系统误差下基于双重模糊拓扑的编队航迹精细关联算法

为解决系统误差下编队内各目标航迹精细关联的难题,基于编队目标航迹的特点,利用模糊拓扑的思想,提出了一种系统误差下基于双重模糊拓扑的编队航迹精细关联算法.算法首先基于循环阈值模型对各传感器获得的航迹进行编队识别,然后利用编队中心航迹代替编队整体,深入分析系统误差对编队中心航迹的影响,建立第一重模糊拓扑模型,完成编队航迹的预互联和普通目标航迹的对准关联,最后基于预关联编队内目标航迹之间或与航迹关联对之间的拓扑关系建立第二重模糊拓扑模型,实现编队内目标航迹的精细关联.经仿真数据验证,与基于目标不变信息量的模糊航迹对准关联算法、基于航迹迭代的航迹对准关联算法和修正的加权法相比,该算法综合性能明显优越,能很好满足工程上对系统误差下编队内目标航迹精细关联的需求.

基于改进APF的无人机编队航迹规划

传统APF应用于航迹规划存在不可达性、局部极小点、震荡等问题,文章提出了改进的APF模型,它的核心内容有:使用改进斥力势场函数,考虑无人机与目标的相对距离,确保目标点为整个势场的全局最小点,解决了威胁与目标点过近导致的目标不可达问题;使用随机波动法,解决了无人机陷入局部最小点而导致的规划失败问题;考虑传统势场法的震荡问题,提出障碍物联通法。同时,使用APF进行编队控制,保持紧密编队下的无人机编队距离。仿真结果表明,利用这种方法很好地实现了无人机编队的航迹规划。

基于DBSCAN和修正Hough变换的多编队航迹起始算法

针对杂波环境下多编队航迹起始问题,本文提出了一种基于DBSCAN聚类与修正Hough变换的航迹起始算法。相较于广泛应用的K均值聚类,新采用的DBSCAN聚类无需给出簇的数量,并可在噪声的空间数据库中发现任意形状的聚类。算法首先通过直观法进行点迹粗互联;然后利用DBSCAN算法对雷达回波进行聚类,并求出聚类后的簇中心作为子群中心;最后通过修正Hough变换法起始航迹。仿真结果表明:该算法可以成功起始杂波环境下多编队的航迹且不需要先验给出簇的数量。

面向组网雷达干扰任务的多机伴随式编队航迹预规划方法

针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提出较为完备的航迹规划准则,形成一个新的整体目标函数;其次,为有效描述每架飞机的机动特性以及伴飞干扰机与目标飞机间的联系,提高算法搜索能力,提出基于多球面矢量(multi-spherical vector-based,MS)方法;为进一步提高算法的探索和开发能力,提出多面球矢量逐航迹点学习混合粒子群优化(multi-spherical vector-based hybrid particle swarm optimization with track point by track point learning,TLHPSO)算法,并将两者相结合,形成基于多面球矢量的逐航迹点学习混合粒子群优化(MS-based hybrid particle swarm optimization with track point by track point learning,MS-TLHPSO)航迹规划方法;最后,构建相应仿真场景进行验证。对比结果表明,MS方法以及TLHPSO优化算法在寻优能力上具有明显优势;同时,所提算法在不同初始场景下最优解的平均值均优于其他算法,充分说明所提算法能够在保证稳定性的前提下规划具有更高可信度的编队航迹。