距离的修正问题,应用雷达、电子干扰的建模技术夏系统仿真技术，实现了雷达网电子对抗仿真系统并得到了应用。     

战略导弹机动阵地部署优化设计

从提高机动导弹系统生存能力出发,提出了一种导弹阵地部署优化模型,有助于战略导弹机动作战阵地的合理配置     

基于信息原理的雷达网抗干扰性能评估

在分析研究地面防空雷达网抗干扰原理及现有综合评估方法的基础上,根据信息原理提出了一种综合评估雷达网抗干扰性能的方法,并给出了相应的数学模型。该方法能够全面地反映各种可能情况下雷达网的抗干扰性能,为雷达网这种复杂信息系统的性能评估提供了一种通用可行的思路。     

基于相关因素的决策优化模型建模方法

结合机载导弹阵地战场抢修决策平台项目开发,提出了基于相关因素的决策优化模型建模方法。该方法建立在建模的可分离原则上,首先对决策问题自顶而下地进行相关环境和相关因素的分离,然后自底而上地建立综合集成决策优化模型。同时,该方法采用形式化表示体系来描述建模过程。应用该方法建立了面向机载导弹阵地战场抢修决策的优化模型。应用表明,该方法协调了建模过程中多角色的交互问题,为模型的可用、应用和复用打下了良好的基础。     

协同干扰资源优化分配模型及算法

针对伴飞式干扰机编队对抗雷达网的应用背景,以组网雷达融合中心定位精度为目标函数,建立针对组网雷达系统的干扰资源优化分配模型。在此基础上充分利用突防过程的干扰机编队飞行航线信息,提出以“融合中心对航线各点定位精度的加权积分”为目标函数,建立基于突防过程的干扰资源优化分配模型。最后利用遗传算法求解上述模型的最优分配方法,并给出具体的求解步骤。仿真结果表明,该分配模型在干扰资源任务配置问题上具有很好的应用性,对提高干扰机编队的整体干扰效果有一定的可行性。     

基于联合EDF和多模板的天波雷达波位调度方法

天波超视距雷达能够同时探测空中目标和海面目标,具备执行多任务的能力,为优化整体探测效能,必须考虑波位调度问题。借鉴相控阵雷达资源调度思想,结合天波超视距雷达工作方式和任务特点,研究了一种修正截止优先(earliest deadline first, EDF)和多模板相结合的波位调度方法。首先,在经典修正EDF方法基础上对截止期进行重新定义,并改进任务优先级计算方法;然后,设计了三种波位调度模板;最后,根据任务优先级计算结果,自适应选择调度模板。该方法能够使雷达探测资源在复杂任务场景下得到更加精细的配置,从而最大化发挥其探测效能。     

多平台雷达点迹数据融合技术

对构建实际多平台雷达点迹数据融合系统所涉及的关键技术进行全面阐述,重点介绍理论算法与工程实际需求相结合的综合设计问题,包括空间配准、数据关联的设计准则,复杂环境下点迹估计融合中的权值计算方法以及坐标系的选取等。同时,给出一种多平台雷达数据融合系统运行环境仿真的总体结构及主要处理模型。仿真及雷达数据的验证结果表明,所提出的设计准则和计算方法具有良好的跟踪融合效果,适合应用于先进的多平台雷达数据融合系统中。     

机器人模糊神经网络阻抗控制

提出一种以位置控制为基础的模糊神经网络阻抗控制结构,它根据力误差修正参考位置,使机器人与环境的实际接触力跟踪期望力。利用模糊神经网络学习参考位置,不需要环境位置和刚度的先验知识。这种方法有误差补偿作用,对干扰和环境等不确定因素具有鲁棒性,仿真结果表明了控制方案的有效性。     

雷达ECM压制距离试验替代等效推算方法与模型

针对雷达干扰系统检验与评估的应用背景,提出了一种雷达对抗(雷达FCM)压制距离试验中替代等效推算试验原理与方法,深入分析了雷达ECM压制距离试验中替代配试雷达与真正配试雷达之间的关系,建立了在不同试验条件下的支援干扰试验以及自卫干扰试验的替代等效推算数学模型,给出了数学模型验证的方法以及部分实装对抗试验和模型检验结果.     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

机载监视雷达地杂波背景中的CFAR检测方法

在充分考虑了具体雷达体制和工作环境的基础上认为,采用二维有序统计恒虚警处理方法(2D OS CFAR)适合于机载监视雷达地杂波背景中的恒虚警概率(constantfalsealarmrate,CFAR)检测。同时,对该方法在不同杂波背景、不同窗口大小、不同干扰数目时的检测性能进行了理论分析和实验仿真。仿真结果表明,该方法能有效地提高机载监视雷达对地工作方式时的CFAR检测能力。     

雷达目标识别中的BP神经网络算法改进及应用

针对雷达目标信号的复杂性和实用雷达目标识别系统所应具备的稳健性、扩展性及通用性等要求,提出多种简单有效的BP神经网络算法改进。通过平衡训练样本数量、动态重置初始权值、评定网络规模等措施,解决了BP算法收敛速度慢、受初始样本分布影响大等缺陷,提高了识别算法的稳健性和泛化能力。结果已成功应用到不同型号雷达上的多套目标识别系统中。大量试验和长期使用证明了该方法的有效性和实用性