基于MDk-DPC的空中目标自动分群方法

空中目标分群本质上是一个类数未知的聚类问题,也是战场态势估计领域中的研究热点。针对未知的空战场环境,从聚类角度提出一种基于流形距离和k近邻采样密度的MDk-DPC算法。引入流形距离代替欧氏距离,以增加同一流形中目标的相似性;利用k近邻计算目标的局部密度,使其能更真实地反映目标周围分布;通过自适应选取聚类中心方法确定聚类中心,并运用密度峰值算法指定剩余点类别完成分群。仿真实验表明,所提方法在人工合成数据集和UCI真实数据集上均有更好的聚类性能,同时通过对空战场仿真数据进行分群验证了所提方法的可行性和有效性。

子母弹对集群目标射击效率评定模型及应用

子母弹对目标的毁伤效能评定是子母弹的重要研究内容.在假定单个目标均匀分布的基础上,运用离散的方法研究并建立单发子母弹对集群目标射击的效率评定模型.建立了多炮发射子母弹对集群目标射击时的效率评定模型,并运用模型进行了计算分析,计算表明该模型计算简便,精度高.

基于多帧数据的目标分群算法

针对在多帧数据条件下的目标分群问题,提出一种基于数据流聚类的动态目标分群算法TG-Stream,该算法由在线和离线2个部分组成。在线部分采用临时存储结构(TSS)和金字塔时间框架保存侦察数据集的概要信息,离线部分采用CNM算法对时间框架的信息进行聚类,最终得到分群的结果。实验结果表明,TG-Stream具有灵活的精度和效率平衡性,能较好地满足决策辅助系统处理实时信息的需要。

机动目标功能的合群算法

机动目标合群是一类针对动态目标进行聚类的特殊聚类问题,是战场情报综合处理的重要环节之一。该文提出了一种基于初级融合获得的机动目标状态和属性,通过属性相似度来计算进攻关系隶属度以生成功能群的方法。该方法根据战场态势分析目的,将测量空间的目标属性关联映射到相似度空间,对目前跟踪目标根据相应的行为要素实现功能合群。仿真结果表明,该算法时间复杂度小于O(n^2),可为态势估计生成期望的功能群,具有一定的理论和实用价值。

末制导炮弹对典型集群目标射击效率评定模型

末制导炮弹对集群目标射击时可以不用改变射击诸元,提高了炮兵作战效率。以幅员不大的典型集群目标为例,建立了不用改变射击诸元情况下的末制导炮弹对典型集群目标射击效率的评定模型,并应用模型进行实例计算,分析了影响射击效率的影响因素,对射击指挥员实施正确的指挥决策和改进射击方法具有重要的参考价值。

一种新的机动目标功能合群算法

机动目标合群是一类针对动态目标进行聚类的特殊聚类问题,是战场情报综合处理的重要环节之一。文章提出一种基于初级融合获得的机动目标状态和属性,通过属性相似度来计算进攻关系隶属度以生成功能群的方法。该方法根据战场态势分析目的,将测量空间的目标属性关联映射到相似度空间,对目前跟踪目标根据相应的行为要素实现功能合群。该算法时间复杂度小于O(n2)。仿真结果表明,该算法可为态势估计生成期望的功能群,具有一定的理论和实用价值。

多用途子母弹对集群目标毁伤效率评估模型

多用途子母弹是多功能火炮配备的一种集地面打击和防空袭于一体的新型弹药,为充分发挥该弹药的战技性能,并合理地研究其作战使用。在假定单个目标均匀分布的基础上,运用离散的方法研究并建立了单发多用途子母弹对集群目标射击的效率评定模型,在此基础上又建立了多发多用途子母弹对集群目标射击时的效率评定模型,并运用模型进行了计算分析,计算结果表明该模型计算过程简便、精度高、准确性较好。

基于目的地预测的多相似加权目标编群方法

针对目标编群中单一算法存在的适用范围小、误分率高的问题,提出一种新的态势估计中目标编群的处理方法。首先应用Hop fie ld神经网络对态势中目标的目的地做出判断,然后采用多相似性加权策略计算出目标间的相关系数,再根据最大相关系数层次聚类算法实现编群。仿真结果表明方法能在一定程度上减小错误编群的概率,同时适用范围也得到了扩展。

基于态势分析的导弹射击效能评估

在基于对空袭与防空斗争重要地位的理解和已经提供空中目标群特征信息的基础上,首次提出了战术层面空中目标群态势分析的概念。并将空中目标群态势分析分为群形成、群理解、群估计3个层次,分别对它们进行了阐述,给出了相应算法。最后应用空中目标群态势分析得到的疏散空中目标群和密集空中目标群2个结果,探讨了导弹射击空中目标群的效能评估问题。

子弹圆环内散布子母弹对圆目标的毁伤概率

为研究子弹圆环内均匀散布的情况子母弹对圆目标的毁伤概率,首先研究子弹散布范围覆盖圆目标的面积,然后用概率分析的方法推导出了子弹单圆环均匀散布下子母弹单发射及相关射击对圆目标的毁伤概率计算公式,并讨论了子弹多环均匀散布下子母弹毁伤概率的计算方法。算例表明子弹双圆环内均匀散布时,子母弹对圆目标的毁伤概率要略高于子弹单环对圆目标的毁伤概率。

机动目标空间群生成算法

提出了一种机动目标的空间群生成算法,该算法的思想是定义空间群目标间的多种特征相似度,通过一级融合获得的信息,计算目标多种特征相似度矩阵并融合求得合群结果。该方法用特征相似度空间属性计算代替了测量空间的目标属性计算,提高了可靠性。该算法的时间复杂度仅为O(n2)。仿真实验表明,该算法具有较高的合群效率,结果可信。