1 陆军工程大学石家庄校区 电子与光学工程系，河北 石家庄 050003
2 石家庄铁道大学 机械工程学院，河北 石家庄 050043
针对降低移动式雷达/红外协同跟踪时的辐射风险问题，提出了一种移动式雷达/红外辐射控制的调度方法。首先，结合平台和目标的运动状态建立了目标跟踪模型，利用容积卡尔曼滤波预测跟踪精度；并引入辐射度影响建立了雷达辐射模型，给出了雷达辐射状态和系统辐射代价的预测方法；然后，以跟踪精度满足任务要求为约束条件，以长期辐射代价最小化为优化目标，构建了长期调度的目标函数；最后，针对求解时计算复杂度高的难题，设计了一种决策树搜索算法。仿真结果表明，文中所提调度方法与短期调度相比，具有更好的辐射控制效果，在决策步长为3时，其辐射代价下降了26.5%；且与固定位置调度比，文中方法能在改善跟踪性能的同时，降低辐射代价，在跟踪低速目标时，其跟踪误差和辐射代价分别下降了29.9%和30.5%。
雷达 红外传感器 传感器调度 辐射控制 决策树 radar infrared sensor sensor scheduling radiation control decision tree 红外与激光工程
2019, 48(9): 0904004
1 军械工程学院, 石家庄 050003
2 海军航空兵学院, 辽宁 葫芦岛 125000
对防空作战目标识别阶段中的传感器管理问题进行了研究, 提出基于Rényi信息增量的多传感器管理调度方案。首先利用D-S证据理论进行融合推理, 得出不同目标与不同传感器配对时的Rényi信息增量; 然后, 建立了基于系统总Rényi信息增量最大化的传感器分配模型, 此外, 对量子粒子群智能优化(QPSO)算法进行自适应改进, 能够对分配模型进行快速求解; 最后, 通过仿真实验验证了算法的合理性和有效性。
多传感器管理 目标识别 Rényi信息增量 证据理论 量子粒子群 multi-sensor management target recognition Rényi divergence evidence theory quantum particle swarm optimization
军械工程学院电子与光学工程系, 石家庄 050003
针对地面防空**系统中多传感器分配问题, 首先研究基于Cramér-Rao下限的多传感器跟踪分配模型, 根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型, 使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择, 同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型, 通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性, 给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性, 并通过对比算法求解模型验证了改进DPSO算法的快速准确性。
多传感器管理 传感器-目标分配 Cramér-Rao下限 离散粒子群优化算法 multi-sensor management sensor-target assignment Cramér-Rao low bound DPSO algorithm
1 军械工程学院,石家庄050003
2 西安军代局驻咸阳地区军代室, 陕西 咸阳712099
为对付机动目标, 未来空域窗射击体制应运而生。未来空域窗的设计构造, 是通过对弹丸散布中心进行合理配置实现的。提出了一种新的弹丸散布中心配置方法: 散布角均分法, 并提出了一种修正的空域窗半径计算公式, 解决现有公式计算精度不高的问题。运用仿真算例对其效果进行验证, 仿真结果表明, 散布角均分法改善了空域窗内的平坦性、扩大了空域窗的有效面积, 适于配置未来空域窗内的弹丸散布中心。
未来空域窗 弹丸散布中心 空域窗半径 future airspace window projectile dispersion center radius of airspace window
自适应网格交互式多模型算法(AGIMM)单纯依靠目标的模型后验概率来调整模型集，因此造成了在目标机动时刻跟踪性能不高的问题。基于图像传感器对目标机动的快速检测性能，首次将图像中的目标姿态角信息引入到该算法中。通过建立AGIMM估计的模型角速度与姿态角蕴含的模型角速度之间的隶属度关系，修正了目标的模型后验概率，增强了模型辨识能力，提高了该算法在目标机动时刻的跟踪性能，从而实现了图像传感器与雷达传感器两种异类信息的有效融合。
机动目标跟踪 自适应网格 图像传感器 姿态角 角速度 maneuvering target tracking adaptive grid image sensor attitude angle angular velocity
针对运动目标变维姿态滤波在姿态剧烈变化时滤波效果较差的问题，结合Jerk模型，提出一种改进的变维运动目标姿态滤波方法。该方法通过建立角加加速度滤波模型，结合变维姿态滤波中的角速度和角加速度模型，利用角度和角速度的新息残差，角加速度和角加加速度估计显著性检验的统计量，判定目标姿态的机动状态，调整跟踪模型，从而提高姿态跟踪精度。仿真表明，该方法在保持变维姿态滤波精度基础上，有效提高了姿态强机动情况下的跟踪精度。
机动状态 姿态跟踪 变维滤波 新息残差 maneuvering state attitude tracking variable dimension filter innovation residual
针对非线性机动目标跟踪中滤波器易发散、跟踪精度低等问题，将容积卡尔曼滤波器(CKF)引入到交互式多模型算法(IMM)中，设计了交互式多模型容积卡尔曼滤波算法(IMMCKF)。该算法采用Markov过程描述多个目标模型间的切换，利用CKF滤波器对每个模型进行滤波，将各滤波器状态输出的概率加权融合作为IMMCKF的输出。仿真结果表明，与IMMUKF算法相比，IMMCKF算法跟踪精度更高，模型切换速度更快，计算量更小，该算法具有重要的工程应用价值。
机动目标跟踪 交互式多模型 容积卡尔曼滤波 maneuvering target tracking Interacting Multiple Model(IMM) cubature Kalman Filter
军械工程学院光学与电子工程系, 石家庄050003
针对人为选择支持向量机参数的随机性和盲目性, 将蚁群算法的全局收敛和并行计算的特点引入到支持向量机参数的优化中, 建立了基于蚁群算法优化支持向量机参数的模型, 使两种算法的优点有机结合, 通过对支持向量机的惩罚因子和核函数参数进行优化, 使支持向量机分类效果达到最好, 并与遗传支持向量机模型比较, 结果表明：蚁群算法优化支持向量机参数的方法不仅能够提高支持向量机的分类正确率, 而且算法循环时间比较少；最后对Elliptical Filter电路进行仿真, 应用小波分析提取响应信号的能量作为故障特征并建立故障样本集, 利用蚁群支持向量机模型实现了Elliptical Filter电路的故障诊断, 分类正确率达到100%。
模拟电路 故障诊断 蚁群算法 支持向量机 参数优化 analog circuit fault diagnosis Ant Colony Optimization(ACO) Support Vector Machine (SVM) parameter optimization
1 军械工程学院，石家庄050003
2 中国人民解放军73011部队，浙江湖州313006
为借助飞机姿态角提高跟踪性能，在一种改进的IMM算法基础上，一方面，对飞机处于各运动模型时姿态角的变化规律进行分析，利用姿态角求解角度变化率来实时更新模型集；另一方面，通过在姿态角滤波过程中加入机动检测和极性判别，提升了离散点过程滤波器的输入量测值的精度。之后，提出了一种基于飞机姿态角辅助的交互式多模型跟踪算法。仿真验证了该算法的精度。
目标跟踪 姿态角 机动检测 自适应模型集 离散点过程 target tracking pose-angle maneuvering detection adaptive model set discrete-point process IMM IMM
针对在数字电路故障诊断过程中存在的样本不平衡度严重的问题，采用层次式支持向量机实现对其故障诊断，通过考虑各类样本的数据量来构造以支持向量为叶节点的树，该方法可有效地解决样本不平衡所带来的问题，同时能够减少计算SVM分类器的个数，提高了训练和诊断速度及准确率。针对故障样本集不可能覆盖所有故障状态而出现的未知故障状态的问题，提出利用分类概率作为标准来判断样本是否为未知故障，实现了对未知故障的判定和对故障分类器的扩展。实验验证表明，本文提出的方法能够解决此类问题，取得较好的效果。
数字电路 故障诊断 层次式支持向量机 未知故障 digital circuit fault diagnosis hierarchical support vector machine unknown fault
