针对平台导引头隔离度模型在线辨识问题, 提出一种改进卷积神经网络的导引头隔离度模型辨识方法, 实现对不同干扰力矩以及天线罩误差等干扰参数影响下产生的隔离度模型高效辨识。首先, 建立平台导引头模型, 推导出隔离度传递函数, 并搭建基于隔离度寄生回路的制导回路平台, 获取弹体扰动下的视线角速率信息作为训练和测试数据。然后, 利用卷积神经网络对视线角速率信号进行特征提取和特征降维。最后, 经分类输出模型诊断结果。仿真结果表明，所提辨识方法对隔离度模型识别正确率能够达到99.7%，相较于传统方法提高了模型辨识准确率和快速在线辨识能力，具有较好的工程应用前景。

针对非高斯噪声干扰环境中，基于噪声统计信息的分布式传感器检测融合求解困难这一问题, 提出一种非高斯噪声中水下目标辐射噪声的分布式检测融合方法。首先, 将水声环境中的非高斯噪声建模为Alpha稳定分布模型, 而将目标辐射噪声建模为高斯信号。然后, 采用高斯函数检测器将非高斯噪声污染的目标辐射噪声转换为高斯噪声中的信号检测模型, 得到检测器输出与输入噪声分布的参数关系以及信号分布参数关系。最后, 以高斯函数检测器输出抽样样本作为检测统计量, 在奈曼-皮尔逊(Neyman-Pearson, N-P)准则下设计分布式传感器检测融合系统的检测门限及检测融合规则, 使得各传感器检测结果得到最优融合。计算机仿真结果验证了所提方法的正确性和有效性。

为提高恒虚警检测器在不同检测背景下的鲁棒性和抗干扰能力, 提出一种综合型的自适应检测器, 其具备多策略选择能力和检测参数动态调节能力。所提检测器引入贝叶斯信息准则, 通过计算参考单元的信息估计序列, 对当前检测背景类型进行识别。进一步, 在非均匀检测背景下, 该检测器能够对干扰目标个数或杂波边缘位置进行估计。最终根据识别和估计结果选择对应的检测策略和检测参数。利用蒙特卡罗仿真, 对所提检测器性能进行分析, 并与经典检测器进行比较。仿真结果表明, 该检测器具备检测背景识别能力和背景参数估计能力。同时, 该检测器在检测背景参数先验知识不足的情况下, 具有较好的抗干扰能力。

在现代定位系统中，传统的时差测量方法往往受限于信号调制方式、噪声干扰以及硬件实现复杂度等因素，难以保持高精度和实时性。针对上述问题，本文设计一种基于参数特征映射的多站时差定位系统中时差测量方法，由主站检测并产生参考信号，广播至各从站；各站根据此参考信号基于频域互相关算法完成时差测量。该方法有效提高二进制相移键控(binary phase shift keying, BPSK)信号、四相相移键控(quadrature phase shift keying, QPSK)信号、频移-相移复合调制(frequency shift keying-phase shift keying, FSK-PSK)信号等时差测量精度。本文给出了基于现场可编程逻辑门阵列(field programmable gate array, FPGA)时差测量方法的硬件实现，采用实时动态压缩方法，FPGA算法实现资源减少50%；采用抛物线拟合方法，提高时差估计精度；采用基于参数特征映射的数据传输方法，保障多站数据的完备、避免数据缺失和冗余的同时，数据传输量降低95%。仿真与试验测试结果表明，信噪比(signal-to-noise ratio, SNR)大于等于5 dB时, PSK调制信号时差测量精度优于5 ns; 对于前沿缓变调制信号，随着脉冲上升沿宽度增大，时差测量精度无明显变化；最后，在外场试验与飞行试验结果中验证方法的有效性与可行性, 为高精度多站时差定位系统的实际应用提供了有力支持。

传统的基于稀疏恢复的波达方向(direction of arrival，DOA)估计算法使用密集的采样网格，导致计算量显著增加，且对邻近入射信号的估计精度不高。针对这一问题，提出一种快速高精度DOA估计算法。该算法首先使用网格进化方法降低网格点总数。然后, 对噪声方差和信号功率进行二次估计，进而使用离网求根稀疏贝叶斯学习(off-grid root sparse Bayesian learning, OGRSBL)技术来实现入射角的精确估计。仿真表明，相比传统稀疏贝叶斯学习类算法，所提算法计算效率高，同时对紧邻信号有着更好的估计能力。

针对雷达、数据链等分时信息系统发射时隙产生的自干扰影响非合作干扰对消权值问题，分析辅助天线阵列自由度影响对消暂态权值收敛特性，提出非合作干扰对消权值保持方法。考虑辅助天线通道与主天线通道异构场景，定量推导非合作干扰对消输出功率稳态性能边界与影响因素。结果表明，权值保持技术避免发射自干扰影响，增加辅助天线数量提升对消比和对消收敛特性。所提方法提升了阵列自由度欠定条件下非合作对消稳态和暂态性能，对于雷达非合作干扰对消设计具有现实指导意义。

针对机动发射条件下对突防诸元的快速计算要求, 本文提出一种基于改进粒子群与反向传播(back propagation, BP)神经网络相结合的算法, 通过改进粒子群算法分别优化发射区内多个发射点位下电子干扰突防策略, 之后通过训练神经网络进行拟合, 使突防策略能够达到快速计算的目的。考虑到粒子群算法存在的随机性, 通过初始化过程中引入准优解粒子, 并增加相关约束, 使发射区内发射点能够快速求得最优解, 并在相邻点之间保持较好的连贯稳定性, 为神经网络训练提供较好的训练集。最终实现发射区内任意点位快速突防规划的目的, 相关研究方法对作战方案拟制和运用具有一定参考意义。

角反射器形成的强假目标干扰给反舰导弹雷达导引头目标识别带来了严峻的挑战。为提高反舰导弹雷达导引头抗冲淡式角反射器干扰能力, 提出一种基于极化与高分辨距离像(high resolution range profile, HRRP)多特征融合的角反射器鉴别方法。结合3种场景下的实验数据, 首先从海杂波中提取雷达导引头目标回波信号; 其次, 分析了角反和舰船回波的峰值个数、径向尺寸等5个距离像特征, 以及极化相关系数均值等3个极化特征。实验数据处理结果表明, 舰船与单个角反特征差异明显, 与阵列角反特征差异减小; 然后利用支持向量机(support vector machine, SVM)方法, 基于实验数据设计5组测试, 分别检验了单特征和多特征融合的鉴别性能。测试结果表明, 单特征鉴别方法性能不稳定, 而所提出的三特征融合鉴别方法更具稳健性, 在5组测试中鉴别准确率均达到92.86%以上。

对空间轨道目标高分辨率成像是空间态势感知计划的重要组成部分。本文讨论天基逆合成孔径雷达(inverse synthetic aperture radar, ISAR)对空间目标进行高分辨率成像的概念。基于雷达和空间轨道目标相对运动场景, 研究减少天基ISAR回波数据量的方法; 分析天基ISAR对空间目标可成像时间段的限制因素, 推导天基ISAR与目标轨道高度差及天基ISAR波束扫描角度的噪声等效后向散射系数(noise equivalent sigma zero, NESZ)公式, 探讨满足方位分辨率的天基ISAR在轨可成像时间段, 并利用NESZ衡量可成像时刻内回波信噪比(signal to noise ratio, SNR), 为天基ISAR系统设计提供依据。此外, 还推导天基ISAR对空间轨道目标回波表达式, 并研究二维图像散焦原因, 提出ISAR图像二维相位误差具体补偿模型, 通过仿真结果验证了分析的正确性。

针对空间锥体目标微多普勒(micro-Doppler, m-D)提取时在m-D曲线交叉处易出现跟踪错误的问题, 提出一种基于同步提取变换(synchro-extracting transform, SET)和脊线检测的m-D特征提取方法。首先, 该方法利用SET技术得到能量分布更加集中的时频像, 并使用Hough变换提取锥体顶部产生的正弦m-D曲线; 之后基于CLEAN思想, 将提取到的顶部m-D曲线从时频像中消除; 最后利用基于改进疯爬算法和卡尔曼滤波的脊线检测算法提取锥体底部产生的非正弦m-D曲线。仿真结果表明, 该方法可以避免m-D曲线交叉处的跟踪错误问题, 正确提取m-D特征。

为了降低高速飞行器的雷达散射截面(radar cross section, RCS), 采用多层快速多极子算法和物理光学法研究局部外形参数对飞行器雷达散射特性的影响。在此基础上, 提出一种变半径弧形的边缘钝化形式, 以提高飞行器仰视对抗能力。所提出的变半径弧形钝化外形具有良好的RCS减缩能力, 与传统圆弧钝化外形相比, 在前向重点角域内, RCS对数均值降低了22.88%;随着仰角的增大, 变半径弧形钝化形式还具备全向RCS减缩能力, 在全向角域内RCS对数均值降低了13.37%。最后, 研究所提出的变半径弧形钝化方式在不同雷达波频段下的RCS特性, 结果表明这种钝化方式对于频率较高时仰视对抗能力更好。

为对抗先进体制逆合成孔径雷达(inverse synthetic aperture radar, ISAR)等成像识别雷达, 提出基于调频斜率变化的ISAR成像干扰新方法。首先, 根据ISAR宽带线性调频(linear frequency modulation, LFM)信号模型及解线频调信号处理流程, 分析调频斜率变化对ISAR成像结果的影响, 揭示其变化特性可用于干扰的基本机理。然后, 利用LFM信号带宽、脉宽在一定范围内伪随机变化, 形成调频斜率伪随机变化的ISAR干扰信号, 与雷达回波信号混合进入雷达接收机形成干扰。最后, 利用仿真实验验证调频斜率变化的影响以及所提干扰方法在ISAR成像干扰方面的有效性。

现有的矩阵恒虚警率(constant false alarm rate, CFAR)检测器仅对单一极化回波进行处理，且计算复杂度较高，导致相关性信息使用不充分、检测场景受限。对此，利用双极化雷达回波计算协方差矩阵，通过提取其特征值来衡量回波间的关联性，提出一种计算复杂度较低的基于双极化最大特征值的检测方法。首先，推导了以最大特征值作为几何距离进行检测的可行性。进一步，设计了可在实际场景中使用的基于双极化最大特征值的矩阵CFAR检测器。最后，通过实测海杂波数据验证了所提方法的实际检测能力。仿真结果表明，所提方法相比同样使用最大特征值作为检测统计量的最大特征值矩阵测度算法具有更好的杂波抑制效果，检测性能也优于非相参积累的单元平均CFAR检测方法。

分布式组网雷达系统可充分利用多雷达协同优势提升动目标跟踪性能。然而, 在实际中, 组网雷达系统的发射总功率受限且量测函数的高度非线性, 都会导致目标跟踪精度极大受限。针对上述问题, 提出一种基于不相关转换滤波(uncorrelated conversion based filter, UCF)的高精度目标协同跟踪和资源管理方法, 该滤波方法可充分提取有效量测信息, 提升目标状态估计性能, 且该信息可作为整体框架的反馈信息进一步优化资源分配。首先推导了后验克拉美罗下界作为优化准则, 利用该准则给出当前时刻的最优资源分配; 然后基于分配的功率资源, 进行目标状态估计; 针对强非线性量测函数, 提出一种UCF, 利用不相关转换提取更多原始量测中的信息, 并将其用于线性最小均方误差框架进行状态估计, 从而提高目标状态估计性能。仿真结果验证了所提方法的有效性。

电子对抗是联合对海突击作战中的重要支撑行动, 能够有效提升主突行动隐蔽性、平台安全性和突防概率。然而, 现有电子对抗任务规划理论存在与主战行动关联不强、多域力量难以集成、战役战术规划定位不准等问题。针对以上问题, 分析了联合对海突击背景下电子对抗行动的基本作战需求, 设计提出了电抗任务生成、目标体系分析、电抗兵力分配、电磁频谱规划、飞行航线规划、作战指令生成等6个规划步骤, 梳理了相关数据体系和模型体系; 有助于完善电子对抗任务规划理论, 提升规划科学性, 牵引电子对抗数据库、模型库和规划系统的研发工作。

近年来，地面站资源测控数传任务的一体化调度方法受到了越来越多的关注。针对任务随遇处理条件下的测控数传资源调度问题，建立了面向多个优化目标的测控数传资源动态重调度数学模型，提出基于启发式规则和多目标非支配解排序遗传算法(non-dominated sorting genetic algorithm Ⅲ, NSGA-Ⅲ)的地面站测控数传资源一体化动态重调度算法，可生成侧重不同优化目标的多个规划方案供规划人员备选。实验结果表明该方法能有效解决测控数传资源多目标动态重调度问题。

针对多无人机空战目标分配问题, 提出一种基于改进能量谷优化的多无人机空战目标分配方法。首先, 建立无人机空战态势评估模型, 对多无人机空战目标分配问题进行数学建模。然后, 在能量谷优化算法的基础上, 对算法中粒子衰变过程进行改进, 使能量谷优化算法适用于离散型优化问题, 并提出混沌映射初始化和二进制改进两种改进措施。最后, 分别开展消融实验与有效性实验对所提方法的有效性进行验证。仿真结果表明, 所提改进措施对于在无人机目标分配任务中能量谷优化算法的算法效果具有一定的提升, 且改进能量谷优化算法能够适用于多无人机空战目标分配问题, 在多无人机空战中具有一定的应用意义。

针对高动态战场态势下防御作战场景中的多目标火力规划问题, 提出一种基于近端策略优化算法的火力规划方法, 以最大化作战效能为目标, 从弹药消耗、作战效果、作战成本及作战时间4个方面设计强化学习奖励函数。考虑历史决策序列对当前规划的影响, 以长短期记忆网络(long short-term memory, LSTM)为核心, 基于Actor-Critic框架设计神经网络, 使用近端策略优化算法训练网络, 利用训练好的强化学习智能体进行序贯决策, 根据多个决策阶段的态势实时生成一系列连贯火力规划方案。仿真结果表明, 智能体能够实现高动态态势下多目标火力规划, 其计算效率相对于其他算法具有更明显的优势。

针对当前飞行器结构健康监测过程中存在的识别流程复杂、识别准确度低的问题, 提出一种基于数据合成的飞行器结构损伤状态快速识别方法。建立数字孪生结构损伤快速识别模型构建流程, 构建飞行器结构数字模型。基于数据合成思想, 提出一种对传感器数据的可信度评价方法, 建立具有可解释性的生成-判别模型, 解决了因样本数据不足导致的学习准确率低的问题。引入分类边界模糊化方法, 使用判别模型确定模糊化区域以提升神经网络识别的稳定性。最后, 以某无人机为例, 对所提识别方法进行验证。结果表明, 该方法能够高效构建结构损伤状态数据库并提升识别泛化能力和稳定性, 对损伤状态的识别准确率超过99%。

空间环境指数是描述空间碎片对空间环境长期影响的量化评估指数。用该指数可以对比分析某空间物体的在轨运行是否对其他物体乃至整体环境产生较大威胁。对现有典型空间碎片环境指数及其建模方法进行分析和比较, 并针对过去模型中平均碰撞风险计算方法的不足, 提出一种空间环境指数模型, 即基于轨道间最小距离(minimum orbital intersection distance, MOID)的空间环境指数(MOID-based space index, MBSI)。该指数综合空间碎片的质量、有效截面积等因素, 基于MOID考虑碰撞风险, 计算近地轨道(low Earth orbit, LEO) 区域中不同空间物体的MBSI指数, 并与已有的R_N指数、CSI(criticality of spacecraft index, CSI)指数的结果进行比对和分析。MBSI与R_N指数、CSI指数符合度超过60%, 而MBSI更能体现空间物体寿命期内的危险程度。

大气湍流是大气中一种不规则的随机运动, 在机载大气数据传感器的测量过程中, 大气湍流影响与传感器故障相互耦合, 导致大气数据传感器故障诊断算法无法将故障与湍流影响解耦。针对大气湍流影响下的大气数据传感器故障诊断问题, 基于惯性测量单元和导航姿态解算, 考虑湍流对大气系统的影响, 建立新型大气系统模型及量测模型。在对双模型自适应估计算法进行扩展后, 引入湍流对系统影响的协方差自适应更新方法, 实现存在未知扰动情况下故障状态的无偏估计。仿真结果表明, 该算法可以有效实现对固定偏差故障、漂移偏差故障和振荡故障的诊断。

为满足新时代局部军事行动中的电力保障需求, 提出一种基于分布式发电供应与发电车机动电能补充的新型局域野战微电网系统。通过分析任务需求、军事环境, 以及系统资源配置需求, 构建局域野战微电网优化配置模型。与一般民用微电网模型相比, 该模型着重考虑了电力供应及时性、能源保障稳定性、抗毁伤性等方面。针对所构建的模型, 基于非支配排序遗传算法Ⅱ (non-dominated sorting genetic algorithm-Ⅱ, NSGA-Ⅱ)框架设计了求解算法, 加入了精英保留机制及军事决策者偏好因素。实验结果表明, 局域野战微电网优化配置模型符合军事行动实际, 求解算法具有较好的快速搜索和全局寻优能力。

卫星的能源分系统设计和验证是卫星设计的关键环节。能源分系统具有高安全和高可靠的要求，其设计过程与卫星轨道、光照、工作模式等多重因素耦合，同时需要与机械、热、供电、控制等多学科关联设计。为快速、便捷、全面实现复杂系统的设计和仿真，提出基于模型的系统工程(model-based system engineering, MBSE)方法，通过模型实现能源分系统多耦合、多产品、高安全系统的显式一体化表达，围绕需求展开多个功能点和性能点的设计、验证与优化。结果表明，所提方法构建的设计验证一体能源设计模型可对系统需求做精细化分析，进而进行功能和结构设计，实现和优化系统性能指标设计，并完成对需求的闭环和验证，在工程中具有高效、明确的应用价值。

针对大迎角飞行控制过程中存在的强气动非线性和模型不确定性, 提出一种基于改进跟踪微分器的增量动态逆控制方法。考虑飞行器大迎角飞行姿态控制动力学特性, 设计了外环为动态逆、内环为增量动态逆的控制器。针对采用传统跟踪微分器获得增量动态逆所需的角加速度信息时存在的信号颤振和滤波效果差的问题, 采用非线性函数和线性函数结合的方式, 设计了一种改进的跟踪微分器。通过大迎角飞行数值仿真, 验证了设计的跟踪微分器在准确提取角加速度的同时具有一定的抗噪性, 基于此微分器设计的增量动态逆控制器对气动不确定性具有鲁棒性。

针对北斗星上信号发射通道中高功放和滤波器引起的导航信号非线性失真问题, 提出间接学习结构的数字预失真用以补偿导航信号产生的非线性失真。通过采用带宽最大的非对称恒包络二进制偏移载波(asymmetric constant envelope binary offset carrier, ACE-BOC)调制的北斗B2信号, 验证数字预失真对补偿导航信号非线性失真的有效性及可行性, 并从调制星座、功率谱、相关函数、S曲线过零点偏差等信号评估指标对数字预失真处理前后的信号进行对比分析。实验结果表明, 数字预失真可以有效抑制20 dB的带外功率损失, 相关损失可由0.7 dB下降到0.009 dB以及S曲线过零点偏差由0.88 ns下降到0.002 9 ns。本文所提的数字预失真模型可有效改善信号发射通道引起的信号非线性失真。

为了延长高轨卫星的角动量卸载周期, 提出一种用于高轨卫星角动量管理的太阳电池阵转角控制方法。首先, 构建出太阳电池阵转角控制作用模型, 并将用于卫星角动量管理的太阳电池阵转角控制转化为约束优化问题。然后, 从工程实用的角度出发, 根据常用的两翼太阳电池阵对称布局的特点, 简化用于角动量管理的太阳电池阵转角控制问题, 提出简单实用的太阳电池阵转角控制律。最后, 通过数值仿真和某遥感卫星的在轨环境干扰数据对所提方法进行验证。结果表明, 所提方法可以显著降低卫星角动量的积累, 延长角动量卸载周期。

自主导航能力是无人系统所要具备的核心能力。近年来, 无人系统作业的环境日益复杂, 所面临的任务也越来越有挑战性, 这对其自主导航能力提出更高的要求。随着神经科学和人工智能的不断发展, 基于动物大脑空间导航机理的类脑导航技术已经成为一种解决复杂环境下智能导航问题的方案。本文对类脑智能导航技术的发展历程进行梳理与总结, 重点讨论类脑导航的空间认知模型建模技术及其应用技术——类脑同时定位与建图(simultaneous localization and mapping, SLAM)技术及类脑集群导航技术。最后, 总结目前类脑导航技术面临的挑战和不足, 并探讨未来的重要发展方向。

针对集群路径规划中的运算量大、拥堵和碰撞等造成非弹性虚拟管道可行域受限的问题, 提出一种基于弹性面域特性的虚拟管道模型。首先, 提出弹性面域的概念, 其弹性有界平面可作为虚拟管道的边界, 能够有效利用脊曲线横截面附近的空余空间来改变可行域范围。其次, 以管道内部空间的脊曲线为基准扩展安全区域, 改进路径规划算法以适用于弹性面域虚拟管道。最后, 通过对比仿真实验, 验证该模型及所提算法在不同环境下的适用性及优越性。该研究对虚拟管道概念在集群路径规划领域中的推广应用具有一定的实用价值。

高速防空导弹大攻角飞行时, 耦合现象严重, 弹体的高动态响应特征进一步加剧通道耦合, 因此研究通道耦合下的系统稳定性至关重要。本文提出一种双通道控制模式下, 单通道断开、耦合通道视为内回路的传递函数矩阵, 并引入回差阵奇异值法计算系统稳定裕度。通过仿真将传统奇异值法和基于传递函数矩阵的奇异值改进法计算出的稳定裕度、单通道稳定裕度、双通道断开的稳定裕度和基于通道耦合下的稳定裕度, 结合系统的时域响应进行对比分析。结果表明, 改进回差阵奇异值法计算结果更精确, 通道耦合下的开环传递函数对系统稳定性描述更合理。

针对高速飞行器模型参数不确定和外界干扰对飞行控制系统的影响, 提出一种基于干扰观测器(disturbance observer, DOB) 的主动抗干扰控制方法。所提方法将外部干扰和模型不确定性造成的实际对象与标称模型之间的差异等效到控制器输入端, 从而实现对系统总干扰的补偿控制。通过六自由度仿真验证所提方法的有效性和正确性, 仿真结果表明所提方法能够有效地实现高速飞行器姿态跟踪控制, 且能够提高系统的控制品质。所提方法结构简单, 可以在不影响现有控制回路的前提下提高系统对低频干扰的抑制能力, 具有较强的工程可实现性, 为高速飞行器姿态控制系统设计提供了一种设计方法。

在无线通信的诸多场景，如卫星通信、深空通信和隐蔽通信中，受限于发射功率、传输距离等因素，接收信号非常微弱。现有联合解调译码迭代同步算法，将信道编码增益作用于信号接收全过程，可有效降低接收机的同步门限，但是计算复杂度较高。利用迭代接收目标函数的形态一致特性，提出一种基于深度神经网络(deep neural network, DNN)的同步优化策略。该策略与传统的迭代同步方法相比，可在1e-5误码率下降低24%的计算复杂度。这一研究成果为迭代接收技术在更高数据速率场景下的工程应用提供了新的发展方向，同时展现出深度学习在解决复杂通信环境问题中的潜力。

针对数据中心网络的流调度优化问题, 选用经典的Fat-Tree拓扑结构, 利用软件定义网络集中控制的优势, 提出一种基于带宽匹配的节能路由算法(energy efficient routing algorithm, EERA)。EERA首先对需要传输的数据流按照其截止时间进行排序, 然后对拓扑中的链路权值按照每个排序后的数据流需要传输的数据量进行更新, 删除可用带宽不满足传输数据量的链路, 得到新的拓扑图。在重新定义的拓扑图中, EERA计算源节点和目标节点之间所有可用链路, 从这些可用链路中选取与流传输数据量所需带宽最匹配的链路进行路由。仿真实验表明, 在不增加额外存储开销的前提下, EERA为即将到来的数据流预留了足够的带宽, 减少了网络链路拥塞, 在节省网络能耗的同时实现了网络负载均衡。

针对用于辐射源信号识别的神经网络存在参数冗余、运算量庞大等问题, 提出一种基于二值神经网络的辐射源信号识别方法。该方法指出利用卷积层效用值衡量神经网络卷积层的重要性, 根据卷积层效用值的大小, 将重要的卷积层保留为实值, 其余卷积层进行二值化处理。实验结果表明, 在信噪比大于-9 dB时, 采用该方法得到的二值神经网络的信号识别准确率相比于实值卷积神经网络降低了0.5%, 而网络参数内存大小降低了83.4%, 网络运算次数降低了83.8%, 网络运算复杂度降低了85.8%, 易于部署在各种硬件平台上。

针对具有多径效应、大气噪声等复杂因素的无人机(unmanned aerial vehicle, UAV)集群多输入多输出(multiple-input multiple-output, MIMO)信道的信号调制方式识别问题, 提出基于循环谱特征和高阶累积量特征的调制识别方法。首先, 根据UAV集群复杂通信信道环境, 建立Alpha稳定分布噪声干扰和多径干扰下的UAV集群MIMO信道。其次, 分析MIMO接收信号的高阶累积量特征和循环谱特征, 提取出判别调制识别方式能力强的特征值, 构造集群信号特征样本。最后, 将特征样本输入深度稀疏自编码网络, 实现6种调制方式的识别。仿真结果表明, 该调制识别方法在UAV集群复杂通信环境下是有效的, 当识别准确率为90%时, 深度稀疏自编码网络识别性能优于多层感知机识别性能约1 dB。在存在直射径的MIMO多径信道中, 当混合信噪比为0 dB时, 识别准确率均能达到96%, 在低信噪比下有较高的识别准确率, 对复杂的信道环境下的MIMO信号识别具有鲁棒性。

Turbo码是一种常用的信道编码方式, 正确识别Turbo码首先要正确识别其子递归系统卷积(recursive system convolutional, RSC)码, 由于信道噪声与干扰引发误码, 这就要求识别算法具有良好的抗误码性能以及识别能力。利用解调软判决序列, 通过编码码元约束方程, 构建指数形式的代价函数模型, 将识别RSC码的生成矩阵问题转化为求解代价函数全域极值的最优化问题, 最后在共轭梯度法的基础上, 采用新的PRP步长因子来寻找全域极值点。仿真结果表明, 所提算法与现有算法相比, 收敛速度更快, 在低信噪比下也有良好的识别能力。