對空中來襲目標進行威脅估計是光電防御系統(tǒng)指揮決策活動中的重要環(huán)節(jié)，它是在目標識別的基礎上，通過對目標的定性定量分析而進行的綜合評價活動，為指揮員進行兵力部署和火力分配提供重要依據(jù)�，F(xiàn)代防空作戰(zhàn)環(huán)境要求目標威脅判斷準確實時，若判斷不準確，將導致目標分配失誤，影響防空作戰(zhàn)效能；判斷不迅速，就會貽誤戰(zhàn)機。本文針對威脅估計的特性，采用現(xiàn)代智能算法，重點研究了光電對抗武器攻防中威脅估計技術及算法，本文的主要工作如下：介紹了信息融合與威脅估計技術的基本理論和功能框架，對威脅估計技術的研究現(xiàn)狀進行了歸納總結，闡述了威脅等級排序的內容和處理步驟，結合項目，通過分析光電防御系統(tǒng)作戰(zhàn)過程，明確了系統(tǒng)決策的基本任務，并且由指揮控制系統(tǒng)功能，確定了輔助決策單元的內容。重點對威脅估計子模塊的設計進行了研究，分析了威脅要素的提取方法，確定了威脅排序算法的工作流程及排序準則。對經(jīng)典智能算法，如微分進化算法（DE）、生物地理學優(yōu)化算法（BBO）、粒子群算法（PSO）、布谷鳥搜索算法（CS）、蝙蝠算法（BA）和螢火蟲算法（FA），進行了深入的研究。在此基礎上，結合其它智能優(yōu)化技術，提出了DE/CS、HS/BA、MFA和... 

【文章來源】：中國科學院大學(中國科學院長春光學精密機械與物理研究所)吉林省

【文章頁數(shù)】：130 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
目錄
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
        1.2.3 威脅估計的主要技術
    1.3 主要研究內容和論文結構
        1.3.1 主要研究內容
        1.3.2 論文總體框架
第2章 威脅估計技術在光電防御系統(tǒng)中的應用研究
    2.1 引言
    2.2 信息融合與威脅估計
        2.2.1 信息融合技術
        2.2.2 威脅估計技術
    2.3 光電防御系統(tǒng)決策任務分析
    2.4 輔助決策算法在光電防御系統(tǒng)中的應用
        2.4.1 光電防御系統(tǒng)中指揮控制系統(tǒng)功能
        2.4.2 光電防御系統(tǒng)中指揮控制系統(tǒng)硬件組成
        2.4.3 光電防御系統(tǒng)輔助決策功能單元
    2.5 威脅估計技術在光電防御系統(tǒng)中應用研究
        2.5.1 威脅要素確定
        2.5.2 威脅排序算法
        2.5.3 威脅排序
    2.6 本章小結
第3章 智能計算算法研究
    3.1 引言
    3.2 群智能算法
        3.2.1 粒子群優(yōu)化算法(PSO)
        3.2.2 螢火蟲算法(FA)
        3.2.3 蝙蝠算法(BA)
        3.2.4 布谷鳥搜索算法(CS)
    3.3 進化計算算法
        3.3.1 微分進化算法(DE)
        3.3.2 生物地理學優(yōu)化算法(BBO)
    3.4 本章小結
第4章 基于 Elman_AdaBoost 強預測器的目標威脅估計
    4.1 引言
    4.2 Elman_AdaBoost
        4.2.1 AdaBoost
        4.2.2 Elman 神經(jīng)網(wǎng)絡
    4.3 Elman_AdaBoost 強預測器目標威脅估計
        4.3.1 Elman_AdaBoost 強預測器目標威脅估計模型
        4.3.2 Elman_AdaBoost 強預測器目標威脅估計算法
    4.4 實驗結果與分析
        4.4.1 數(shù)據(jù)預處理
        4.4.2 最優(yōu) Elman_AdaBoost 強預測器
        4.4.3 最優(yōu) Elman_AdaBoost 與 PSO_SVM、BP 比較
    4.5 本章小結
第5章 基于螢火蟲算法優(yōu)化 BP 神經(jīng)網(wǎng)絡的目標威脅估計
    5.1 引言
    5.2 基礎理論
        5.2.1 螢火蟲優(yōu)化(GSO)算法
        5.2.2 BP 神經(jīng)網(wǎng)絡
    5.3 基于 GSOBP 的目標威脅估計
        5.3.1 GSOBP 目標威脅估計模型
        5.3.2 GSOBP 目標威脅估計算法
    5.4 實驗結果與分析
        5.4.1 數(shù)據(jù)預處理
        5.4.2 仿真結果
    5.5 本章小結
第6章 基于小波神經(jīng)網(wǎng)絡的目標威脅估計
    6.1 引言
    6.2 MWFWNN 網(wǎng)絡
        6.2.1 小波理論
        6.2.2 小波神經(jīng)網(wǎng)絡
        6.2.3 MWFWNN 小波神經(jīng)網(wǎng)絡
    6.3 MWFWNN 網(wǎng)絡目標威脅估計
        6.3.1 基于 MWFWNN 網(wǎng)絡的目標威脅估計模型
        6.3.2 小波神經(jīng)網(wǎng)絡目標威脅估計算法
    6.4 模型仿真與驗證
        6.4.1 小波基函數(shù)庫的創(chuàng)建
        6.4.2 MWFWNN 網(wǎng)絡與 WNN、PSO_SVM、BP 比較
    6.5 本章小結
第7章 總結與展望
    7.1 本文工作總結
    7.2 論文創(chuàng)新點
    7.3 未來工作展望
參考文獻
在學期間學術成果情況
指導教師及作者簡介
致謝


【參考文獻】：
期刊論文
[1]具有Lévy飛行特征的蝙蝠算法[J]. 劉長平,葉春明.  智能系統(tǒng)學報. 2013(03)
[2]新型元啟發(fā)式布谷鳥搜索算法[J]. 李煜,馬良.  系統(tǒng)工程. 2012(08)
[3]紅外魚眼系統(tǒng)下的多目標威脅評估研究[J]. 周玉龍,何永強,張維安.  光學學報. 2012(06)
[4]基于ElmanAdaBoost強預測器的目標威脅評估模型及算法[J]. 王改革,郭立紅,段紅,劉邏,王鶴淇.  電子學報. 2012(05)
[5]基于面向對象概率關系模型的威脅級別評估[J]. 姚臣,周銳,丁全心.  電光與控制. 2012(05)
[6]基于改進螢火蟲算法的動態(tài)自動聚集路徑規(guī)劃方法[J]. 劉鵬,劉弘,鄭向偉,丁艷輝.  計算機應用研究. 2011(11)
[7]基于核自組織映射-前饋神經(jīng)網(wǎng)絡的交通流短時預測[J]. 龔勃文,林賜云,李靜,楊兆升.  吉林大學學報(工學版). 2011(04)
[8]基于網(wǎng)絡聚類選擇的神經(jīng)網(wǎng)絡集成方法及應用[J]. 劉大有,張冬威,李妮婭,劉杰,金弟.  吉林大學學報(工學版). 2011(04)
[9]一種基于類Haar特征和改進AdaBoost分類器的車輛識別算法[J]. 文學志,方巍,鄭鈺輝.  電子學報. 2011(05)
[10]裝甲目標威脅評估智能計算方法研究[J]. 樊勝利,柏彥奇,李保國.  裝備指揮技術學院學報. 2011(02)

博士論文
[1]基于直覺模糊推理的態(tài)勢與威脅評估研究[D]. 雷英杰.西安電子科技大學 2005

碩士論文
[1]基于多目標粒子群算法的智能組卷研究[D]. 段紅.東北師范大學 2013



本文編號：3631069