美俄攻击核潜艇谁与争锋

<正>攻击核潜艇具备航速高、隐蔽性好、机动能力强、攻击威力大等突出优点,已成为大国海军完成其海洋战略的主要作战工具之一,是现代海军的重要组成部分。美国和俄罗斯在发展攻击核潜艇上明争暗斗,不断推出性能先进、战力非凡的新型攻击核潜艇,尤以美国的"海狼"级"、弗吉尼亚"级和俄罗斯的"雅森"级为典型代表。冷战产物:昂贵的"海狼"级攻击核潜     

基于UT变换的MMPHD机动目标跟踪

基于序列蒙特卡罗方法的多模概率假设密度(probability hypothesis density, PHD)滤波算法及其改进方法,在预测过程中依据多个并行的状态转移模型将大量粒子散布到下一时刻目标所有可能出现的状态空间,从而实现目标状态的捕获。由于这些方法大量使用粒子,造成计算量巨大、算法实时性差。为此,提出了基于无迹变换的多模PHD机动目标跟踪方法。该方法利用最新量测信息获得粒子预测过程中的建议密度函数,从而将粒子聚合在目标最可能出现的状态空间邻域中,充分实现粒子的有效利用。仿真实验表明,论文提出的算法不仅显著减少了多模PHD算法的计算量,而且在一定程度上提高了多模PHD算法的精度。     

基于道路势场的智能车辆机动驾驶控制算法

受机器人基于人工势场的路径控制方法的启发,在文献[3]的基础上,提出了车辆机动行驶控制机制。首先,定义了基于停车视距的车辆机动行驶动态目标位置;其次,依据人工势场建模原理构建道路势场;为了平滑车辆行驶路线,采用了贝塞尔（Bezier）曲线车辆轨迹拟合的方法;最后,针车辆系统是典型的非完整控制系统,特车辆运动学模型转换力...     

基于卷积粒子滤波的交互式多模型算法

针对噪声分布未知环境下的非线性目标跟踪,提出了基于卷积粒子滤波的交互式多模型算法。该算法利用卷积粒子滤波器并行地运行多个模型,对前一时刻每个模型的状态后验概率密度进行交互,从交互后的概率密度中采样作为当前时刻滤波器的初始粒子,对当前时刻每个模型的状态后验概率密度进行加权作为系统输出。与基于粒子滤波的交互式多模型算法相比,算法消除了对量测噪声分布的依赖,提高了效费比,理论分析和仿真结果证明了该算法的有效性。     

拦截蛇形机动目标考虑自动驾驶仪动态特性的最优制导律

针对目标蛇形机动及导弹自动驾驶仪动态特性对制导精度的不利影响,基于二维制导模型,推导了拦截蛇形机动目标考虑精确自动驾驶仪动态特性最优数值制导律. 设计了蛇形机动目标特性卡尔曼滤波器,分析了该最优数值制导律的具体实现方法. 仿真结果表明,卡尔曼滤波器对蛇形机动目标跟踪性能良好;采用蒙特卡洛仿真技术,证实了该最优数值制导律比已有拦截蛇形机动目标最优制导律制导性能高,能有效降低目标蛇形机动及自动驾驶仪动态特性造成的不利影响.      

基于飞行体间精确测距的动态相对定位方法

飞行体间的精确相对定位是实现飞行体协同工作的重要技术基础。提出了一种将飞行体惯导信息与相对距离测量信息相结合、实现两飞行体间精确动态相对定位的算法。首先利用较为精确的相对距离测量信息对两飞行体惯导系统的相对误差进行单次修正,提高了两飞行体间的单次相对定位精度。然后,利用相对距离信息进行相对机动状态的检测,并根据检测结果对状态滤波模型进行选择和切换,实现飞行体间的动态相对定位。仿真结果表明,本算法具有较高的相对定位精度和稳定性。     

自适应高斯模型与多基地雷达机动目标跟踪

为改善多基地雷达系统对高机动目标的跟踪性能,提出了基于自适应高斯模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.将目标加速度的概率密度特性描述为一具有均值和方差的高斯分布,建立了系统的离散状态方程和非线性观测方程进行EKF滤波,并在每个采样周期实现对输入控制信号及过程噪声协方差的更新,使加速度符合目标的实际变化情况.Monte Carlo仿真结果显示,对目标的变加速轨迹,该算法在位置和加速度上的均方根误差均比Singer模型小,且误差曲线平滑,表明了该算法能对机动目标实现准确跟踪.     

一种新的Jerk模型高机动目标跟踪自适应算法

在Jerk模型的基础上,提出了一种新的高机动目标跟踪自适应算法STF-C-Jerk.该算法利用“当前”模型的思想,将Ｊerk项假设成为非零均值过程,更切合目标机动实际过程,同时通过引入强跟踪滤波器的渐消因子,实时调节滤波器增益,增强了系统对目标突发机动的自适应跟踪能力.仿真结果表明,提出的STF-C-Jerk自适应跟踪算法显著提高了Jerk模型自适应算法的跟踪性能.     

双代号网络计划中工序机动时间蔓延性研究

工序机动时间特性研究是对项目进度进行科学管理的基础.针对任意工序使用机动时间是否会影响它的前、后继工序和平行工序的问题,即机动时间蔓延性问题,利用机动时间的几类时差,特别是前、后共用时差,提出了基于双代号网络计划的标值算法,证明其正确性,运用该算法量化了单个工序使用机动时间对整个网络计划的影响程度和范围,系统分析了各工序机动时间的变化规律,并修正了时间参数计算公式.     

机动加速度辅助的航姿系统扩展卡尔曼滤波

低精度航姿系统一般采用基于重力场和地磁场矢量观测的6态扩展卡尔曼滤波,载体长时间机动时,模型存在较大误差,无法保持稳定的姿态精度。将载体机动加速度描述为当前统计模型,提出了一种机动加速度辅助的9态扩展卡尔曼滤波,其状态变量包括三个姿态角误差、三轴陀螺零偏误差和三轴载体加速度误差,观测量为三轴加速度误差和三轴地磁场误差。实验表明,将航姿系统固定在转台上产生0.6 g的向心加速度时,9态扩展卡尔曼滤波在对机动加速度进行稳定估计的同时,姿态精度保持在1度以内。