基于动态加权A*算法的无人机航迹规划

随着无人机航迹规划高维空间的扩展,无人机的飞行环境变得异常复杂,其外部威胁不再是简单的二维静态威胁,传统的蚁群算法和人工势场算法已经不能满足实时性和高复杂环境的要求。为解决上述问题,提出新的基于动态加权A^*算法的无人机航迹规划。首先对无人机的飞行环境进行建模,通过研究航迹规划的转弯半径、航迹段长度和最大航程限制等约束条件,用于保证无人机的安全飞行,从而降低坠机率和威胁概率;其次,通过研究无人机的航迹和外部威胁参数,设计出新的航行方式,降低航行危险和减少损失;然后,通过扩展顶点势能定位和网格图整体变化的动态权重,获得动态环境下的代价函数,增加避障搜索速度、精度和加深回避程度。最后,通过仿真结果表明,在同一应用环境下,所提算法与蚁群算法和人工势场算法相比,航迹路径最优、威胁代价最小和算法执行的时间最短。综上,基于动态加权A^*算法很好地应用于无人机航迹规划,降低了无人机航迹代价,缩短了算法完成时间,提高了复杂环境下无人机航迹规划的搜索速度和精度。     

基于分布式遗传算法和改进人工势场法的导弹反探测航迹规划

基于兵棋推演仿真软件构建用以测试导弹制导与反探测能力的设定场景,并参考人工势场法在路径规划领域的应用,设计导弹反探测航迹规划方法以躲避探测侦察.为了高效搜索人工势场法的最优参数,基于Kubernetes在多服务器上搭建分布式框架,实现分布式遗传算法,在并行数目为100的实验中,理论加速比在98.41～99.46之间,实验加速比平均为96.95.将基于分布式遗传算法和人工势场法的导弹反探测航迹规划方法应用于各种不同探测策略下的导弹制导场景.实验结果显示,改进的人工势场法比传统的人工势场法的平均得分提高11.9%,遗传算法的进化次数平均减少2.73轮.该分布式框架可用于任意容器化的并行仿真任务中.     

基于图像匹配品质评价的航迹规划

为评价基准图上各区域图像匹配品质的优劣，提出了一组适配性度量指标参数（尖锐性、唯一性和抗噪声性），以描述基准图上每点的适配性能，在此基础上，探讨了航迹规划算法，包括：区域提取、获取结点、搜索最佳结点以及曲线拟合4个方面，研究结果表明，将区域作为结点进行A搜索，可克服盲目性，保证全局上的最优或次优。     

带集结区的协同航迹规划方法研究

通过调控飞行器在各介航运段的速度,提出了一种基于进化算法的带集结区的多飞行器协同航迹规划方法.该方法通过将协同时间误差引入进化算法的代价函数中,使得规划出来的航迹能够满足集结区的时间和空间约束,同时使得协同到达目标点时间误差尽可能小.仿真实验结果表明该方法能够达到很好的效果.     

基于运动模型的多目标跟踪算法

本文介绍多目标跟踪的原理,并引出了在目标跟踪中的跟踪算法的基础目标运动的模型。并根据实际需要,设计了一种根据目标运动模型的多目标跟踪算法。     

基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别，存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先，提取集群通信信号的高阶累积量和瞬时特征统计量，并融合雷达航迹特征构建无人机集群特征矩阵。其次，提出一种改进的特征选择算法—二次筛选的近邻成分分析，对融合特征矩阵进行降维。最后，利用稀疏自编码器网络进行集群类型的识别。仿真结果表明，该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时，对5种集群类型识别的正确率可达88%。     

态势推演系统中飞机过渡段航迹规划算法研究

态势推演系统需在推演前根据想定对飞机进行航迹规划,其中对沿航路点飞行阶段与巡逻飞行阶段间的过渡段的航迹规划是否合理直接关系到推演航迹的真实性和有效性.分析飞机目标运动航迹及其特征,然后针对飞机过渡段航迹规划问题提出三种几何方法并进行详细分析,最后建立过渡段航迹规划算法并进行仿真验证,结果表明该算法可自动生成最佳的过渡段航迹.     

集中式雷达网鉴别虚假航迹的假设检验方法

针对电子战飞机(ECAV)编队实施的航迹欺骗容易对雷达网产生虚假空情的问题,提出了一种集中式雷达网鉴别虚假航迹的假设检验(HT)方法。首先,根据航迹欺骗的具体实际,建立了虚假目标量测的误差模型,在此基础上,利用量测数据以及目标状态估计构造了样本的量测误差协方差阵;然后,采用统计分析的方法对误差协方差阵进行假设检验,完成单雷达对航迹真实性的判决;最终,利用M/N逻辑加强判决可靠性,突出雷达网的抗干扰优势。与目前在雷达战术或技术上广泛运用的具有较强试探性的方法相比,HT方法立足理论分析,具有更好的可靠性和可行性,其虚假航迹正确鉴别率能够达到90%以上。     

基于乌贼算法的无人机航迹规划

乌贼算法是一种新型的启发式仿生优化算法。提出了一种基于乌贼算法的无人机航迹规划算法。所构建的概率地图采用概率密度函数来对各种威胁源进行建模,非常适合表述战场环境的不确定特性。乌贼算法与传统的启发式算法相比,拥有更快的收敛速度。在此基础上设计的基于乌贼算法的概率地图航迹规划算法能够有效的缩小概率地图的规划空间,使得航迹规划搜索范围减少、时间缩短。仿真实验表明,该方案比传统概率地图航迹规划方法更能满足无人机航迹规划的要求。     

基于改进进化算法的无人机航迹规划

基于进化算法的无人机航迹规划已经得到了广泛的研究;但是由于其进化算子的多样化,还存在许多不足之处。针对现有进化算法的缺点引入一种新的坐标系,提出了一种定向进化策略,使每个航迹点根据具体情况进行定向变异。为了测试改进算法在航迹规划中的避障能力,进行了一系列的仿真实验。仿真结果表明基于改进进化算子的进化算法在无人机航迹规划应用中具有很大的优越性。