基于熵权法-灰色关联法的海面目标威胁度评估

目标威胁度评估是反舰导弹作战指挥决策重要环节之一。针对作战目标属性关联复杂,主观决策缺乏客观依据支撑的问题,采用熵权法及灰色关联法的混合构建目标威胁评估模型,依据有限的作战指标数据,对目标威胁度进行排序,得出了导弹攻击目标的顺序,结果表明混合评估方法的有效性、合理性,为反舰导弹优选攻击目标提供理论支撑。

灰色关联分析中的空袭目标威胁度判断

在防空作战中,判断多批次空袭目标威胁度是一项复杂且主观性极强的工作。为避免人为因素对其判断的影响,用灰色关联分析的方法,从定性与定量的角度对判断过程进行了分析研究,提出了一种判断目标威胁度的方法。实例计算分析表明,所提出的方法较好地保护了已有的信息,确保了正确的判断结论。

多目标跟踪中基于目标威胁度评估的传感器控制方法

该文基于随机有限集的多目标滤波器提出一种基于目标威胁度评估的传感器控制策略。首先,在部分可观测马尔科夫决策过程(POMDP)的理论框架下,给出基于信息论的传感器控制一般方法。其次,结合目标运动态势对影响目标威胁度的因素进行分析。然后,基于粒子多目标滤波器估计多目标状态,依据多目标运动态势的评估研究建立多目标威胁水平,并从多目标分布特性中深入分析并提取出当前时刻最大威胁度目标的分布特性。最后,利用Rényi散度作为传感器控制的评价指标,以最大威胁度目标的信息增益最大化为准则进行最终控制方案的求解。仿真实验验证了该方法的实用性和有效性。

基于目标威胁度的相控阵雷达自适应调度方法

对时间资源的合理安排是相控阵雷达发挥自身优势的关键。将目标威胁度引入调度算法中,与工作方式和任务截止期共同进行综合优先级规划。通过构建目标威胁度的量化模型,使雷达在调度跟踪任务时依目标威胁度大小分配时间。提出了修正价值率和执行威胁率的概念,完善了性能评估指标。通过仿真,全面评价了新算法性能,验证了引入目标威胁度的合理性。结果表明,新算法可以有效提升相控阵雷达对高威胁度目标的处理能力。

近程防御系统中多空中目标威胁度分析

研究近程防御系统,快速打击威胁目标的控制是整个系统的主要问题。针对敌方空中目标批次较多、运动状态复杂,而我方防御火力有限,对目标进行有效、精确拦截,需要对目标威胁度排序,依次进行打击。为了正确识别对整个目标过程,进行定性和定量的分析判断,提出了一种行之有效的灰色关联分析的变权威胁度分析方法;进行仿真,生成空中多组动态飞行目标,采用上述算法对空中目标有效识别,并对威胁度进行排序,进行打击。实验结果与专家评估后的结果完全一致,并能够准确而快速的在战场做出决策。

灰色关联度分析法评判目标威胁度

分析了影响目标威胁度因素,并根据影响因素的特点,采用灰色关联度分析方法,建立了目标威胁度的数学模型,同时运用灰色关联度分析法对几组目标的威胁度进行了定量评判,计算结果和计算过程表明,这种方法计算简单,主观因素干扰小,能真实反映目标的威胁程度,有利于辅助指挥员进行正确的决策。

基于主成分分析法的炮兵目标威胁度评估

为提高作战指挥员对炮兵目标实施火力分配的量化决策水平,首先运用主成分分析法对炮兵目标威胁度的多项指标进行了聚集,其次在理想点的基础上建立综合优化决策模型,并进行实例分析,所得结果合理且符合客观实际,从而为作战指挥员提供了一种合理的决策依据和决策方法。

基于神经网络的地面目标威胁度分析

空中火力打击对目标威胁度的判定是制定计划的关键步骤。为了提高评估目标威胁度的准确性,在建立威胁度评估指标体系的基础上,利用神经网络模型对生成的训练样本进行训练和测试,建立威胁度评估模型。结果表明:该模型能提高威胁估计算法的准确性和适应性,克服评估中的人为因素影响,对作战计划的制定有一定的借鉴意义。

基于信息增益和目标威胁度的多传感器管理优化模型

针对信息化防空作战的多传感器资源管理优化问题,分析了防空作战传感器管理,提出了基于信息增益和目标威胁度的多传感器管理优化模型。该模型通过计算传感器对目标的信息熵,获得每个传感器对每个目标最大的信息增益,以此作为代价函数,考虑目标的威胁度,利用线性规划思想进行多传感器对多目标的优化分配,实例分析表明该模型的有效合理性。

城市防空作战中空中目标威胁度估计模型

定性和定量结合,运用层次—效用方法建立城市防空作战中空中目标威胁度估计模型,先用层次分析的方法建立影响目标威胁度的诸指标因素的层次结构模型,然后导出指标因素的效用函数,最后计算出目标威胁度,使复杂的问题条理化,为防空作战指挥员对空情威胁作出正确判断提供科学依据,从而指导我防空部队的作战训练。

炮兵目标威胁度评估及决策规则挖掘

为解决炮兵目标威胁度评估中主观因素影响较大以及威胁度评估体系中可能存在不合理属性等问题,利用偏好关系建立一种客观的炮兵目标威胁度评估模型,得到目标威胁度排序;再利用粗糙集理论对目标威胁度评估决策表进行属性约简和值约简,剔除决策表中的不合理属性及冗余信息;并通过一个实例对模型进行验证。实例结果证明,该模型客观、有效。

基于改进Elman神经网络的目标威胁度预测评估

针对地面防空作战中目标威胁度难以准确评估的问题,提出了基于改进Elman神经网络的目标威胁度动态预测评估方法。该方法利用量子粒子群智能优化(QPSO)算法对Elman神经网络进行了改进,提出了QPSO-Elman神经网络,并基于优化的QPSO-Elman神经网络构建了目标威胁度的动态预测评估模型。仿真分析表明,该方法有效解决了目标威胁度的动态评估问题,预测结果更加准确且实用性强,增强了防空系统的作战能力。

基于不确定语言多属性决策的目标威胁度排序

针对影响不同类目标威胁度的因素建立了目标威胁度指标体系,并在此基础上,利用不确定语言多属性决策模型对不同类目标威胁度进行排序。该方法不仅充分体现了不同类目标威胁度的影响因素,还充分利用了专家和决策人员的经验,能较好地反映现代战场中目标威胁度的实际情况,利于提高智能化程度;模型适应性较强,计算量小,符合军事系统实时性的特殊要求,使评估结果更具有可信性和实用性。

要地防空作战中空中目标威胁度估计的数学模型

为了准确有效地判断敌空中目标的威胁程度,运用层次-效用方法,对要地防空作战中空中目标威胁度建立数学模型。先用层次分析法建立影响因素诸指标的层次结构,然后导出指标因素的效用函数,对其加权和线性变换,得到目标威胁度。该模型使复杂的问题条理化,操作性强,便于计算机辅助决策,为防空指挥员对空情威胁做出正确判断提供了科学依据。

基于随机多权重TOPSIS法的目标威胁评估

在目标威胁评估问题中,为了解决目标各项特征权重选取可能存在主观决策误差的问题,提出了一种基于随机多权重TOPSIS法的空中目标威胁评估方法。基于层次分析法确定了各项特征之间的权重,对难以定量衡量的目标特性进行了特征提取,并基于随机多权重TOPSIS法将空中目标的威胁度进行了评估。仿真实例表明:随机多权重TOPSIS法威胁评估与AHP、TOPSIS方法排序一致,但给出了各目标威胁度的不确定范围,实验中不确定范围值最低为0.08%,最高为3.78%。战场指挥人员可以通过本文中提出的威胁度不确定性范围得到更多参考信息。

目标动态威胁度驱动的分布式组网相控阵雷达资源优化分配算法

针对分布式组网相控阵雷达多目标跟踪(MTT)场景,该文提出一种目标动态威胁度驱动的波束分配与驻留时间联合优化算法。首先,在采用分布式组网架构的基础上,推导包含波束和驻留时间分配的贝叶斯克拉美罗界(BCRLB)。其次,基于目标实时运动状态构建综合威胁度评估尺度,按照威胁度为不同目标设计基于跟踪精度参考门限和贡献度的效用函数,以此衡量资源在多目标间的优先分配关系。随后,将该效用函数结合组网相控阵雷达系统资源,建立了目标动态威胁度驱动的波束分配与驻留时间联合优化模型。最后,采用一种基于奖励的迭代下降搜索算法进行求解。仿真结果表明,相较于平均资源分配方法,所提算法具备对若干差异性目标的跟踪精度需求感知能力,能够在基于多目标威胁度评估的基础上,有针对性地分配跟踪资源,从而有效提高组网相控阵雷达面对不同威胁度目标时的综合跟踪精度。

多扩展目标跟踪优化中基于威胁规避的无人机路径规划策略

为了降低无人机执行侦察任务时被摧毁的概率,该文提出一种有效减少威胁的路径规划算法。首先利用高分辨率机载雷达对多扩展目标进行稳健的跟踪估计,然后根据三向决策规则对各目标按威胁进行分类,并利用模糊理想解相似性排序技术(TOPSIS)的方法计算目标威胁度,综合多任务决策联合优化(联合评估目标威胁度和目标跟踪质量)作为评价准则对无人机进行路径规划。仿真实验表明,模糊威胁度评估方法在多扩展目标跟踪环境下是有效的,所提无人机路径规划算法是合理的,在不损失目标跟踪精度的条件下有效降低了目标威胁度。

基于目标优先级的跟踪波束调度方法研究

针对协方差控制的策略不满足雷达跟踪目标的实时性要求，文中采用协方差和目标威胁度联合控制的方法来研究关于相控阵雷达波束调度的问题，建立相控阵雷达波束分配的最优化模型。该模型利用目标的运动状态信息，包括目标距离、目标径向速度、加速度和航向，利用层次分析法确定目标威胁度，然后与目标跟踪协方差相结合进一步确定目标优先级，实现目标动态的搜索加跟踪模式（TAS）的波束调度。将该算法与传统的顺序波束调度方法进行比较，仿真结果表明该算法具有较高的时间利用效率，同时也具有较好跟踪性能。

动态多特征融合的道路遗洒物威胁度分析方法

道路上的遗洒物可能对交通运输构成潜在的安全威胁。在自动驾驶环境感知的行业应用背景下,提出一种基于动态多特征融合的道路遗洒物威胁度分析方法,一方面可以实现对道路多车辆目标的跟踪,另一方面可以实现行驶区域内遗洒物对车辆行驶的威胁度自动分析。为提取道路前景车辆目标的交通特性参数,首先开展多车辆跟踪方法研究,提出一种基于Camshift和身份数据关联的多目标跟踪算法,通过建立跟踪链表,对跟踪车辆身份数据进行记录,实时跟踪道路前景车辆目标,提取并记录感兴趣车辆交通特性参数;然后结合交通特性参数提取道路车辆动态特征,在该类目标跟踪基础上建立道路遗洒物安全分析模型,通过分析被跟踪车辆的特征变化,提出一种多特征融合的道路遗洒物威胁度分析方法,突破单一动态特征分析在自动驾驶环境感知应用中的局限性,利用动态多特征的融合决策方法,准确量化判断道路遗洒物对交通运输造成的威胁程度;最后,为了验证算法的鲁棒性和实用性,设计了仿真视频结合实际传感器获取的道路视频对所提威胁度分析方法进行验证,仿真视频用3dmax仿真得到,实采视频由CCD摄像机拍摄得到。相关算法验证采用VS2008和OpenCV搭建软件平台,仿真图由MATLAB2014得到,视频图像的分辨率为320*240。实验结果表明,该方法能准确、真实地确定遗洒物的威胁程度,利用第三方实验视角拓宽了特定车辆安全威胁区域分析的应用范围,通过对自动驾驶主车体行驶范围内的安全威胁环境建模,为自动驾驶车辆安全行驶决策的车载应用提供理论依据和技术支持。

综合优先级规划下的相控阵雷达自适应调度方法

对时间资源的合理分配是相控阵雷达发挥自身优势的关键,提出一种考虑目标威胁度的相控阵雷达调度算法。根据目标信息构建非线性目标威胁度量化模型,并通过设计二维优先级表,将目标威胁度与雷达任务的截止期相结合,共同进行综合优先级规划;在性能评估环节,提出执行威胁率的概念,以反映调度算法对重要任务的执行情况。仿真结果表明,当跟踪目标数量饱和时,相比于原有的高工作方式优先级优先算法,改进后的算法有效减少了任务的截止期错失率,提升了时间利用率和执行威胁率。