非理想状态下的塔板理论模型

 在过程中 ,将流动相看成是由许多连续的塔板组成 ,每一塔板的高度与固定相塔板的高度相同。初始浓度的溶质被认为全部集中在流动相的第一塔板中 ;溶质在流动相和固定相之间动态分布。由于动力学因素的影响 ,当流动相流过一个塔板距离时 ,溶质不能够迅速地从固定相释放到流动相中 ,因此溶质在流动相和固定相中的分布浓度受到两个因素即反映系统热力学性质的分配系数P和反映系统动力学性质的释放概率因子α的影响。这一过程被认为是非理想状态下的过程。     

基于BP神经网络的雷达点迹分类方法

提出了一种解决复杂电磁环境下目标检测后仍包含杂波的基于反向传播(BP)神经网络的雷达点迹分类方法。该方法可以在目标检测后进一步区分目标点和杂波点,提高目标跟踪的质量。同时,对BP神经网络进行了训练,并与K最近邻域法和支持向量机作了对比,发现该方法的分类精度可达87. 3%,较后两种方法精度分别提升19. 6%和7. 6%。实验结果表明:基于BP神经网络的雷达点迹分类方法有效。     

杂波环境密集机动目标跟踪PCIMM-UKF算法

杂波环境密集机动目标跟踪对于数据关联和滤波始终是一个挑战性问题,本文提出的PC（投影收缩）IMM（交互多模型）-UKF（无迹卡尔曼滤波）算法,利用优化领域前沿研究成果之一的投影收缩算法,解决了全局最优关联问题,同时将IMM和UKF算法结合,克服了非线性机动目标跟踪困难的缺点,大量数值仿真结果也表明该算法可行且有效。     

基于UKF的马尔可夫参数自适应IFIMM算法

给出了一种基于不敏卡尔曼滤波(UKF)的马尔可夫参数自适应的新息滤波器交互式多模型算法,较好地解决了非线性条件下机动目标跟踪的问题,可获得比基于扩展卡尔曼滤波的交互式多模型(IMM)算法和基于UKF的IMM算法更好的稳定性和计算精度,还避免了复杂的Jacobi矩阵运算;该算法结合了马尔可夫参数自适应和新息滤波器技术,实现了马尔可夫转移矩阵的自适应和量测噪声的减小.最后,通过Monte Carlo仿真进一步验证了该方法的正确性和有效性.     

双层三阶多项式拟合的弹道导弹发射点估计方法

发射点估计是炮位侦察校射雷达的重要任务之一。在仅利用雷达测量数据的情况下,先通过三阶函数拟合弹道导弹主动段时间-高度曲线估计导弹的绝对发射时刻,从而求得各个弹道轨迹点相对于绝对发射时刻的相对发射时间,然后再次利用三阶函数拟合主动段相对时间-水平位移,进而得到弹道导弹发射点估计结果。通过弹道导弹运动模型仿真具有一二级助推的弹道数据,并增加雷达观测误差,分析验证了所提方法的有效性和精确性。经测试,所提方法求解过程简单,对主动段弹道拟合准确,发射点估计精度达到0.6%以内,定位误差较传统方法降低了50%以上。     

基于改进FCM的多传感器多目标数据互联算法

将模糊聚类分析的方法运用到数据互联中是现今多传感器多目标跟踪的发展方向之一。文中在模糊c-均值聚类(FCM)算法的基础上提出了一种适用于多传感器多目标数据互联的改进算法,该算法通过对隶属度函数进行加权,同时考虑了样本对聚类中心和样本与样本之间的隶属关系。仿真结果表明该改进算法使得分类效果更加清晰,能够更好地将测量结果划分给各个目标,且所需的迭代次数更少,收敛速度更快。仿真结果验证了算法的正确性和有效性。     

大数据时代指挥信息系统发展分析

自2012年大数据被美国政府提高到国家战略层面后,国内外相关技术研究和应用发展迅速。文中通过分析指挥信息系统面临的挑战、大数据技术的发展趋势以及美军在指挥信息系统中典型大数据应用项目,分别从大数据生态、关键处理技术和网络架构等方面,给出了大数据时代我军指挥信息系统发展的一些思考和建议,为指挥信息系统现代化提供了参考。     

一种基于IPDA的航迹质量管理新算法

传统的航迹管理方法在处理航迹起始、跟踪和终结时需用到不同算法,这无疑增加了航迹管理的复杂性.文中借助综合概率数据互联(IPDA)算法中考虑目标存在概率的思想,结合打分方法提出了一种新的航迹质量管理算法.该算法利用目标存在概率的信息不仅能对目标航迹进行更好地跟踪,同时可以判定航迹的起始和终结.仿真结果表明该算法跟踪性能优于PDA算法,并能够通过调节初始存在概率和质量的满分值来达到合适的起始和终结反应时间.仿真结果验证了算法的正确性和有效性.     

基于通用航迹起始模型的一步延迟新算法

针对杂波环境下的快速目标航迹起始问题,提出一种新的航迹起始算法,该算法结合了一种新的航迹起始模型和一步延迟航迹起始算法的优点。其主要思想是在普通航迹起始模型的基础上,增加了一级中间航迹,并采用一步延迟航迹起始算法,利用相邻两个采样周期的量测,计算累积新息,剔除虚假航迹、分裂航迹。仿真结果表明:该算法比一般的逻辑算法设计灵活性更强,虚假航迹起始概率也明显下降。     

基于多个多普勒雷达的加速度和速度估计

目标的加速度估计在自适应目标跟踪算法中具有十分重要的作用。文中通过推导多普勒速度观测量和笛卡尔坐标系下加速度的关系,利用多个多普勒雷达的观测量,将目标的加速度估计转换为一个线性加权最小二乘问题。同理,此方法可以推广到目标速度估计问题中。通过仿真实验表明,文中方法能准确及时的估计出目标的加速度和速度。