1、“.....从模拟的效果来看，当目标的机动性较大时，样条预测法的导引弹道也是比较弯曲的，有时会出现型扭动，原因是用三次样条来预测较远的目标点不太准确，导致了本方法的不稳定性。平行接近预测法由上所述，用样条预测离目标当前位置较远的点是不很准确的。为此，我们对预测法进行了改进，只预测目标离目标当前位置较近处的轨迹和速度，然后结合平行接近法思想进行目标导引，具体方法如下首先，用前面提到的样条来预测目标在,时刻的位置及速度向量，其中。为当前时刻，山为超前预测的时间段。令其中为权因子，般取。用取代目标当前的运动速度用平行接近法思想导引。即假设目标从开始以速度作匀速直线运动，用平行接近法计算瞬时相遇点，导弹就对准此瞬时相遇点飞行，并不断修正。在导引过程中，山可以随导弹到目标的距离乙的缩短而减小......”。

2、“.....即为比例系数，这样可以保证导弹击中目标。此方法的目标视线不再是平行移动了，而是预测点与导弹位置的连线与前次目标视线平行。此方法减少了预测法的不稳定性，导引弹道也较理想。从模拟的效果来看，追击时间明显短于追踪法，短于近法。六模型的评价与推广本文运用改进最近邻算法借助计算机编程，预测得到目标航迹的预测值，通过预测值与观测的比较找到比较合适的点迹，进而得到每个雷达所追踪的目标航迹。在航迹起始以及多目标跟踪时与传统方法相比有较大的优势，精确度更高。对不同雷达数据进行时间配准时采用最小二乘法的样条拟合算法，该算法计算简单，速度快。并对六个雷达站的相关数据进行观测精度分析，给出部分雷达站的平均误差。对于航迹融合的问题采用最大似然的航迹融合模型，它具有灵活简便,系统反应迅速的优点，为预测航迹奠定了基础。对于预测航迹的算法......”。

3、“.....推算结果更为准确，实时性高,符合当时航空器运行情况，推算形式灵活多样方法简便,易于实现。在运用改进最近邻算法并没有考虑到目标的运动方向与雷达扫描时的角度范围，会导致部分数据的误差偏大。在时间配准算法中，由于实际所给各雷达的数据量相差很大，采用将各个雷达测得的数据进行插值拟合会更加精确。本文提出的动态航迹推测算法，较好地解决了雷达航迹的算法并预测目标在短时间内的轨迹。保证了算法的准确度和可靠性，此种动态模型适用于军事航空航海等多传感器的实时融合。参考文献李晓峰,王强改进的最近邻航迹相关算法研究电子科技梁凯，潘泉，宋国明，张兴国，张震龙基于曲线拟合的多传感器时间对准方法研究火力与指挥控制杨汇源雷达组网多目标跟踪系统的设计与实现兵工自动化彭焱,徐毓,金宏斌多传感器数据融合系统中时间配准算法分析雷达与对抗聂莹，刘付显......”。

4、“.....孙文峰,王首勇,王超无源测向定位的平滑窗最大似然配准法空军雷达学院学报李志鹤利用改进组网雷达误差配准的算法南昌大学硕士学位论文，张永华，吕伟目标拦截的导引方法与仿真模拟浙江水利水电高等专科学校学报,姜启源,谢金星,叶俊数学模型,北京高等教育出版社,赵静,但琦数学建模与数学实验,北京高等教育出版社,附录附录雷达站点的误差分析记录号监测速度实际速度相对误差记录号监测速度实际速度相对误差当前记录自由点迹个,暂时航迹个,确定航迹个,合计其他程序见附件附录雷达站点的误差分析记录号监测速度实际速度绝对偏差记录号监测速度实际速度绝对偏差附录判定航迹相关的代码以下为主程序目标经度，目标纬度，经向速度，纬向速度，目标高度，时刻判定标识目标数,其中......”。

5、“.....其行列式不为,所以方程组的解存在且唯。对方程组求解,可得出递推公式其中。运用公式求,令,求出将所给参数代人即得所求的三次样条插值函数。经过样条插值拟合,可以得到条平滑曲线,由该曲线可以求得传感器在任意时刻的值。这时再和其他传感器进行时间对准,可以根据其他传感器的采样时刻,从本条曲线取出相应时刻的测量值,即可进行融合对准见问题四的处理。航迹插值图图来自站点的条航迹的插值图问题三的模型建立与求解为了研究雷达站雷达的观察精度，我们从研究误差开始，而研究误差就必然要对测量数据进行分析。本文要研究个雷达站雷达的观察精度，我们先研究个雷达的观察精度......”。

6、“.....设,为第个雷达测量到的数据，则是由许多个相互独立且同分布的随机变量合成，根据概率论的中心极限定理，可以近似用正态分布变量来描述，即,设第个雷达的实际计算值为,，与雷达的观测值类似，有,。由于精度与误差相对应，可用误差的大小表示精度的高低，用误差的分析来代替精度分析。系统误差与随机误差设，则是第个雷达测量值与观测值的差的随机变量。则也服从正态分布，即,，设,，则有,设，，根据概率理论有,，显然，是第个雷达测得的系统误差，它可以作为受检雷达系统误差的估计。是第个雷达测量的系统误差。六个雷达站的相对误差分析经过对数据的分析，并结合上述理论，我们确定选取速度和高度作为精度分析的主要指标......”。

7、“.....我们知道经向速度纬向速度和高度的观测值，但由于附件中所给的数据有限，所以无法对目标高度作误差分析。所以，我们最终把对雷达的精度分析转化为对经向速度纬向速度的误差分析。由于速度的可合成性，对经向速度纬向速度的误差分析又可以转化为对它们合速度的误差分析。根据球面两点距离公式可求得球面两点间距离。其中表示地球半径,的经纬度。假设它们的时间间隔为非常小的常数，由于经过的时间非常小，则我们可以近似的把球面距离看成两点之间的直线距离。由物理中的距离公式，可得。代入相关数据，可得出不同雷达不同航迹的实际合速度，再将这些合速度和原有的观测数据向比较。假设雷达航迹的观测值为，实际值为，我们取相对偏差，得到相应结果见表......”。

8、“.....所以相关具体的表格见附录。而几个主要结果下雷达站的监测速度的平均误差雷达站点的监测速度平均误差详细数据见附录雷达站点的监测速度平均绝对误差详细数据见附录。问题四的模型建立与求解基于最大似然的航迹融合模型在多传感器的系统中，要得到条与实际致的航迹，就必须对各传感器所探测的多条航迹进行数据融合，最终确定为条航迹。本文采用的方法是最大似然配准法。其基本思路是最大似然配准法是种能同时对多个相异雷达站的测向系统误差进行配准的批处理方法,虽然其前提条式中为常数,当接近时,亦可把看成常数。这样,在整个航线区间对上述各式进行积分,便得到等角航线和距离的计算公式同样计算出来的值应该按换算为千米数。计算时,要用弧度值表示,计算出的角要取其绝对值,且......”。

9、“.....可求出航线角。动态数据融合在预测过程中，雷达以定的时间间隔传输数据数据如目标经度目标纬度目标经向速度目标纬向速度目标高度等,获得当前观测目标的经纬度和速度信息,将当前观测目标位置作为新的起始航路点重新推算,同时更新之前的统计数据。这样,随着时间的推移,推算的结果就渐渐逼近真实结果,其中有雷达传输的数据观测目标过点时刻是精确的,在个雷达扫描点的观测目标的位置和时间可由航迹推测算法推算而得到。观测目标的飞行轨迹预测运用等角航迹公式,计算步骤如下。因为假设中设观测目标的航路为匀速飞行,所以是定值将代入式得到是确定值将代入式得到的具体确定值。以附件中的数据为例，我们对航迹用上述模型进行预测，其结果如表。从表的数据来看，本文所确定的航迹预测算法的误差控制在万分之二以内，预测精度比较高，具有定的实用性......”。