针对时变二次规划问题的离散时间归零神经网络求解模型中差分运算引入的噪声放大的问题，提出一种鲁棒的离散时间归零神经网络求解模型。首先，借助多项式预测滤波器，为差分运算建立状态空间模型。然后，利用对观测噪声鲁棒的卡尔曼滤波器，给出鲁棒微分器。当用该鲁棒微分器替代求解模型中的差分运算时，含噪观测对其影响在最大后验概率的意义下最小化。最后，通过仿真实验，验证了所提方法在性能上优于现有的离散时间归零神经网络求解模型，特别是在存在观测噪声条件下。

针对特定辐射源识别（specific emitter identification，SEI）算法在复杂多变的电磁环境中识别率低的问题，提出一种基于自适应小波分解和轻量化网络架构的SEI算法。首先，设计自适应小波分解的预处理方法，确定每个信号样本的最优小波系数。然后，设计特征拼接算法综合所有信号样本的最优系数，构建辐射源个体的特征表示。最后，设计一种轻量高效的网络模型，引入倒置残差模块和多头注意力机制，提取更具可分性的细微特征。在3种不同数据集上识别率分别为99.6%、99.31%和98.8%，该结果表明所提算法相较于其他识别算法有着更高的识别率。在高斯白噪声和典型多径衰落信道环境中，所提算法仍可以进行有效识别，展现出优异的鲁棒性。

针对运动目标参数估计精度较低且运算量较大的问题，提出一种基于分数阶傅里叶变换的目标参数联合快速估计算法。该算法利用线性调频信号在分数域能量分布的聚焦特性，采用分数域滤波方法分离出感兴趣的目标信号，从而避免强干扰目标的影响；通过分析分数域内目标回波的能量分布与目标参数的关系，采用四阶分数谱原点矩的思想实现对最优旋转阶数的精细搜索。仿真与实验处理结果证明，所提方法兼具计算速度与估计精度的优势，在抑制强干扰的同时使得参数估计误差更小，可提高对水下运动小目标探测的准确性。

针对未知重尾噪声统计特性的目标跟踪问题，提出基于伽马学生t分布逆威舍特的轨迹泊松多伯努利混合（trajectory Poisson multi-Bernoulli mixture，TPMBM）滤波算法。该算法利用学生t分布和逆威舍特分布对噪声和扩展目标扩展状态进行建模，并将多元多重滤波器（multivariate multiple filter，MMF）嵌入到TPMBM滤波器中以估计新息特征、自适应调整噪声自由度和尺度矩阵；并采用多窗口融合技术进一步提高MMF的自适应估计能力。仿真结果表明，与现有算法相比所提算法的跟踪精度、质心误差和交并比（intersection over union，IOU）形状拟合度均表现最佳，质心误差降低了15%，IOU形状拟合度提升了10%。 在重尾噪声环境下具有更高的估计精度和鲁棒性。

针对分布式多目标跟踪系统的最大关联方法没有充分利用航迹关联的全局信息，在不确定性较大的情况下存在失效风险问题，基于证据推理的思想提出基于证据推理的航迹关联检验判决方法，用于处理不确定性较大的航迹关联判决问题。利用该方法对模糊综合决策航迹关联算法和灰色航迹关联算法进行改进，并在编队目标环境下对改进前后算法进行对比仿真，分析改进算法的收敛性和有效性。同时，对算法复杂度进行仿真分析，改进算法在保持O(n²)复杂度的情况下，关联效果逼近O(n³)复杂度的算法。仿真结果表明，改进算法体现了较好的效费比，具备在大量集群目标航迹关联问题中应用的潜力，且随着复杂度增加，改进效果更显著。

在航迹随机有限集的分布式多目标跟踪方法中，同一目标在不同传感器下估计航迹可能出现起始时间或航迹长度不一致的问题，提出一种基于航迹状态空间结构（state space structure，SSS）的分布式跟踪方法以及该方法的高斯混合模型实现。在基于加权算术平均融合准则的分布式多目标跟踪框架下，结合航迹概率假设密度滤波器与航迹基数概率假设密度滤波器，利用航迹SSS信息，将航迹随机有限集的信息融合问题分治为多个独立的单一线性空间内子随机有限集信息融合问题。仿真实验基于广义最优子模式匹配度量方法比较了该方法与多种跟踪方法的跟踪性能，该方法估计结果与真实航迹误差最小，表明了该方法的有效性。

为了更好探测识别与跟踪空飘球，考虑到空飘球运动与环境风的高度相关性，综合应用雷达探测定位、风场反演技术提出一种预测空飘球轨迹并判断其载荷的方法。基于当下主流的速度平面处理方法提出双体积单元风场反演方案。方案中，通过建立空飘球流体力学分析下的动力学模型实现空飘球在空轨迹的预测；引入轨迹惯性度（degree of inertia，DOI）和质阻比计算空飘球空载状态下理论轨迹与实际轨迹的差异，分析其自身空飘属性与携带载荷状况。通过仿真实验验证所提方法，结果表明所提风场反演方法各方向风场反演平均绝对误差在0.1以下，轨迹预测误差小于0.162，且在随机观测误差下展现了较好的鲁棒性；通过DOI值能有效判断空飘球带载有无的情况且判断结果受风场观测误差影响较小，相较于空载状态，载荷质量增加1%时DOI值增加16倍，并能较好表现空飘球与载荷之间的质量分布关系，且当载荷质量占比7%以上时DOI判据更为有效；同时通过DOI值能用于判断空飘球是否具备自主动力，根据仿真结果可以认为DOI值大于202，表明空飘球可能具备自主动力。

针对合成孔径雷达（synthetic aperture radar, SAR）飞机目标识别网络消耗部署资源大的问题，提出一种基于轻量级交叉注意力卷积神经网络（lightweight cross-attention convolutional neural network, LCA-CNN）的SAR飞机目标识别方法。一方面，通过交叉注意力机制对目标进行特征提取，使得网络能够更高效地从样本中学习到关键的分类表征，提升飞机细粒度识别的准确率。另一方面，只利用卷积层和注意力模块，从而大幅降低网络的整体参数量。在SAR-AIRcraft-1.0数据集上的对比实验表明：与其他经典的深度学习SAR图像识别算法方法相比，所提方法在更少参数条件下可实现更高的平均识别准确率。

针对雷达多普勒盲区、低检测概率、弱小慢目标等因素导致的航迹破裂问题，提出一种联合雷达与光电设备的破裂航迹关联方法。首先，由于空间坐标变换会导致各传感器的误差分布发生变化，推导雷达与光电设备量测信息的坐标变换误差的均值与协方差矩阵。其次，在所提的多维分配算法中同时考虑航迹运动特性与异源传感器的量测信息，以实现破裂航迹的重新关联。最后，按照破裂航迹关联结果构建状态模型集，并将之带入到异源融合序贯滤波模块，实现重连航迹的跟踪。所提方法能够显著提高航迹的稳定性与跟踪精度。

弹道导弹目标分类识别是导弹防御系统的核心问题之一，具有重要的军事价值。首先，从装备发展角度对世界上主要国家的弹道导弹防御系统及其典型雷达装备进行简要概述。在此基础上，进一步从技术角度对基于传统方法的弹道导弹目标分类识别和基于深度学习方法的弹道导弹目标分类识别进行梳理总结。最后，对弹道导弹雷达目标识别的发展方向进行展望，为后续研究提供参考和借鉴。

在极化合成孔径雷达（synthetic aperture radar, SAR）图像的引导滤波降噪算法中，常见的方法都引入了非线性核函数，而忽略了优化引导图像的构造方法。对此，提出一种基于梯度融合的极化SAR引导滤波算法进行舰船数据降噪。对比不同梯度计算方法，利用优化后的似然比梯度获取舰船边缘梯度图像，通过图像二值化以及形态学操作获取到梯度信息和强度信息的融合图像，并将其作为引导图像对原极化SAR数据进行引导滤波。通过多幅SAR图像引导滤波降噪实验证明，所提算法能够解决SAR领域现有引导滤波中非线性核函数降噪效果不佳问题，其目测结果和数值指标优于改进Lee滤波以及非线性核函数引导滤波算法。

针对临近空间高速机动平台合成孔径雷达（synthetic aperture radar，SAR）远距离成像时天线俯仰向波束覆盖地面场景范围大、方位向信号多普勒带宽较大，存在脉冲重复频率（pulse repetition frequency，PRF）难以设计的问题，结合工程应用需求将天线波束覆盖区域距离模糊约束和方位模糊约束条件放宽为SAR成像区域距离向回波与方位向多普勒频谱不模糊，基于此分别提出PRF上限值与下限值改进设计方法。仿真结果表明，在机动平台高速运动前斜视聚束SAR成像时所提方法能有效扩展PRF选择范围。所提改进方法能够更好地满足实际工程应用。

雷达系统的时序被分成固定的相参处理间隔(coherent processing interval, CPI)，只有接收完整个CPI内的回波数据，才能应用Radon傅里叶变换(Radon-Fourier transform，RFT)方法实现相参积累，导致系统的处理延时至少是一个CPI的长度。对此，提出一种预置运动目标显示(pre-moving target indication，Pre-MTI)的递归RFT方法，突破RFT方法需要一个整个CPI回波数据的限制。每接收一次回波数据即可实施相参积累，理论上系统处理延时最短到与雷达工作重复周期相当。本文对算法的相参积累增益、相参积累时间和改善因子进行理论分析，给出相应的解析推导。仿真结果表明，通过Pre-MTI处理能够有效抑制杂波，递归RFT变换方法能够对运动目标回波实现有效积累，信噪比和速度分辨率随着递归的脉冲个数增加而增加。通过递归RFT变换方法实线相参积累的系统延时降低，理论上最短延时可达雷达重复周期。

针对Gappy 本征正交分解（proper orthogonal decomposition, POD）方法在有限传感器布局优化中基于条件数准则选点效率低的问题，提出一种相关系数过滤法，以提高选点效率和重构精度。该方法基于全局相关性最大化假设，通过相关系数矩阵筛选最优测点位置，并引入相关程度期望系数和余点数作为关键参数。在一维伯格斯方程和二维方腔顶盖驱动流算例中进行仿真实验，比较不同相关程度期望系数和余点数对Gappy POD重构精度的影响。结果表明，所提方法在保证重构精度的同时减少传感器数量，并在效率和精度上优于条件数准则和遗传算法等传统方法。所提方法在稀疏传感器布局优化中具有较高的应用价值，可为复杂系统流场重构提供高效选点策略。

针对点群、大区域等新型复杂目标的成像需求，为提高卫星资源的利用效率和观测任务的完成收益，研究面向点群与大区域目标的成像卫星任务规划模型与算法。首先，构建统一的决策模型，引入条带延长率作为决策变量解决点群目标合并成像表示的问题；考虑执行时序、电量、固存、转换时间等约束；针对目标特点，分别建立基于条带延长率、网格覆盖率的任务收益模型。然后，设计实现一种结合禁忌策略的自适应波动温控模拟退火算法，通过波动温控和内循环次数更新策略提升全局寻优能力，并引入禁忌策略增强局部搜索能力，提供自适应和高效智能的模型求解手段。仿真实验表明模型与算法能够有效提升规划效果。所提模型与算法适用于面向点群与大区域目标的成像卫星任务规划问题。

针对固定翼灭火机投水时投放高度和投放速度缺乏选取指导的问题，以着水区域的有效覆盖区域面积最大为优化目标，提出一种基于改进禁忌搜索算法的投放条件快速求解方法。首先，应用基于牛顿迭代的最小二乘法处理飞行试验数据，建立着水区域轮廓拟合模型，并进一步依据水体散布规律，根据投放约束参数生成数据集，采用反向传播（back propagation，BP）神经网络拟合补偿系数，建立着水区域厚度分布解算模型，完成投放条件解算问题的数学模型确立。然后，应用初始解生成策略、记忆化搜索策略和邻域解自适应搜索策略改进禁忌搜索算法，并通过低精度解算和高精度解算两个阶段完成投放条件解算。最后，通过仿真实验对所提方法进行验证，该方法不仅具有较高的求解精度，同时还具有较快的求解速度。仿真结果表明，所提算法能够有效解决固定翼灭火机投水时投放高度和投放速度缺乏选取指导的问题。

针对无人艇在应对海上突发事件中蓝方目标入侵问题，提出一种基于对抗进化强化学习算法的追逃框架。为提高追捕效果和泛化性能，红方无人艇与蓝方逃逸目标均采用强化学习方法来增加策略的多样性，通过双方的迭代对抗进化使追捕团队性能提高。对于追捕团体，考虑到任务执行过程中可能会出现个体损毁或油量耗尽等情况，采用多智能体毁后信用分配算法，并引入残差连接嵌入式长短时记忆网络以改进策略网络，同时利用岛礁等障碍物辅助提高无人艇围捕效率。仿真结果表明，对抗进化迭代训练框架能有效实现追逃双方的共同进步，且改进强化学习算法的稳定性和收敛效果相对较强。本文方法在应对多无人艇追捕问题时，具备更高的智能性与更强的灵活性，围捕效果显著提升。

针对现代战争中无人机（unmanned aerial vehicle，UAV）集群在多元威胁环境下的航迹规划及平台安全问题，提出UAV集群隐身航迹规划算法。首先，建立多元威胁环境模型。然后，结合UAV雷达散射截面设计考虑UAV航程、组网雷达探测概率、高射炮威胁概率的集群隐身航迹规划综合代价函数。在此基础上，以最小化UAV集群综合代价函数为优化目标，以满足航迹可行性判定及UAV集群动力学限制为约束条件，构建多元威胁环境下UAV集群隐身航迹规划优化模型。最后，采用改进A*算法对上述优化模型进行求解。仿真结果表明，与现有算法相比所提算法能够在保证各UAV航迹可行性及其动力学性能约束的条件下，有效降低UAV集群综合代价。所提算法能够达到提升集群航迹隐身性能的目的。

为准确描述舰船装备保障体系结构特征并分析其功能与抗毁性，构建基于维修网络和储供网络的相依网络模型。结合舰船维修保障需求，归纳出6种典型的保障样式，并采用任务连通子图描述每种保障样式在相依网络中的结构特征。在此基础上，提出基于混合分配策略的级联失效模型与考虑节点承载保障任务重要性差异的节点重要度评估指标，并提出将剩余任务连通子图比例作为网络抗毁性的评估指标。仿真结果表明，任务重要度指标能准确识别网络中的重要节点。与传统抗毁性指标相比，剩余任务连通子图比例对因节点失效导致的舰船装备保障体系抗毁性变化敏感度更高。

针对无人机（unmanned aerial vehicle，UAV）超视距空战机动决策复杂度高、时效性强的问题，提出基于深度强化学习的分层决策算法。首先，根据超视距空战的战术特点，对UAV的态势判断、状态转移、胜负判定等过程进行建模，搭建空战仿真环境。其次，对深度强化学习网络模型进行构建，引入分层决策机制，使用蚁群算法作为目标网络Q值估计的启发式因子。仿真验证表明，所提算法可以使UAV根据态势变化及时采取机动策略，且策略输出和机动指令输出较为稳定，决策效率较高。所提算法可在拓宽UAV战术样式的基础上降低网络的学习难度，提升决策质量。

针对乘法合成法、加法合成法等赋权方法存在的主客观片面化、权重赋值关联性大、主观咨询约束缺乏等问题，提出一种主观咨询约束下主客观一体化赋权优化方法。分析主观约束类型与约束形态内涵，建立调节因子主观咨询约束模型，基于主成分分析（principal component analysis，PCA）法、逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）、遗传算法（genetic algorithm，GA）等思想，设计调节因子种群适应度。相较于乘法合成法和加法合成法，所提方法计算的指标权重冗余度最大降低29.1%，准确度最大提高66.6%。所提方法赋权结果更好，同时具有更高的扩展性。

针对空地导弹打击装甲类目标时导引头方案优选问题，提出离差最大化准则下的多目标多属性最优组合赋权和云模型的多模复合导引头方案评估和优选方法。通过分析导弹总体对导引头的使用需求，构建多模复合导引头方案评估指标层次模型；运用离差最大化的方法对3种评价方法所得权重系数进行最优组合；利用浮动云算法和最优权重得到综合评价云，结合建立的基准评价云图，得到方案评估和优选结果。4种复合导引头方案优选结果表明，所提方法能够对方案进行量化评估。所提方法为导引头方案评估和优选提供依据。

针对航空保障活动机务人员行为评价中的认知不确定性量化问题，以不确定理论为基础，建立机务人员行为不确定性评价框架，明确感知类、决策类、执行类行为的评价模型。基于航空保障活动人机交互的特点，提出基于不确定随机Bow-tie模型的场景解构方法及其不确定性传播计算方法。作战飞机武器挂装过程的事故分析结果表明增加内埋武器舱门保险装置、安排机务人员在舱外观察可降低灾难性事故发生概率。所提方法在航空保障人因风险评估具备有效性。

针对空间碎片环境长期演化计算中速度和精度难以兼容的问题，提出使用一种半分析方法进行长期轨道预报。对半分析法预报精度和速度进行测试，与数值法相比，10年内低轨半长轴偏差小于7 km，预报耗时小于0.11%。为评估半分析法轨道预报的适用性，对有45年轨道数据的千余碎片进行预报，分析在轨碎片数量演化趋势。结果表明，截至2024年7月的碎片数量误差为2.4%。基于半分析法轨道预报，对空间物件长期演化模型（space object long-term evolution model, SOLEM）进行改进，并与国际典型模型进行对比，验证了改进模型的可信度较高。

针对存在输入时滞的多智能体系统（multi-agent system，MAS）滞后一致性问题，提出一种基于时基生成器（time base generator，TBG）的二阶MAS预设时间领导跟随滞后一致性控制方法，使得稳定时间与系统初始状态无关且可预先设定。首先，提出一种误差变换方法，将具有时滞的误差系统转换为无时滞误差系统。然后，利用TBG函数构造误差辅助变量并构造相应滑模面，进而设计预设时间控制器。同时，证明所设计控制器的预设时间稳定性。最后，通过数值仿真验证所提方法的可行性及有效性。仿真结果表明，MAS能够实现精确的预设时间滞后一致性。

巨星座给空间安全带来隐患，因此对巨星座卫星的状态进行态势感知尤为重要。采用小规模Walker-δ型感知星座，通过与巨星座卫星近距离掠飞实现侦察。在考虑姿态机动时间、载荷充放电等多约束情况下，提出一种基于滚动规划框架的分层式动态任务规划方法。初规划层基于并行规划原则和二进制鲸鱼优化算法（binary whale optimization algorithm，BWOA）对多星感知多目标问题进行规划；重归划层对初规划中无法被规划的任务采用贪婪动态调整策略；同时通过多滚动周期规划提高算法寻优质量。仿真结果表明，规划后感知星座能在12 h内完成对所研究的巨星座卫星的全面侦察，验证了所提方法的有效性。

为解决传统欠驱动船舶-无人机（underactuated surface vessel-unmanned aerial vehicle, USV-UAV）搜寻任务中机船位置固定的局限以及控制系统中存在的控制输入频繁抖振、模型非线性参数不确定等问题，提出一种基于异步搜寻制导的无人机船事件触发控制算法。首先，设计一种异步搜寻制导方法，利用L₁虚拟船舶（L₁-based virtual surface vessel，L₁VV）和L₁虚拟无人机（L₁-based virtual unmanned aerial vehicle，L₁VA）生成满足搜寻要求的制导路径。其次，在径向基函数神经网络（radius based function neural network，RBF-NN）基础上结合最小学习参数（minimal learning parameter，MLP）方法对系统未知模型参数的非线性项进行在线逼近并化简。在控制律的设计上，应用动态事件触发控制并结合干扰补偿机制以实现在满足精度的同时，降低控制输入的更新频率。最后，利用李雅普诺夫稳定性理论证明所提控制算法满足半全局一致最终有界稳定，并进一步在仿真实验中验证了所提算法的有效性。

北斗三号系统新增的B1C导航信号在捕获过程中存在码相位搜索时间长、匹配滤波器系数计算复杂度高、自相关函数具有多峰性等难点。针对高动态场景，使用短时相关匹配滤波器和快速傅里叶变换的结合信号捕获算法，同时对B1C信号进行数据折叠和自相关函数重构，简化匹配滤波器系数生成的复杂度，实现B1C信号的无模糊度快速捕获。实验结果表明，在满足高动态捕获需求的前提下，运算复杂度和捕获时间显著减少，检测概率最大提升32.4%，最大副峰值降低了约125倍。此外，该算法捕获的最小信号功率比天线最低接收功率小1.5 dB，具备一定抗热噪声能力。

无人机智能化协同截击博弈对抗是未来空战的重要作战场景。针对无人机协同战术截击问题，构建基于多智能体强化学习的战术截击决策框架。首先，对截击空战过程中相对态势几何关系进行分析。随后，根据截击空战态势威胁模型设置截击空战奖励函数。最后，设置无人机独立动作价值网络、编队联合动作价值网络和状态价值网络，以形成无人机协同截击战术生成最优截击策略，并引入截击线评估该截击策略的有效性。仿真结果表明，面对动态博弈条件下的多目标拦截任务，该框架能自主进行拦截目标分配并且形成智能协同截击战术。

针对当前辐射源个体识别方法在小样本条件下容易过学习、识别准确率低的问题，提出一种基于信号递归图和卷积宽度学习的小样本辐射源个体识别方法。该方法将辐射源信号转换为递归图作为宽度学习网络的输入，将辐射源数据时序特征转化为图像空间特征；此外，提出一种卷积宽度学习网络，将宽度学习中特征节点的计算方式由矩阵乘法替换为卷积运算，通过稀疏连接和权值共享减少模型参数数量，从而减轻模型过拟合风险。通过对公开数据集实验，验证了所提算法在少量训练样本数量条件下相较于其他算法有更好的识别性能。

在IEEE 802.11p标准下，传统的数据导频辅助（data-pilot aided, DPA）估计器难以有效追踪时变信道，尽管基于深度学习的估计算法得到广泛研究，但通常面临复杂度高或性能不佳的问题。基于此，提出了一种低复杂度的信道估计方案，通过结合时域采样、门控循环单元（gated recurrent unit, GRU）和变系数时间平均方法，有效降低复杂度并提高性能。仿真结果表明，该算法在性能和复杂度上均优于对比算法。

针对 MD（Merkle-Damgard）哈希结构在量子环境下的安全性问题，提出BHT（Brassard-H?yer-Tapp）量子算法、 CNS（Chailloux-Naya Plasencia-Schrottenloher）量子算法分别与经典新牧群攻击结合的思路，构建两种攻击模式。首先，使用BHT量子算法构造 “可变长钻石树”，增加可连接节点的数量，提升攻击效率。在一定条件下，当恢复消息长度相同时，攻击复杂度更低。然后，以安全哈希算法（secure hash algorithm，SHA）-256为例，给出具体攻击复杂度。接着，提出CNS量子算法与新牧群攻击结合的攻击模式，攻击过程中不再需要量子随机存取储存器（quantum random access memory，qRAM），降低攻击实现成本。攻击模式可以在一定范围内选择消息长度进行恢复，优于现存方案中不可选择的情况。

为解决频谱感知在低信噪比下性能受限的问题，提出了一种基于改进的自适应噪声完备集合经验模态分解 （improved complete ensemble empirical mode decomposition with adaptive noise，ICEEMDAN）和哈里斯鹰优化 （Harris hawks optimization，HHO）的协作频谱感知方法。首先为获得固有模态函数 （intrinsic mode function，IMF） 分量，对次用户上传信号进行ICEEMDAN处理，其次计算已知波形的主用户 （primary user，PU） 信号与各IMF分量之间的相关系数，然后提取合适的IMF分量累加得到重构信号。接着用重构信号的平均能量值作为特征值训练支持向量机 （support vector machine，SVM），并通过HHO优化SVM参数，最后用优化后的SVM模型对PU是否存在进行检测。实验结果表明，所提方法在低信噪比下检测概率、检测准确率均较高，感知性能较好。

针对低信噪比环境下低密度奇偶校验（low density parity check，LDPC）码的识别率低的问题，提出了一种基于余弦校验关系分布的卷积神经网络（convolutional neural network，CNN）算法。该算法基于码字与正确和错误校验矩阵的余弦校验关系统计分布间的差异性，利用LDPC码与候选集校验矩阵计算得到的余弦校验关系的统计特性作为CNN的输入，利用CNN的深层信息挖掘能力，设计一种结构简单的四层CNN模型，实现LDPC码的有效识别。仿真结果表明，仅使用一个码字的条件下，在信噪比为3.25 dB时，对码率1/2、2/3B、3/4A、3/4B、5/6，码长2304的LDPC码的正确识别率达到90%以上，与传统算法相比，性能提升了0.25~1.25 dB。