反舰导弹实时脱靶量计算方法

为提高海上靶场试验反舰导弹实时脱靶量计算精度,为任务快速决策提供可靠依据,在充分分析弹、靶运动特性的基础上,以多卫星接收机联测为研制背景,提出了一种基于靶位坐标系的弹靶联解实时脱靶量计算方法,并给出了详细的工程实现方法和程序设计流程图.经数据仿真评估和实测过靶数据检测,该方法不但更利于考核导弹脱靶量指标、评估导弹过靶时刻攻击角度等信息,而且与传统的发射坐标系求解方法相比具有更高的脱靶量解算精度.     

基于新息灰预测的导弹遥测参数预测算法研究

为了在导弹飞行中判决导弹故障,建立基于新息的灰预测算法。利用GM(1,1)模型的每一个预测值替换掉最老的一个信息,以实现新陈代谢,然后再以补充了新信息但序列长度不变的预测序列对反映导弹工作状态的遥测关键参数进行实时预测。通过Matlab仿真软件对原有GM(1,1)模型和改进的GM(1,1)模型进行分析比较,验证了改进后GM(1,1)模型预测精度比较高,易于实现,适合导弹故障的实时预测。     

一种自适应线性预报的数据检择方法

为剔除动态测量过程中实时观测数据中出现的野值,以提高后续处理精度,在充分分析实时观测数据特性和野值特征的基础上,提出了一种自适应门限的五点线性预报数据检择方法。经仿真数据和实测数据检测,并与α-β预报和固定门限方法进行比较,所提出的方法不但大大降低了检择虚警率,而且使成片野值检择正确率提高30%以上。证明提出的方法无论在可靠性上还是有效性上都优于原有方法,具有较强的工程稳定性,能有效剔除孤立野值和连续成片野值。     

一种动态调整信息源优先级的方法

针对靶场实时数据处理过程中存在的主信息源选优方法的不足即主信息源异常测量数据造成导弹外弹道实时定位结果精度下降的问题,提出了一种基于实时状态估计的外测主信息源自适应选优方法,建立了伪测量数据的反馈式识别模型和测控设备动态优先级计算模型,实现测量方案中设备优先级实时动态调整.该方法可提高实时测量方案选优的适应性与准确性,提高了导弹外弹道实时处理精度及靶场奕时外测处理能力.     

基于多模型加权的高速弹丸目标落点预测方法研究

针对目前高速弹丸目标海上试验末段弹道外推及落点预测方法单一,模型复杂和适应性差等问题,提出一种基于多模型加权组合的弹道重构及落点计算方法.利用无迹卡尔曼滤波技术对雷达测量数据参数估计,基于多模型理论,采用非线性加权平均最优组合估计方法,将运动学和动力学建模外推弹道加权组合,并对外推弹道及落点计算精度进行了试验验证.试验数据表明:该方法可以有效降低单一模型带来的误差和参数误差,极大地提高数学建模的适应性,通用性强,且落点计算精度优于同类方法,具有推广应用价值.     

基于IMM-PF的再入目标数据融合算法与仿真

为了提高弹道再入目标的跟踪精确度,提出了一种基于交互式多模型粒子滤波（IMM-PF）的再入目标数据融合算法。该算法将交互式多模型和粒子滤波相结合,用有限个运动模型来逼近再入目标的运动状态,在对再入目标的运动方程和观测方程离散处理的基础上,采用粒子滤波算法计算各模型的状态估计值和协方差,并采用残差重采样方法克服了粒子权重的退化问题;在粒子滤波过程中,系统不断改善粒子的概率密度函数,不断更新各个模型的概率,从而实现对再入目标跟踪中未知参数的精确估计。通过实例仿真表明：与其他算法相比,该算法的跟踪精确度较高,运行时间较短,算法收敛性较好,适合对再入目标的快速、精确跟踪。     

实时光测数据系统误差修正方法

由于测量设备本身或环境条件的影响,光测数据总存在一定的系统误差,如果不加以修正,将直接影响实时数据处理精度。依托靶场实际工程背景,对实时光测数据的光电波折射误差和轴系误差进行了分析,并提出了简化的误差修正方法,通过实测数据的计算分析可知,这些方法可以有效地减小实时光测数据处理的误差。     

一种新型DC100A电流源标准的设计

介绍了一种利用最新研发的电子元件和电流检测技术设计的DC 100A直流电流标准装置.该标准采用"ZERO-FLUK"技术解决了电流采样单元的零温漂、零功耗问题;采用高分辨力数模转换控制电路解决了系统控制精度和稳定性的问题.     

靶场实时外测数据质量评估方法

依托实际工程背景,分析了实时外测数据质量的因素,研究并建立了基于模糊综合评价方法理论的实时外测数据质量评估模型,通过仿真实验和结果分析,验证了评估模型的正确性和有效性.     

基于动态加权集成学习的遥测数据预测方法

飞行任务中的遥测数据是飞行器中各功能子系统监测模块顺序产生的多维时间序列,其反应各子系统功能是否正常,对遥测数据的精准预测是研判飞行器运行状态的重要依据;针对已有时间序列预测算法会随时间劣化的缺点,提出基于集成学习原理的动态加权神经网络集成算法;该方法通过神经网络强数据拟合能力,集成学习算法具有的泛化特性和动态加权算法适应数据的漂移变化特性,提升算法的整体预测精度;选择多层感知机神经网络作为基学习器,给出神经网络基学习器结构设计方法和优化方法,以及动态加权算法的具体过程,将其与静态加权算法进行比较实验,该算法对预测精度提高效果显著,一定程度抑制数据的漂移,结果表明采用动态加权集成学习适合对遥测数据的预测.