朱沛
- 作品数：7 被引量：18H指数：2
- 供职机构：空军预警学院更多>>
- 相关领域：电子电信更多>>
- 目标转弯机动对雷达跟踪性能影响分析
- 2019年
- 以目标机动和雷达跟踪的动态对抗为研究背景,针对雷达常采用的Singer、CS机动模型以及目标常用的水平转弯机动,分析了跟踪模型中不同参数条件下目标机动对雷达跟踪质量的影响,根据分析结果提出了目标摆脱雷达跟踪的最佳规避策略。该研究为战斗机采取规避机动、完成突防作战行动提供了理论依据。
- 韩伟朱沛唐朝陈朝
- 关键词：雷达跟踪规避策略
- 基于改进灰色预测模型的雷达备件消耗预测被引量：9
- 2015年
- 准确预测备件需求对于保持雷达设备可用性及保持合理库存具有重要意义,论文基于灰色预测法,结合装备使用的实际情况,分析影响雷达备件消耗数据波动的主要指标及其变化情况,应用粗糙集理论和层次分析法,计算各指标影响备件消耗数据波动的权重;并结合各指标值的年度波动情况,在GM(1,1)预测模型中添加修正因子,提出一种改进的GM(1,1)预测模型,通过修正因子修正灰预测结果,提高预测精度。最后通过实例验证了改进模型的有效性。
- 徐飞杨士英魏祥生朱沛
- 关键词：修正因子粗糙集
- 士官学员雷达装备信息化教学中的问题与对策
- 2018年
- 为进一步提高我校士官学员雷达装备信息化教学的效率和质量,在详细分析了当前装备教学中存在问题的基础上,结合我校信息化教学和教学信息化建设的实际情况,给出了实用对策,为正在进行的教学模式、内容、方法、平台、教员能力、评价等改革,提供一点参考。
- 蔡万勇徐颖鑫王昫朱沛
- 关键词：雷达装备信息化教学士官学员
- 一种基于多重次自适应因子的强跟踪UKF算法被引量：1
- 2023年
- 针对强跟踪UKF算法存在自适应因子调节单一、难以准确调节多维的系统变量对不准确系统模型和噪声自适应调节能力不够的问题,提出了一种基于多重次自适应因子的强跟踪UKF(MST-UKF)算法.首先解析了强跟踪UKF的本质原理;其次提出在状态噪声协方差和观测噪声协方差前各引入多重次自适应因子对角矩阵对其进行自适应调节,并对其计算方法进行了设计;最后分别针对系统模型、噪声不准确情况下的目标进行跟踪仿真.仿真结果表明,MST-UKF算法能自适应直接调节噪声协方差,以此应对系统模型的不匹配、状态噪声的不准确性以及观测噪声的不准确性,实现了对复杂条件下目标的良好跟踪.
- 叶泽浩朱沛陈琳张达钊
- 关键词：自适应目标跟踪
- 多普勒盲区条件下的交互式多模型粒子滤波算法被引量：2
- 2019年
- 机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标航迹暂消和重起批甚至断批。针对多普勒盲区条件下的目标连续跟踪问题,提出了一种基于交互式多模型的盲区粒子滤波(Interacting Multiple Model-Blind Doppler Particle Filtering, IMM-BDPF)算法。该算法将多普勒盲区的先验信息并入到IMM-PF中,在模型集中的每个运动模型上分别完成盲区粒子滤波,再进行交互式处理,得到盲区内的目标状态估计值。仿真结果表明该算法对盲区内做机动的目标具有较高的状态估计精度,解决了多普勒盲区条件下的机动目标连续跟踪问题。
- 韩伟何成伟朱沛
- 关键词：交互式多模型粒子滤波
- 停产雷达装备器材保障的风险评估方法被引量：2
- 2015年
- 为了全面评估停产雷达装备器材保障风险,给风险规避提供依据,从分析停产雷达装备器材保障风险因素入手,提出了一种基于改进风险矩阵法和层次分析法相结合的风险评估方法.该方法使用改进风险矩阵算法对二级风险指标进行评估,然后使用层次分析法逐级分析上层风险指标的风险等级,最终得出器材保障风险的综合量化值.应用实例证明了该方法的有效性.
- 刘建卫朱沛杨士英张朝伟
- 关键词：风险矩阵器材保障风险评估
- 一种改进的强跟踪UKF及其在目标跟踪中的应用被引量：5
- 2022年
- 针对无迹卡尔曼滤波(UKF)算法缺乏对系统模型和噪声不准确等情况时的自适应调整能力导致滤波精度下降甚至发散的问题,提出了一种改进的强跟踪UKF滤波算法(IST-UKF).首先,结合UKF算法以及强跟踪滤波原理,阐明了强跟踪UKF成立的充分条件.其次,在此基础上,提出在向前一步预测协方差矩阵中引入两个多重次自适应因子,并分别设计了其计算方法.最后,将该算法应用于目标跟踪中,并与强跟踪UKF算法(ST-UKF)以及UKF算法进行仿真对比.仿真结果表明,IST-UKF算法不仅具有强跟踪能力,还能对过程噪声进行自适应调整,实现了对目标的良好跟踪;并且当初始过程噪声设置较大时,更有利于IST-UKF算法的发挥.
- 叶泽浩晏凯宋亚伟朱沛
- 关键词：无迹卡尔曼滤波自适应目标跟踪
