基于Boosting学习算法的雷达弹道识别

弹道外推技术在炮位雷达的侦察和校射中起关键作用,弹道外推的精度直接决定着炮位侦察校射雷达的性能.在文献[1]中,作者提出了将弹道外推分为弹道识别和特定弹道外推两个阶段,并用支持向量机方法对弹道识别进行了系统研究.文中引进Boosting学习算法进行弹道识别.仿真结果表明,基于决策树的Boosting学习算法是一种有效的弹道识别方法,并且识别精度高于基于核技巧的支持向量机方法.     

基于支持向量机的弹道识别及其在雷达弹道外推中的应用

支持向量机( SVM)是一种基于结构风险最小化原理的分类技术,也是一种具有很好泛化性能的回归分析方法。本文用SVM分类方法对弹道类型进行识别,用SVM回归方法对不同类型的弹道数据分别建模,进而对弹道起点进行有效预测。仿真结果表明,该方法识别精度高,在SVM弹道识别的基础上,还可以有效提高弹道外推精度。     

拟合弹道系数法进行弹道外推的研究

弹道系数Cb是影响弹道外推的重要参数。当前,在弹道外推计算时Cb的值主要依靠经验进行人工估计,其精度较差,从而影响外推精度。为提高弹道外推的精度,文中提出了一种利用拟合弹道系数C*b进行外推的方法,该方法根据弹道测量数据求C*b,而且能将各种射击条件的探测误差折合进弹道系数,保证了射击条件探测误差较大情况下的外推精度,具有很强的实用性。仿真结果表明,外推误差在0~0.3%D范围的概率达99.5%以上。     

基于核函数支持向量机的雷达辐射源识别

文中针对雷达辐射源信号环境复杂导致的正确识别率较低的问题,提出了基于支持向量机理论的雷达辐射源识别方法,并构建了基于多种核函数支持向量机的雷达辐射源分类器。通过在不同噪声环境下进行仿真实验,证明了支持向量机理论在雷达辐射源识别中的有效性,并比较了多种核函数支持向量机的识别效果。     

一种基于Rough 集与SVM的目标识别方法

主要研究了基于粗糙集和支持向量机的模式分类技术,结合遥感图像中军用飞机目标识别进行了理论分析和实验研究。基于粗糙集和支持向量机算法的优势,设计了基于粗糙集和决策有向无环图的支持向量机模式识别分类器,对分类的性能进行了分析研究,利用粗糙集理论中属性约简方法去除冗余属性,降低飞机特征维数,提出使用决策有向无环图支持向量机进行训练并对待识别目标预测。     

基于信号分解的防御弹制导律辨识方法

针对飞机对敌方防御弹制导律辨识的问题,提出一种对相对运动信息进行经验模态分解并采用支持向量机分类的辨识方法。建立了防御弹和飞机的相对运动模型,并根据典型作战场景构建了防御弹可能采取的制导律模型集。针对雷达测量的防御弹与飞机间的视线角速度及距离变化率信号,采用经验模态分解算法对其进行信号分解,提取并构建不同制导律的特征能量带。建立“一对一”多分类支持向量机模型对不同制导律的特征能量带样本进行分类,从而实现制导律的辨识。仿真结果表明,本研究提出的基于经验模态分解算法和支持向量机模型的制导律辨识方法能够以较高精度实现对样本集中制导律的辨识。     

基于蜂群算法优化向量机的微弱信号检测方法

针对传统检测方法对混沌背景下微弱信号检测能力的不足,提出了基于蜂群算法优化支持向量机的微弱信号检测方法。该方法通过混沌信号的时间延迟和嵌入维实现相空间重构,利用蜂群算法对支持向量机的惩罚系数和核函数参数进行优化,结合支持向量机建立混沌序列的单步预测模型,从预测误差中检测淹没在混沌背景中的微弱信号(包括瞬态信号和周期信号)。以Lorenz系统和雷达实测得到的海杂波数据作为混沌背景噪声进行验证研究,仿真实验结果表明,所提方法能有效地抑制噪声对混沌背景信号的影响并检测出混沌背景噪声中的微弱信号。与传统方法相比,预测精度和检测门限方面的性能都有显著的提高。     

基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法

针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%.     

一种基于在线学习的弹道识别方法

用SVM机器学习算法来解决弹道识别问题极大提高了识别精度,然而在处理过程中采用批处理优化方法很难缩短识别时间。考虑到实际中雷达捕获弹道数据是以在线的方式存在的,文中提出一种基于在线学习的弹道识别方法。仿真实验结果表明,在线算法在保证识别精度相当的情形下,大大的缩短了弹道识别时间。从而认为基于在线学习的识别方法是一种值得引进的弹道识别方法。     

弹道导弹防御预警系统弹道预测误差分析

基于所建立的辅助坐标系,通过一系列坐标变换对弹道导弹中段防御预警系统的弹道预测过程进行了合理分解,有效地简化了预测状态的表达形式和计算过程.在此基础上对跟踪雷达正弦坐标系下弹道预测的误差进行了分析,给出了误差的工程计算方法和蒙特卡洛仿真结果.分析过程和仿真结果表明,利用该方法得到的预测误差与实际预测误差水平相吻合,其计算过程较传统方法简单、高效.     

基于虚拟域动态逆的空地反辐射导弹轨迹优化

针对空地反辐射导弹抗雷达关机问题,基于虚拟域动态逆( IDVD)的方法设计了一种轨迹优化算法。基于动态逆的思想,通过虚拟弧长高次拟合导弹轨迹坐标,并将边界条件以及状态变量从时间域转换到虚拟域,在虚拟域中求出边界条件的导数。再根据直接法原理离散导弹轨迹,采用罚函数法处理性能指标,寻优得到最优轨迹。仿真结果表明,该方法能够快速计算生成反辐射导弹轨迹,达到了即使雷达关机,也能准确命中目标的目的。该方法通过虚拟化轨迹长度能够方便地求解边界条件的高阶导数,简化了计算过程,能够快速生成参考弹道,且对参数初值不敏感。     

基于摄动理论的动态弹道偏差阈值修正方法

基于摄动落点偏差预测的弹道修正方法具有落点偏差计算精度高,弹上计算量小等优点。研究了基于该理论在二维弹道修正应用中相关的系列问题。基于多元函数的泰勒级数展开理论,推导了完整的摄动落点偏差预测理论模型。基于摄动偏差理论提出了一种修正步长自适应的射角诸元快速求解方法,一般循环解算弹道模型不超过3次即可得到落点误差不超过1 m的射角诸元。基于不同弹道位置上平均弹道误差,给出了偏导数求解中弹道偏差设置方法。提出了一种动态弹道偏差阈值修正方法,选用该方法进行弹道修正,平均弹道修正次数减少29.1%,而弹丸落点CEP增大不明显。     

基于迭代凸优化的导弹探测时间估算方法

为准确估算远程预警雷达对弹道导弹探测的时间窗口,需要联立导弹轨迹与雷达探测范围的数学模型,求解非线性二次方程组。提出了一种非线性二次方程组的求解方法,首先将核问题转化为二次等式的优化问题,引入误差范数约束非凸优化问题,将二次等式进行一阶和二阶泰勒展开,将原问题在局部近似为一个最优化问题并利用迭代凸优化求解,得到雷达探测范围与导弹弹道的交汇点坐标的解析解,实现对雷达探测时间窗口的准确估算。通过场景模拟与求解分析证明了该方法的正确性,并表明该方法具有精度高、通用性强的特点。     

基于无迹卡尔曼滤波算法的弹道落点预测方法

为解决靶场理论弹道和外测飞行目标实时信息预测落点预测时间长,不能清晰及时预测飞行轨迹等问题, 提出一种改进的弹道落点预测方法。从弹道模型出发建立基准模型坐标系,将外测设备参数配置于基准模型坐标系, 实时采集的外测设备数据采用无迹卡尔曼滤波(unscented kalman filtering,UKF)算法滤波处理后获得融合轨迹,并 通过Runge-Kutta 算法进行外推计算以进行落点预报。经Matlab 仿真分析和实际效果验证,该方法的结果更加精确 且适用性更强。     

动态雷达目标电磁散射中姿态角的计算

建立合适的电磁散射模型是逼真地复现雷达目标的运动特性和回波特性的前提,而雷达动目标姿态角的计算是建立电磁散射模型的关键。文中提出了利用雷达目标的运动航迹求解雷达动目标姿态角的方法,并对其求解过程进行了推导,提出了任意姿态下进行动态雷达目标电磁散射特性仿真的一种思路。仿真计算结果验证了该方法的准确性和有效性,该方法可以在实际工程中推广应用。     

基于机动单元库的TSO-GRU-Ada机动轨迹预测

机动轨迹预测是自主空战中的一个重要组成部分。针对无人战斗机机动轨迹预测精度低且时耗过长的问题,提出一种基于机动单元库的自适应集成三角优化门控循环神经网络预测方法。建立无人战斗机3自由度模型,解决轨迹数据来源问题;通过4种轨迹特征,将轨迹分为平面机动、空间左转弯机动和空间右转弯机动三类,构建21种基本机动单元;介绍门控循环神经网络,为避免网络梯度优化陷入局部最优,引入三角搜索优化算法更新网络内部权值和偏置。为提高预测精度,采用自适应增强算法构建强预测器;通过实验选取预测器最优参数,在不同机动单元情况下进行预测,预测精度较高且均能满足时耗要求;为检验在机动轨迹上的预测性能,从空战训练测量仪中选取一段轨迹,与5种不同预测模型进行对比。研究结果表明,所提模型的预测精度最佳。     

一种新的外弹道战情数据产生方法

对远程预警雷达系统仿真中外弹道数据产生方法进行研究,提出了一种新的外弹道战情数据产生方法.该方法根据导弹某时刻位置、射程、最高点高度和偏雷达观测站角度来确定弹道轨道,此轨道数据生成方法很容易控制弹道目标的发射位置、方向和轨道飞行时段,满足了仿真系统中基于雷达站直角坐标系的战情设置.仿真结果表明该弹道数据产生模型是正确的.     

在线弹道参数滤波与辨识方法分析

为解决基于雷达探测系统的一维弹道修正弹的快速在线弹道参数辨识及精度分析问题,针对阻力环体制的一维弹道修正弹,建立了适配于一维弹道修正弹的飞行控制弹道模型,并基于卡尔曼滤波理论建立了弹道滤波模型,给出了弹道预报的方法。结合扩展卡尔曼弹道滤波模型,计算分析了数据测量精度、基础阻力系数变化等因素对预报弹道落点的影响。研究结果表明:为了提高无控弹道和修正弹道的预报精度,应尽可能准确地获取全弹的阻力系数,并进行若干发炮射试验,通过反复调整预报-校正分段以确定出较佳弹道参数方差,来提高后续弹道预报精度。