针对电子侦察卫星的重访时间较长且随机、舰船目标运动模型难于精确建立、数据杂波干扰强、多辐射源扩展目标跟踪等问题,结合卫星得到的辐射源特征参数提出了基于多假设跟踪(multiple hypothesis tracking,MHT)改进的舰船目标跟踪算法。首先分析了卫星电子信息舰船目标跟踪的特点;在没有辐射源类别与个数等先验知识的情况下,利用辐射源位置和载频等信息进行了两次聚类,实现了数据压缩以及杂波抑制;再在MHT的框架上利用目标运动状态信息结合辐射源的载频特征信息实现了多目标多辐射源的边跟踪边参数估计。仿真对比实验结果表明,结合辐射源特征信息的方法具有更好的跟踪性能,具有较高的跟踪精确性与稳健性。

传统的点散射中心模型只能表征目标的位置信息,无法表示目标的长度和角度,而属性散射中心模型表征了目标的几何特性。为了能得到目标的全方位部件信息,鉴于属性散射中心模型参数估计的缘故,提出基于属性散射中心的多视角参数化部件提取与合成算法。首先将大视角有重叠的划分为若干子视角,分别进行属性散射中心模型的参数估计,然后将各参数统一投影到同一坐标系下,再进行参数的融合,最终得到目标参数集。该算法得到的这套参数可以反演目标回波数据,提高图像可视性,进行目标识别与分类。最后用两个仿真实验验证了此算法的有效性。

为了改善杂波建模效果和提升雷达目标检测算法的海洋环境适应性,基于超高频波段实测数据,分析不同海浪状态下海杂波时间相关性的时域及频域特性规律和差异。重点研究了不同海情和浪向下的去相关时间、频移及谱宽变化趋势,给出多种海洋参数组合下的参考值,并对比浪高及其他海洋参数的影响程度。结果表明,随着海情的升高,去相关时间缩短,谱宽和频移增加,特别在中高海情下随浪高变化趋势更为明显。逆浪向谱展宽程度大于侧浪向,且频移呈现随擦地角减小而增大的趋势。

针对经验模态分解(empirical mode decomposition, EMD)过程中本征模态函数(intrinsic mode function, IMF)上存在脉冲星信号与噪声混叠的问题,提出了一种基于局部峰度检验加窗的EMD消噪方法。首先,利用自相关和互相关来判断IMF的重构起点;其次,通过局部峰度检验方法来获取重构起点前两层IMF中信号脉冲部分的左、右端点,选用TurkeyHanning窗滤掉脉冲外噪声;最后,利用自适应阈值方法进一步除噪,改善信号质量。实验结果表明,与其他5种方法相比,所提消噪方法可以有效抑制噪声,保留脉冲星信号细节信息,具有更高的消噪性能。

为了解决在突发信号载波频偏估计问题中,载波频偏估计算法对估计精度、信噪比门限和估计范围的兼顾问题,提出了基于广义延拓逼近的载波频偏估计算法。该算法无需数据辅助,对接收信号频域信息做合理单元划分,节点处满足插值条件,单元域内实现最佳拟合,能够有效提升整域内的逼近精度。仿真结果表明,与文献算法相比,该算法具有更低的信噪比门限、更高的估计精度和理论最佳的估计范围。算法数学模型稳健、复杂度低,具有很好的可实现性和很高的使用价值。

以Ka频段宽带干涉测量为背景,分析了通道群时延的主要表现形式。针对通道宽带群时延非线性失真问题,提出了基于相位校正信号互相关的标校方法。利用相位标校信号梳状谱和线性相位特性,通过提取相位标校信号的互相关相位谱获取通道的相频特性曲线,并以此计算通道的群时延。针对抛物线型群时延,采用三阶非线性拟合代替传统的一阶线性拟合。仿真结果表明,在信噪比为-10dB的条件下,三阶拟合比一阶拟合与原始相频特性曲线有更高的吻合度,且标准差为一阶拟合的1/4,得到的群时延结果逼近真实群时延,证实了算法的有效性。

旋转式合成孔径雷达(rotor synthetic aperture radar,ROSAR)是一种新型成像雷达,在高分辨条件下,距离徙动对ROSAR成像结果影响严重。波数域成像算法利用插值操作实现距离徙动的精确校正,但由于ROSAR复杂的斜距历程,导致传统波数处理获得的二维波数谱形式复杂,难以进行插值操作。针对这一问题,提出了一种改进ROSAR波数域成像算法。重新构建角度维波数,通过求解隐函数获得易于插值操作的信号二维波数域表达式,设计参考函数消除高频调制影响,最终通过Stolt插值实现宽波束大场景下距离徙动无近似校正与精确聚焦。仿真实验验证了算法的可行性与有效性。

针对空间目标这一应用背景提出了一种基于轨道信息的双基地逆合成孔径雷达包络对齐算法。首先推导了空间目标位置预报误差与慢时间之间的函数关系,分析表明,成像时间内轨道预报误差可用慢时间的二阶函数表示。在此基础上,利用轨道预报值和轨道误差搜索结果通过在频域补偿相位的方式完成了一维距离像包络的精确对齐。参数搜索过程中,确定了误差速度和加速度的搜索步进量,并以二维图像的对比度作为代价函数。仿真结果表明,相比于传统基于回波相关性的包络对齐算法,该算法更适用于因双基地角和极化失配等因素导致信噪比较低的双基地回波。

多输入多输出 (multiple input multiple output,MIMO)雷达可在接收端形成奈奎斯特虚拟阵列,大大扩展了接收阵列的有效孔径。文章讨论了在发射或接收阵列稀疏布阵的情况下,虚拟孔径MIMO雷达的测角精度和抗干扰性能。分析表明,得益于奈奎斯特虚拟孔径的形成,MIMO雷达可获得比传统相控阵雷达更窄的有效接收波束宽度和更高的测角精度。对于转发干扰,较窄的接收波束宽度也使虚拟孔径MIMO雷达更容易规避主瓣干扰。而对于非转发的压制干扰,MIMO雷达具有与相控阵一致的抗干扰性能。此外,文章还讨论了将线性调频连续波(linear frequency modulated continuous wave,LFMCW)信号与虚拟孔径MIMO雷达相结合的可行性和性能优势。

通过对合成孔径雷达(synthetic-aperture-radar,SAR)图像相干斑噪声的特点分析,提出一种基于贝叶斯模型的shearlet域SAR图像去噪方法。首先将变换后的SAR图像在shearlet域进行稀疏表示,得到稀疏系数的分布;其次利用贝叶斯模型进行信号和噪声检测的建模,得到最佳的阈值;然后根据稀疏系数在不同方向上相关性不同的特点,利用自适应加权收缩算法对SAR图像噪声进行平滑处理;最后利用降噪后的高频子图像和低频子图像进行逆shearlet变换,得到SAR重构图像。通过在MSTAR数据库上的实验表明,该算法在滤除相干斑噪声的效果上比其他方法更好,并且不会损失图像的边缘特性。

合理的雷达低截获(low probability of interception, LPI)性能评估方法是提高其隐身性能的基础。针对雷达LPI性能难以有效实时评估的问题,提出一种群广义直觉模糊软集 (group-generalized intuitionistic fuzzy soft sets, G-GIFSS)算法与主客观权重相结合的雷达LPI性能评估方法。首先从反映雷达低截获性能的3个准则层信号层、功率层以及天线层确定6个目标属性指标层,选择直觉模糊集熵法确定客观权重、层次分析法((analytic hierarchy process, AHP))确定主观权重,并线性合成主客观权重。结合G-GIFSS算法利用多专家参量集的优势,对雷达LPI性能进行综合评判。通过案例分析并与经典评估方法对比,验证了该方法的优越性。

在面对复杂的雷达信号环境时,准确搜索到雷达脉冲可以为雷达调制特征识别、测向定位提供有效的数据基础，对此提出了一种基于脉冲重复周期(pulse repetition interval, PRI)变换法的脉冲序列搜索办法。利用PRI变化法在高脉冲丢失率情况下,求出最有可能的PRI,根据此PRI值,结合本文提出的序列搜索方法对脉冲流中的脉冲进行套取。通过双阈值搜索,减少由于脉冲密度过大导致阈值设定不当而搜索到错误脉冲的情况。最后通过数据仿真,能够有效分选出参差、抖动、捷变频等雷达信号。

针对实际战场环境中规避突然出现的危险/威胁区域或任务变更时的无人机(unmanned aerial vehicle, UAV)路径动态再规划问题,为了适应复杂动态环境下危险/威胁区域需建模为圆形、凹/凸多边形以及可能存在相邻危险/威胁区域的间距较小甚至重叠的情形,对基于A*算法的线段求交无人机路径规划方法进行改进以适应圆形、凹/凸多边形危险/威胁区域同时存在的情形,提出了子节点安全性检测策略,采用基于A*算法的两步寻优路径搜索策略,进行UAV路径动态规划。仿真结果表明,采用本文提出的改进方法可实现上述复杂环境下的无人机路径动态再规划。

针对卫星网络拓扑结构的时变特征,通过构建时变拓扑图序列模型,将卫星时变拓扑网络分解为一系列具有稳定状态的拓扑图结构。综合考虑节点在网络中的全局性影响和局部性影响,以节点介数、节点紧密度和节点距离的重要度贡献为度量参数,提出了稳态卫星网络节点重要度评估方法,设计了卫星时变网络节点重要度评估算法,通过典型实例验证了算法的准确性和有效性。实验结果表明,该方法能够有效地区分卫星时变网络节点重要度差异,准确评价卫星节点对卫星网络资源的控制能力。

针对动态能力需求下武器系统组合决策问题,建立了鲁棒性武器系统组合决策模型。首先，基于能力需求动态演化的不确定性,采取决策树的形式建立能力需求多阶段演化模型;然后,基于能力需求的演化模型,定义了考虑鲁棒性的“系统组合能力-能力需求”的能力风险及相关函数,将该能力风险作为决策的准则;为了解决系统组合爆炸的问题,采用差分进化算法获取鲁棒性武器系统组合决策问题的最优解;最后,通过一个实例验证所构建模型的有效性和合理性。

基于模型的安全分析(model-based safety analysis, MBSA)的最终目的是以复杂的安全关键性系统的形式化和半形式化模型为基础,实现自动化的安全分析。MBSA的方法众多,涵盖了用以实现对复杂的安全关键性系统进行建模、安全分析和验证的所有理论、技术、工具及语言。根据MBSA技术在安全分析过程所使用的模型的不同,即安全模型与系统设计模型之间的不同关系,将MBSA的实现手段分为两类:一类是基于系统扩展模型(extended-system-model, ESM)的MBSA方法;另一类是基于故障逻辑建模(failure logic modelling, FLM)技术的MBSA方法。文中对这两种方法的实现过程分别进行了描述,并分别对每种方法的优点和局限性进行了分析说明,最后对两类MBSA方法可做的改进进行了分析。

图示评审技术(graphic evaluation and review technique, GERT)解析法一般利用信号流图的拓扑特征(梅森公式)和矩母函数进行求解,但当GERT网络节点较多且结构复杂(回路众多)时,拓扑结构特征的分析十分困难,易出现错判或遗漏情况。针对此问题,将GERT网络用矩阵形式进行表征,分析了以梅森公式为基础的解析法与矩阵变换的关系,设计了两类基于矩阵的GERT求解算法。首先给出GERT网络与信号流图增益矩阵、流图增益矩阵一一对应关系,分析增益矩阵行列式变换与信号流图求解公式的对应关系,设计GERT网络的增益矩阵行列式变换求解算法。另外,研究GERT网络(信号流图)化简操作(消除自环、消除节点)在信号流图增益矩阵上的变换形式,提出了GERT网络解析的矩阵变换方法。最后用两个例子说明矩阵表征及求解模型的简便性和正确性,为GERT解析的计算机操作奠定基础。

为更好地提升功能,现实生活中的各类网络变得更加相互依赖,然而安全风险一旦爆发并在各子网之间不断地传播,将造成严重的损失。为降低风险在耦合网络中的传播,构建双层耦合的网络拓扑结构,对基于元胞自动机的风险传播模型进行改进,提出风险评估通用指标,以及两种保护策略降低风险传播,然后在3种演化网络模型和2种真实网络模型上进行仿真分析。仿真结果表明,耦合网络中的风险传播主要受子网拓扑结构的影响。WS-WS耦合网络具有最好的抗风险传播的能力,SF-SF耦合网络最差。在传播的初始阶段对部分节点进行保护可以提高网络抗风险能力。目标保护策略在作用速度上稍逊于随机保护策略,但在对感染规模的抑制方面优于随机保护策略。

针对面向非合作目标的航天器相对轨道动力学系统,研究了基于视线制导的开关控制问题。详细推导了视线相对运动模型,并定性分析了重力差项。基于相平面法,分别独立设计了横向和纵向相对运动通道的开关曲线控制算法。针对横向控制,基于比例导引律设计了开关曲线,并利用李雅普诺夫方法给出了稳定性证明。针对纵向控制,采用双开关曲线,并给出了一种相应的设计方法。数值仿真分析验证了所提出的开关控制方法的有效性。

针对水下动能武器末制导段攻击机动目标,为获得最佳的毁伤效果,结合反演滑模控制方法与线性扩张状态观测器理论,设计了一种带角度约束的非线性制导律。通过对攻击角度的分析,设计了非线性滑模面,并根据滑模面可达条件,将制导律分为两部分设计,既满足了系统能够到达滑模面,又保持了系统状态在滑模面上运动。通过反演变结构获得的制导律,既保证了系统稳定,又具有了滑模控制理论所具有的鲁棒性。考虑到目标机动,将目标机动作为未知扰动,并对该扰动采用线性扩张状态观测器进行估计。该制导律作用下,视线角变化率收敛到零,攻击角度收敛到期望值,实现攻击角度约束。理论证实了制导系统的稳定性,仿真验证了本文所设计制导律的有效性。

重点研究了对椭圆轨道上非合作目标进行长期绕飞监测的相对运动轨道构型设计与构型保持问题。利用轨道要素法建立了适用于目标轨道为椭圆轨道的相对运动模型,推导了以目标为中心的周期性绕飞运动的必要条件,考虑绕飞安全距离约束给出了满足目标监测要求的绕飞轨道设计方法,针对J₂摄动和大气阻力摄动作用对绕飞轨道构型的影响,提出了绕飞轨道构型保持脉冲控制策略,建立了燃料最省构型保持非线性规划模型。仿真结果表明, 所提出的构型设计方法简单有效,适用于对椭圆轨道上目标的绕飞相对运动分析,基于非线性规划方法的构型保持最优控制方法能够有效实现燃料最省绕飞轨道构型保持的高精度控制。

针对一类单输入单输出的严格反馈时滞系统研究跟踪控制问题。该控制系统包含不确定项、输出约束、未知死区特性和未知时间延迟。首先,设计一个状态观测器来估计无法测量的系统状态;其次,利用径向基函数(radial basis function,RBF)神经网络去逼近未知的系统内部动态;同时,利用障碍李雅普诺夫(Lyapunov)函数确保输出约束及Lyapunov-Krasovskii方法消除时滞项对系统的影响;最后,基于Lyapunov稳定性理论,构造一个鲁棒自适应神经网络输出反馈控制器,并且克服了过参数问题。结果显示,设计的神经网络输出反馈控制器可以保证闭环系统中的所有信号都是半全局最终一致有界的,跟踪误差能收敛到零值小的领域内。文中通过两个例子进一步验证了提出方法的有效性。

多径是影响载波相位差分定位性能的主要误差源。针对传统恒星日滤波(sidereal filter, SF)无法同时抑制系统部分和随机部分多径误差影响的问题,提出一种扩展卡尔曼滤波(extended Kalman filter, EKF)和SF组合的北斗卫星导航系统(BeiDou navigation satellite system,BDS)短基线多径误差抑制方法(EKF/SF)。首先使用基于单差观测量的SF削弱多径系统误差带来的影响,再结合EKF的优势,对残余多径误差所包含的随机误差影响进行抑制,从而达到最大化抑制多径误差的目的。BDS短基线单频载波相位差分定位实验表明,相对于单纯的SF和EKF,采用EKF/SF方法的模糊度固定率分别提高了10%和43%,定位精度可分别提高84%和90%。

针对一类分布时滞神经网络系统提出一种代数抗饱和补偿设计。在不考虑系统输入饱和的前提下,通过系统参数、M矩阵理论、迪尼导数设计出了一种代数判据。在此基础上,当发生输入饱和时,运用舒尔补引理将二次型矩阵不等式(quadratic matrix inequality,QMI)转化成线性矩阵不等式(linear matrix inequality,LMI)。同时给出优化吸引域估计的方法。仿真结果验证了方案的可行性和有效性。

针对当前认知无线电网络协作频谱感知策略存在能量消耗过大且未考虑恶意用户存在及通信链路中断的问题,提出一种基于信誉管理系统的节能协作频谱感知策略。首先对系统信誉值和感知报告总数的表达式进行推导分析,建立感知策略模型,对恶意用户进行有效抑制。进一步提出策略对应的虚警和漏检概率估计方法及其闭合表达式,深入分析通信链路中断带来的影响。最后仿真结果表明,在达到相同检测目标情况下,提出的节能策略所需感知报告数量较传统策略更少,有效降低了能量消耗。感知性能在通信链路存在中断情况下受到的影响更小。

在多源多目标无线网络中采用最佳中继协作方法时,多个通信对有可能同时选择同一个节点作为最佳中继来进行协作传输,从而导致最佳中继冲突问题,进而对系统的协作性能产生严重影响。为了解决这一问题,提出了两种低冲突的中继选择方法,并将其扩展至功率可分配场景;同时,还提出了一种支持功率分配的分布式选择方法。仿真结果表明,所提方法在保证系统分集增益不变条件下,相比于已有方法,显著降低了中继冲突情况发生,改善了系统协作效果;并在性能接近于最优方法的前提下,有效降低了中继选择方法的复杂度。

在传统的二维多输入多输出(two dimensional multiple input multiple output, 2D MIMO)信道模型基础上,引入仰角因子研究三维多输入多输出(three dimensional MIMO, 3D MIMO)信道模型。推导出基于均匀线形阵列(uniform linear array, ULA)、均匀圆形阵列(uniform circular array, UCA)和均匀矩形阵列(uniform rectangle array, URA)的3D MIMO Kronecker信道模型,并进一步讨论了信号离开角和到达角分别服从高斯分布、拉普拉斯分布和VMF(Von Mises Fisher)分布时的信道模型。仿真结果表明,当信号空间角度服从VMF分布时所建信道模型容量最大,在该角度分布下基于ULA信道模型的容量优于UCA和URA。

为进一步提高无线单跳网络中基于网络编码的重传机制的效率,提出了基于机会式网络编码的多阶段重传机制(multi-stage retransmission scheme,MSRS)。根据丢包分布的不同特性,MSRS将丢包恢复分为两个阶段。第一阶段对全译码特性丢包利用严格即时可解网络编码思想进行恢复,第二阶段对非全译码特性丢包利用基于缓存的网络编码进行协助恢复。MSRS分阶段恢复丢包的思想充分利用了全译码特性包的编码机会,同时也挖掘了非全译码特性包潜在的编码机会,解决了非全译码特性包编码机会利用率低的问题。仿真实验表明,MSRS相比现有基于网络编码的重传方法能有效降低重传次数,且具有更好的稳定性。

为了提高光照不均匀条件下采集的图像的视觉效果,提出了一种基于改进二维伽马函数自适应亮度校正算法。首先基于光照反射成像模型,利用快速引导滤波算法提取出光照信息;然后构造了一种改进的二维伽马函数,并利用光照的分布特性动态地调整二维伽马函数的参数,实现对图像亮度的自适应校正处理,提高光照过暗区域图像的亮度值,降低光照过强区域图像的亮度值,得到增强后的图像。对多种场景图像的处理结果表明,本文算法可以有效地降低不均匀光照的影响,提高图像的质量。

为解决深度卷积神经网络(convolutional neural networks, CNN)难以训练的问题,提出一种快速、高效的双通道神经网络(dualchannel neural networks, DCNN),该神经网络由直通通道和卷积通道两种通道构成,直通通道负责保障深度网络的畅通性,卷积通道负责深度网络的学习。考虑到深层网络在训练时容易出现性能不稳定的问题,在卷积通道上引入卷积衰减因子,对其响应数据进行约束。设计一种“双池化层”对同一特征图进行降采样,不仅可以防止训练过拟合,还能保证各通道的维度一致性。在3个图像数据集CIFAR-10、CIFAR-100和MNIST上的实验结果表明,无论是神经网络的可训练深度、稳定性和分类精度,DCNN都明显优于现有的深度卷积神经网络。

近似消息传递(approximate message passing, AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。

为提高特征检测的可靠性与实时性,提出了一种快速自适应鲁棒性尺度不变的特征检测子(fast  adaptive robust invariant scalable feature detector, FARISFD)。首先提出尺度空间组数自适应选取方法改善了检测子针对不同图像的鲁棒性,然后提出基于过渡层的尺度空间构建方法加强了尺度空间的鲁棒性,最后利用基于加速段的特征检测子(features from accelerated segment test, FAST)计算特征分数,并通过简化传统亚像素级矫正方法,提高了特征分数的计算与亚像素级矫正速度。通过复现率与耗时实验进行了验证,与5种使用广泛的检测子对比结果表明,FARISFD的鲁棒性与速度较高。

针对装备故障规律不易获取以及传统任务成功性评估中未分析装备技术状态等问题,提出了一种技术状态与任务可靠度之间的转换方法。利用径向基神经网络对装备技术状态等级进行了评估,利用云模型对装备的任务可靠度进行了评估。以此为基础,结合维修时间约束条件评估了故障规律未知时的装备任务成功性。

针对具有参数漂移特征的产品,推导了性能指标退化模型的失效率函数,从理论推导和定性分析两个角度对退化模型的失效率函数进行了深入分析,研究结果表明,退化产品失效率与Gamma型产品具有一定的相似性,能够使用冲击理论直接解释退化产品失效问题。进一步,给出了Gamma分布的参数确定方法,从而可以利用常见寿命分布制定退化产品维修策略。最后通过对液力耦合器的测量数据进行分析,说明所提方法的合理性。