步枪射击瞄准位置校正研究

发布时间：2024-03-10 10:48

　　步枪射击是军队、武警、公安训练的必训内容,也是训练的艰难险课目之一。目前射击手主要是依靠经验和自己的判断进行瞄准射击,有个别国家利用单一的传感器来检测射击手周围的环境从而判断射击位置,影响射击手瞄准位置的因素很多,影响子弹飞行的主要是风速风向、温度、湿度和气压,而且如果使用单一的传感器检测一种环境参数很难让射击手做到首发命中,所以采用多传感器测量环境参数,然后把检测到的数据进行处理,考虑到多传感器在检测环境中的环境参数有虚假噪声的存在,然而对这些环境参数进行处理时并不能消除这些噪声。针对上述问题,本文为了消除多传感器在检测射击手周围环境参数时所产生的虚假噪声,更准确利用检测到的参数,从而对位移进行准确的融合。本文首先研究了步枪射击瞄准校正的原理,提出了融合面临的问题和融合方法,在对融合估计理论深入研究的基础上,通过两个方面研究射击手在射击时瞄准位置的位移融合问题。一方面针对现有的加权融合算法中的不足,提出了改进的加权融合方法,并应用此方法对一个射击手瞄准位置的位移进行融合；另一方面,首先以经典的kalman滤波算法为基础研究了集中式(kalman)滤波算法、联邦(kalman)滤波算法...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 多传感器数据融合理论的提出以及应用在步枪射击中的意义
    1.2 论文主要工作和章节安排
第二章 步枪射击瞄准位置校正原理
    2.1 瞄准位置偏移位移产生的原因
    2.2 风速对瞄准位置的影响
        2.2.1 风参数的检测
        2.2.2 对风参数的处理模型
    2.3 空气阻力对瞄准位置的影响
        2.3.1 温度和湿度参数的检测
        2.3.2 气压参数的检测
        2.3.3 对温度、湿度和压强参数的处理模型
    2.4 地心引力对子弹偏移位移的影响
    2.5 本章小结
第三章 多传感器数据融合估计基本理论
    3.1 融合估计理论的发展
    3.2 最优估计法
        3.2.1 建立最小二乘估计模型
        3.2.2 加权最小二乘估计模型的建立
        3.2.3 最小方差估计模型的建立
        3.2.4 线性最小方差估计模型的建立
        3.2.5 比较上述最优估计的优缺点
    3.3 本章小结多传感器数据融合理论
第四章 多传感器加权融合方法的研究
    4.1 加权平均融合方法
        4.1.1 权值的最优分配
        4.1.2 融合精度分析
    4.2 动态权值加权融合方法
    4.3 序贯动态权值加权融合方法
        4.3.1 动态加权融合和序贯动态加权融合的融合精度分析
    4.4 实测数据分析
    4.5 本章小结
第五章 多传感器融合估计算法的研究
    5.1 经典的卡尔曼滤波算法
        5.1.1 离散型卡尔曼(kalman)滤波算法
        5.1.2 卡尔曼(kalman)滤波初始值的选取
    5.2 多传感器集中式卡尔曼(kalman)滤波数据融合
    5.3 多传感器联邦卡尔曼(kalman)滤波信息融合
    5.4 多传感器自适应卡尔曼(kalman)滤波信息融合
    5.5 仿真实验与结果分析
    5.6 多传感器数据融合在射击手射击瞄准位置校正仿真
        5.6.1 射击手瞄准位置变化运动模型的建立
        5.6.2 实例验证
    5.7 本章小结
第六章 总结与展望
    6.1 论文总结
    6.2 本文存在不足和展望
致谢
参考文献
附录 攻读硕士学位期间发表论文与参与课题



本文编号：3924681