| 主权项 |
一种面向临近空间的智能目标发生方法，其特征在于，包括如下步骤：步骤1、加载二维地图信息，并在二维地图上随机选择目标的起点和终点，确定所需生成的目标的数量以及类型；步骤2、根据所需生成的目标的数量以及类型创建三维目标模型，同时将二维地图信息以纹理的形式加载到球体表面创建环境模型，并根据需要在环境模型中添加雷达；步骤3、根据所述步骤1中确定的所需生成的目标的数量及类型，根据各类型的目标在临近空间中的飞行作用，对三维目标模型进行参数设置；加载所述三维目标模型以及目标环境模型并进行渲染形成三维视景；步骤4、对三维目标模型进行智能目标最优路径规划，过程如下：在所述目标的起点和终点之间随机选择n条可行路径，每一条可行路径作为一个粒子，建立粒子群，所述可行路径由散点组成，初始化每个粒子的速度与位置，设定迭代次数，以粒子群优化算法PSO进行粒子的迭代搜索；迭代搜索进行至设定的迭代次数之后或者满足迭代要求之后，获得最终的优化结果对应的可行路径，该可行路径即为最优路径；所述PSO的适应度函数为：J＝∑(w<sub>1</sub>T+w<sub>2</sub>M+w<sub>3</sub>H+w<sub>4</sub>N+w<sub>5</sub>P),则在迭代搜索的过程中，每一次迭代均需要计算出每个粒子的适应度函数；对于一个可行路径中每一个散点，T为环境模型中的雷达探测到该散点的概率；M为该散点处实时的气象信息；H为该散点处目标的高度；N代表该散点在其所在可行路径中的编号；P为目标的最小转弯半径；w<sub>1</sub>、w<sub>2</sub>、w<sub>3</sub>、w<sub>4</sub>、w<sub>5</sub>为常数，分别为T、M、H、N、P的权重，根据实际的需求设定权重值；步骤5，所述三维目标模型根据所述步骤4获得的最优路径进行目标发生仿真。 |
