智能空戰對抗訓練關鍵技術研究

王棟，1978年出生，副教授，碩士。
多次承擔重大科研項目，多次獲獎、三等功。
負責講授碩士研究生和本科生課程有：網絡技術與應用、計算機硬件基礎、訓練評估等課程。
公開出版專著教材5部，發表論文43篇。

目 錄／Contents
第一部分 空戰對抗過程中態勢評估研究
第1章 空戰對抗過程中態勢評估研究概述 2
1．1 研究背景及意義 3
1．2 研究現狀 5

第2章 單機作戰下的態勢評估體系 7
2．1 空戰對抗態勢因素構成 8
2．2 空戰態勢優勢函數構建 10
2．2．1 角度態勢優勢函數 10
2．2．2 速度態勢優勢函數 13
2．2．3 高度態勢優勢函數 14
2．2．4 距離態勢優勢函數 14
2．3 綜合空戰態勢函數權重的確定 16
2．3．1 層次分析法 16
2．3．2 綜合態勢函數權重計算 19

第3章 基於特徵提取的動態態勢評估 22
3．1 特徵提取 23
3．2 貝葉斯網絡 24
3．3 基於特徵提取的動態態勢評估函數構建 29
3．3．1 態勢類型的確定 30
3．3．2 動態權重的確定 33

第4章 仿真分析 35
4．1 靜態分析 37
4．2 動態分析 43
本部分總結 44
參考文獻 46

第二部分 空戰對抗訓練過程中飛機機動動作識別研究
第5章 空戰對抗訓練過程中飛機機動動作識別研究概述 50
5．1 研究背景及意義 51
5．2 機動動作識別研究現狀 52

第6章 典型飛機機動動作及其分類 55
6．1 基礎機動動作 56
6．2 組合機動動作 57
6．3 筋斗類機動動作 58

第7章 飛行參數選擇及預處理 62
7．1 飛機參考坐標系 63
7．2 機動動作參數選擇 65
7．3 飛行數據預處理 68

第8章 基於先驗知識的飛機機動動作識別 71
8．1 基於先驗知識的機動動作識別方法 72
8．2 基於先驗知識的飛機機動動作識別方法的改進 74
8．2．1 機動狀態牽引思路 74
8．2．2 分層識別飛行動作方法 76
8．3 實驗結果與分析 85
本部分總結 93
參考文獻 94

第三部分 多機協同空戰決策關鍵技術研究
第9章 多機協同空戰決策關鍵技術研究概述 98
9．1 研究背景及意義 99
9．1．1 研究背景 99
9．1．2 研究意義 100
9．2 國內外研究現狀 101
9．2．1 目標威脅評估研究現狀 101
9．2．2 協同目標分配研究現狀 103
9．2．3 協同空戰機動決策研究現狀 105

第10章 基於改進CRITIC-LRA法和前景理論的空戰威脅評估 107
10．1 建立空戰威脅評估指標體系 108
10．2 基於改進CRITIC-LRA法和灰色TOPSIS理論的空戰威脅評估 111
10．2．1 改進CRITIC法介紹 111
10．2．2 基於一階LRA的指標權重修正 114
10．2．3 灰色TOPSIS理論 115
10．2．4 基於改進CRITIC-LRA法和灰色TOPSIS理論的空戰威脅評估模型 117
10．2．5 仿真分析 118
10．3 基於改進CRITIC-LRA法和前景理論的空戰威脅評估模型 124
10．3．1 前景理論介紹 124
10．3．2 基於改進CRITIC-LRA法和前景理論的空戰威脅評估模型的構建 127
10．3．3 仿真分析 129

第11章 多機協同空戰目標分配研究 138
11．1 敵方機群分組 139
11．1．1 基於模糊c均值聚類的敵方機群分組 140
11．1．2 仿真分析 142
11．2 我方機群分組 144
11．2．1 我方機群分組策略模型建立 144
11．2．2 遺傳模擬退火算法（GSA） 147
11．2．3 仿真分析 152
11．3 編隊內協同目標分配 156
11．3．1 建立編隊內協同目標分配模型 156
11．3．2 改進多種群人工免疫算法 162
11．3．3 仿真分析 168

第12章 基於群決策理論的協同空戰機動決策研究 176
12．1 空戰機動基本動作庫模型 177
12．2 基於群決策理論的多機協同空戰機動決策 180
12．2．1 多機協同空戰群決策成員和候選方案 180
12．2．2 機動策略的偏好排序 180
12．2．3 基於序數類方法的偏好集結 182
12．3 改進MGM(1， N) 軌跡預測模型 183
12．3．1 傳統MGM(1， N ) 軌跡預測模型 183
12．3．2 基於背景值優化的MGM(1， N ) 軌跡預測模型 185
12．4 多機協同空戰決策流程 187
12．5 仿真分析 188
本部分總結 192
參考文獻 195

附錄A 204
A． 1 數據預處理 205
A． 2 識別程序 206
A． 2．1 筋斗類機動動作識別 206
A． 2．2 轉彎類機動動作識別 210
A． 2．3 帶滾轉特徵的轉彎數據段處理 214
A． 2．4 爬升/俯衝類機動動作識別 221
A． 2．5 掐頭去尾並延展 224
A． 2．6 整理識別組合機動動作，並輸出最終識別結果 229