空空导弹与航空母舰和舰载机适配性研究

航空母舰是空空导弹的贮存转运平台,舰载机是空空导弹的挂飞发射平台,在作战使用过程中三者密切相关、相互影响,因此必须开展空空导弹与航空母舰、舰载机的适配性研究,以保证空空导弹的上舰安全、可靠使用、减少保障流程时间、持续高效火力打击的作战使用需求。本文结合对机弹和舰弹适配性的理解,从作战环境适配性、保障适配性和安全适配性等三个方面梳理了空空导弹上舰面临的影响因素,提出了舰弹适配性设计要求。

美国未来空空导弹发展与能力

作战需求牵引和技术进步推动一直是空空导弹发展的两条主线。本文简要梳理了美国空空导弹的发展历程,提出作战概念是牵引导弹研制的原点,而导弹技术体系水平决定了作战使用方式。结合美国装备论证机制和持续涌现的新作战概念以及不断演变的作战体系需求,总结了未来空空导弹研制需要重点关注的能力。

考虑导弹视场约束及落点姿态的协同制导律设计

针对空空导弹协同攻击过程中视场受限的问题,提出一种带有视场角和弹着点姿态约束的协同制导律。在二维平面内建立导弹与机动目标的交战几何模型后,进行制导律的设计。首先,基于时变滑模面,设计视线法向的制导律,选取积分障碍李雅普诺夫函数,保证导弹在攻击过程始终稳定地跟踪目标,且导弹能以期望的落角攻击目标,选取积分障碍李雅普诺夫函数证明制导律收敛;其次,在对攻击剩余时间进行估计的基础上,设计具有时间约束的制导律,保证导弹在预设时间命中目标。最后,在三种假设情景中进行仿真,验证了制导律的可行性。

利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.

雷达/红外复合导引头信息融合算法

毫米波雷达/红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/红外成像复合导引头系统的特点及其工程应用出发,建立了一种基于联邦滤波(FF)的分布式雷达/红外复合导引头信息融合算法。首先,针对扩展卡尔曼滤波存在线性化误差以及雷达测量噪声非高斯的特点,采用粒子滤波算法(PF)设计雷达子滤波器;针对红外传感器不能测量目标距离的特点,采用伪线性卡尔曼滤波算法(PLKF)设计红外子滤波器。然后通过主滤波器进行信息融合,并对两个子滤波器进行信息分配和重置。仿真结果表明,该信息融合算法能够有效地提高雷达/红外复合导引头系统的目标跟踪精度及系统的稳定性。

美国国防支援计划卫星探测波段的选择分析

针对导弹攻防中的导弹目标识别问题,对美国国防支援计划(DSP)导弹预警卫星的工作波段进行了分析,从预警卫星的探测距离和信噪比两个方面分析了预警卫星工作波段选择的合理性。

雷达/红外双模导引头信息融合算法研究

毫米波雷达/红外成像复合制导已成为当前多模复合制导技术的研究热点。从毫米波雷达/红外成像复合导引头系统的特点出发,利用粒子滤波算法替换交互式多模型算法中的次优滤波器,建立了一种基于交互式多模型粒子滤波的集中式雷达/红外双模导引头信息融合算法;该算法将交互式多模型与粒子滤波相结合,有效地解决了系统非线性非高斯条件下的机动目标跟踪问题;仿真结果表明,在系统模型非线性和非高斯的条件下,提出的算法性能要大大优于传统的基于EKF的交互式多模型算法,同时提出算法对目标机动模式的变化很敏感,能够快速响应目标的机动,跟踪精度大大提高。

基于ANFIS的自适应机动目标状态估计算法

针对基于当前统计(current statistics,CS)模型的机动目标状态估计算法对机动目标加速度的极限值依赖性大的缺陷,提出了一种利用自适应神经网络-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)自适应调整目标状态噪声方差的方法。首先利用ANFIS算法对目标机动强度进行估计,进而对目标状态噪声协方差矩阵进行自适应调整;然后利用粒子滤波(particle filter,PF)算法对目标状态进行估计。仿真结果表明,与该方法能够有效提高目标状态估计的精度。

对剩余飞行时间估计误差不敏感的末制导改进方法

首先对传统的比例导引控制系统进行了分析,分析结果表明,传统的比例导引方法对导弹剩余飞行时间的估计依赖性强,剩余飞行时间估计误差将大大降低制导性能,甚至造成导弹脱靶。为了解决这一问题,提出了一种降低敏感度制导律,建立了该改进制导律的数学模型并进行了仿真,仿真结果表明,该制导律对剩余飞行时间误差敏感度低,并能够提高制导性能。

基于交并集加权的证据组合方法及其应用

针对D-S证据组合规则在证据高度冲突时会导致错误结论这一问题,结合自动目标识别系统的实际需求,提出了一种新的证据组合规则。该方法首先将交集组合规则和并集组合规则进行适当加权,然后根据组合后的证据中各单元素命题的相对可信任度,将多元素命题的基本概率指派函数(mass函数)按比例分配给它的单元素子集,从而确保目标识别系统能够在单元素命题间进行决策。仿真结果表明,该方法能够有效地解决证据高度冲突情况下的目标识别问题。

一种凝视红外成像系统联合非均匀校正算法

随着红外焦平面阵列技术的发展,凝视红外成像系统在很多领域得到了大量的应用,在这些应用中,非均匀性噪声及其校正方法是人们主要关注的一个问题。为了解决这个问题,从凝视红外成像系统非均匀性噪声的来源和频域特性出发,综合考虑了当前几种典型的基于定标和基于场景的非均匀校正算法的优缺点,结合盲元检测和补偿算法,提出了一种联合非均匀校正算法,并进行了实验验证。实验结果表明,该算法能够较好地解决成像系统非均匀性噪声随时间和工作环境漂移的问题,又能够保持较高的精度和收敛速度,具有较大的工程应用价值。

红外成像导引头视场选择及搜索策略设计

视场的大小、形状及搜索策略是影响红外成像导引头截获概率的重要因素。在分析视场对导弹截获概率影响原理的基础上,定义了搜索场和截获场的概念,建立了不同视场形状和搜索策略的工作状态模型,并对常用的视场形状和搜索策略组合进行对比分析。仿真计算实例表明,截获场小于等于搜索场,采用不同的视场形状和搜索策略所获得截获场的大小不同,要根据设计需求优化选择。相关的研究方法和结论为红外成像导引头的视场选择和搜索策略设计提供了理论参考。

战区弹道导弹多层拦截方法

针对战区弹道导弹拦截战法中的"发射-评估-发射"策略,以拦截器消耗量最少、系统稳健性最好为优化目标,建立了多目标线性规划数学模型,并进行了仿真,证明了这种拦截策略的优越性;也对导弹防御体系的最佳结构进行了论证。给出了计算方法、数据及结论,具有重要的指导意义。

红外成像导引头搜索策略优化设计

通过对影响红外成像导引头截获概率的视场形状、搜索策略等关键因素进行研究,提出了一种新的六边形轨迹搜索策略,并在常用的视场形状(方形及圆形)条件下,与方形、圆形轨迹搜索策略进行对比分析。结果显示本文设计的六边形轨迹搜索策略在圆形视场条件下具有最大的归一化截获场面积,且其对截获时间和搜索周期的变化均最不敏感。采用的研究方法和获得的结果为红外成像导引头的视场选择和搜索策略设计提供了理论依据,具有重要的工程应用价值。

基于核学习的运动目标跟踪算法综述

核方法通过将原始空间数据映射到高维希尔伯特空间,将非线性映射隐含在线性学习器中,使用核函数代替高维空间中复杂的内积运算,能够有效避免高维空间计算带来的“维数灾难”。核方法具备可学习性、高效计算、可线性化、泛化性能好等优势,为解决非线性目标跟踪问题提供了一种新的有效途径。传统的目标跟踪方法往往利用跟踪模型预测目标当前运动状态,并确保跟踪的准确性与实时性,核方法则提供了线性化处理的一般途径,且可以不依赖具体模型,具备高效计算能力,将核学习方法引入目标跟踪领域有望提升目标跟踪的环境适应性。本文基于核方法基本思想,着重梳理了核学习目标跟踪当前的研究进展,包括基于核学习的目标检测算法、生成式和判别式目标跟踪算法,以及构造不同核函数的多核学习方法,并对核学习目标跟踪在核函数优化、长时间跟踪、特征提取、目标遮挡等方面的进一步研究与探索进行展望。

基于广义概率假设密度的多目标运动估计方法研究

面向空对空作业的发展需求,提出了一种基于广义概率假设密度的多目标运动估计方法。在Faster-RCNN方法基础上引入多尺度分析,并利用改进K-means方法对观测目标进行粗聚类,以此为前置输入,提出了基于广义泊松分布的概率假设密度滤波器,将聚类信息纳入滤波估计的权重更新中,增强了对变阵群目标的跟踪时效性。仿真结果表明,本文方法在没有初始聚类信息的先验知识下,依然能够完成对多目标的识别分类与跟踪,且精度优于现有的集群目标运动估计方法。

红外型空空导弹发射后截获目标识别算法

针对采用发射后截获作战使用模式的红外型空空导弹在中末制导交接班时目标识别概率偏低的问题,提出了一种基于机载雷达数据与红外导引头测量数据融合的交接班目标识别算法。利用机载雷达测量信息,弥补红外型空空导弹不可测距测速的缺陷,并利用扩展卡尔曼滤波算法建立目标和干扰的运动状态预测,完成目标和干扰的识别。仿真结果表明,相比于传统的单纯依靠角度比对进行目标识别的方法,本文方法充分利用了目标和干扰在运动特征上的差异性,同等干扰场景下目标识别概率大幅提高,同时本文方法对载机传感器测量精度不敏感,具有较强的工程应用价值。

基于改进Singer滤波模型的时间配准方法

本文提出了一种将拉格朗日配准算法与卡尔曼滤波相结合的改进时间配准方法,同时针对实际中目标运动模型不可知的问题,通过实时修正卡尔曼滤波参数,降低目标运动模型不准确对配准精度的影响。仿真结果表明,该方法可以有效提高多传感器信息融合时间配准精度,同时,该方法具有较好的鲁棒性,能够适应低精度传感器的配准、且对目标运动模型准确性容忍度高,具有很强的工程应用价值。