间歇采样转发干扰是一种针对大时宽带宽线性调频(linear frequency modulation, LFM)信号的新型相干干扰样式,通过不同的参数设置可以形成逼真多假目标以及具有压制效果的密集假目标干扰。根据间歇采样转发干扰“存储转发存储转发”的干扰特点,给出了能量函数的定义,并根据目标回波信号和干扰信号能量函数的特征差异,提出了一种提取未受干扰影响的目标回波信号数据的方法;然后将其看作目标回波信号的压缩数据,利用其与解线调处理后的目标回波信号稀疏频域之间的线性关系,构建了压缩感知最小问题求解模型;最后,利用正交匹配追踪算法重构了目标回波信号,实现了对间歇采样转发干扰的抑制。蒙特卡罗仿真结果表明:通过设置合适的阈值,所提方法可以获得较好的干扰抑制性能和较高的抗干扰成功概率,并且不仅适用于中带LFM匹配滤波体制雷达,而且适应于宽带LFM去斜体制雷达。

针对基于广播式自动相关监视(automatic dependent surveillance broadcast,ADS-B)的多站时间同步系统中ADS-B位置误差、站址测量误差和时差测〖JP2〗量误差等因素对同步精度的影响,建立了偏差条件下基于ADSB〖JP〗的多站同步模型,给出了理论同步误差的计算方法,指出引起显著同步误差的系统延时误差。提出一种延时误差和待同步站钟差的联合估计方法,理论推导了克拉美-罗下限(Cramer-Rao lower bound,CRLB)。基于同步精度分布图,分析了偏差消除前后作为标校站的飞机的航向对同步精度的影响。计算机仿真分析表明,基于ADSB的多站同步系统的延时误差和待同步站钟差联合估计方法的估计性能,可以达到CRLB,显著提高了同步精度。

针对常规子空间类波达方向(direction-of-arrival, DOA)估计中存在的子空间分解计算量过大问题,提出了基于均匀线阵的联合互协方差矩阵(joint crosscovariance matrix,JCCM)DOA估计算法。基于阵列划分和矩阵重构思想,将均匀线阵划分成两个子阵,在求得这两个子阵接收数据互协方差矩阵后,重构一个新的矩阵即JCCM,利用JCCM的部分数据进行线性运算即可得到等价的信号子空间,然后构造多项式并求根，最终实现波达角估计。理论分析和仿真实验证明,算法避开了对协方差矩阵的特征值分解运算,在保证估计精度可接受的同时,有效降低了计算量,取得了更高的估计速度。

针对有阵列孔径以及阵元间隔约束的均匀激励稀布同心圆环阵列综合问题,提出了一种改进的差分进化算法,首先,构造了圆环数量的映射函数,解决了圆环数量不同的个体同时参与优化迭代的问题;其次,结合差分进化算法和和声搜索算法,引入随机噪声以提升种群的多样性,建立了动态变化的种群保留概率和变异概率模型,提高了优化算法的全局搜索能力;最后,进行了仿真实验,实验结果证明了算法的有效性。

目标在定位空间中具有稀疏特性,基于该特点提出了一种稀疏重构的时延定位算法;已有的来波到达时间(time-of-arrival, TOA)算法大部分只利用了单次TOA进行估计,其定位结果受噪声影响较大,因此进一步提出对多样本的到达时间进行联合估计,从而提高算法对噪声的稳健性,并提高算法的定位精度。与已有算法相比,所提算法的优点是定位精度更高,对噪声有更强的稳健性。仿真结果验证了所提算法的有效性。

针对相控阵雷达导引头由于前向通道增益和波束控制增益刻度尺度不同引起的扩展卡尔曼滤波(extended Kalman filter, EKF)去耦中误差量过大的问题,提出了基于粒子群优化的EKF去耦算法。采用了最小均方差为适应度函数,对两个增益参数进行组合优化,然后通过建立EKF的系统模型,推导了提取的视线角速率与增益参数之间的关系,使得滤波后的估计值为最优的后验估计。最后,通过仿真表明该算法可以很好地解决误差量过大的问题,并验证了所提算法在相控阵雷达导引头去耦和视线角速率提取中的有效性。

提出了一种适用于单发多收合成孔径雷达成像的频域算法。该方法利用傅里叶变换将回波数据变换至波数域进行扩维,建立了波数域的补偿关系,从而在波数域实现了对波前弯曲的精确补偿,因此具有较高的成像精度,并且可以用于近场三维成像。另外,该方法采用基于快速傅里叶变换的成像结构显著提高了成像效率。理论分析和实验结果表明,与后向投影算法相比,该方法能够获得相同成像结果的同时大大降低运算量。

基于字典学习模型能真实反映雷达高分辨距离像(radar high resolution range profile, HRRP)潜在结构特征和统计建模算法可有效解决HRRP姿态敏感性问题的特点,运用统计建模划分HRRP角域,对鉴别字典的原子选取和判别优化问题开展研究。首先提出了基于概率主分量分析的最大概率差值算法,自适应划分HRRP角域获取帧界线。其次,利用帧界线对应功率谱特征构成初始化鉴别字典,在鉴别字典基础上优化判别准则,引入原子稀疏相似误差约束最优字典更新实现测试样本分类。雷达实测数据的实验结果验证了该算法可提高目标识别率,同时对噪声干扰具有很好的鲁棒性。

针对岸基警戒雷达在典型战场环境下将面临的干扰,基于理论分析与外场测试,提出了一种定量评估警戒雷达抗干扰性能的方法。针对噪声干扰与密集假目标干扰,分别构建了评估指标体系。运用专家统计分析法确定理论分析部分各指标的重要性度量值,并据此计算指标权重,将专家统计分析法与层次分析法(analytic hierarchy process, AHP)相结合,求取外场测试部分各指标的权重。运用AHP定量评估警戒雷达的抗干扰性能。与现有理论方法相比,该方法细化了评估指标体系,可操作性更强;与外场试验方法相比,减少了外场试验测试项目约15%,节省了外场试验时间,降低了外场试验组织的复杂度。评估实例结果表明,该方法计算出的定量评估结果符合各部雷达外场测试的性能总结。

高频雷达必需射频干扰抑制,而抑制效果常受制于干扰样本质量。针对雷达正常工作如何提取干扰样本的问题,首次提出基于距离-多普勒(range-Doppler, RD)图图像分割的射频干扰提取方法。通过将常规处理的RD图转换为灰度图像,然后设计去海杂波、边缘检测、分段和整段直线检测算法,从而确定干扰边缘线并提取出干扰区域。由此恢复的干扰数据,不受海杂波影响,能够准确估计干扰特性和提高抑制效果。实践表明,该算法准确度高,能提取被海杂波覆盖达75%的干扰线。为验证其应用,采用该算法辅助改进滤波器设计,能够取得良好的干扰抑制效果。

针对非平稳海杂波背景下的雷达目标检测问题,传统自适应相干检测器由于强杂波干扰以及相干累积时长的限制而性能表现不佳。为克服这一限制,提出了子带分段自适应归一化匹配滤波检测器(subband segmented adaptive normalized matched filter,SS-ANMF),其由一个线性相位离散傅里叶变换调制滤波器组和每个子带上的分段自适应归一化匹配滤波器(adaptive normalized matched filter,ANMF)检测器构成。在频域上, SS-ANMF检测器通过子带分解技术,不仅抑制了带内外杂波,而且提升了杂波的短期平稳性;在相干累积时段内,通过对分段ANMF在所有子带上的最大响应进行累积求和,实现了有限参考样本下的长时累积。采用实测海杂波数据的实验表明,SSANMF检测器明显优于对比算法。

从数据中学习贝叶斯网络结构是一个非确定性多项式困难(nondeterministic polynomial hard, NP-hard)问题,当数据样本不充分时难以获得准确的模型,此时利用先验信息是一种有效的途径。但是利用先验信息的过程中如何适应不正确的先验信息,是一个待解决的问题。针对此问题,提出一种融合先验的方法进行贝叶斯网络结构学习,在评分搜索法的两个环节中解决这个问题:第一,提出了新的融合不确定先验信息的评分函数,考虑了先验信息与数据集的权衡。第二,提出了融合不确定先验信息的搜索策略,增强先验信息利用的鲁棒性。所提方法适用于任何启发式搜索。仿真结果表明了所提方法能有效地利用正确的先验信息,而且对错误的先验信息有较强的适应能力。

以效费比优选兵力方案是作战方案制定中的关键技术。以飞机编队突防作战为研究背景,用系统动力学的方法构建突防编队依次通过飞机拦截区与地空武器拦截区的兵力损失模型。将突防过程抽象为类型3的两阶段数据包络分析模型,证明其与类型1模型在效率加性分解与乘性分解上特性的不同,指出其无偏见性,并分别从两个阶段的输出与输入导向综合定义新的中立性评价方法。在仿真实验中,分别运用3种评价方法对可选兵力方案的两阶段与整体效率进行评价比较,根据任务要求,选取最优兵力方案。

为了解决作战计划数据、信息、知识的一致性理解与互操作等问题,使其表示、生成和检验在一致的语义下进行,提出了作战计划本体的构建方法,详细阐述了通用本体、性能度量本体、效能度量本体、行动本体、行动序列本体和偏好本体等6类核心本体的建模过程,规范了作战计划领域共享概念的形式化描述。基于核心本体建立了自动分类、行动-状态组合以及行动序列优选等3项推理规则,并结合反叛乱行动计划分析了该推理规则能够有效提升计划生成效率,为面向决策的智能化作战行动过程动态生成与检验奠定了基础。

由于新一代指挥控制系统尚处于研制阶段,对其进行效能评估时存在诸多不确定因素,导致评估指标模糊性和随机性较大,引入云模型理论,将不确定性因素转化为定量化的数字特征,实现了定性指标的定量化处理。以作战指挥控制系统效能评估为背景,首先结合系统特点,在广泛征询专家意见的基础上,构建了评估指标体系;其次,为尽可能避免主观因素影响,利用排队理论求解指标权重,并采用逆向云发生器将不确定性指标转化为定量化的云数字特征;利用云运算规则将指标权重与指标云有效融合得出综合评价云,根据综合评价云与各标准云的相似度大小,得出综合评估结果。最后，通过与经典模糊综合评估法和云重心评判法的对比分析,验证了该算法的可行性。

在复杂多部件系统维修决策过程中通常需要考虑部件间故障相关关系,基于部件退化速率受其自身和相关部件累积退化量影响的思想,建立退化相关多部件系统退化过程解析模型,之后在非减退化过程假设下得到系统和部件可靠度函数。在此基础上,提出针对不同部件的预防性维修策略,并以单位时间维修费用最小为目标构建维修决策优化模型。最后,通过两部件系统算例分析,对所提可靠度模型精确度进行检验,并得到系统最优预防性维修策略,验证维修决策模型的合理性和有效性。

针对后续备件需求预测误差大的问题,提出一种基于粗糙集理论修正的后续备件指数平滑预测方法。根据备件需求数据呈现的趋势,通过拟合确定指数平滑法的次数和平滑系数。从装备在使用过程中影响备件需求数据波动的因素出发,提出了不依赖于基本预测方法的改进预测思路。构建基于粗糙集理论的修正模型。结合算例,对比分析所提方法的优越性,结果表明修正方法可以显著提高预测精度,提出的改进方法不涉及基本预测方法内部特性且无需引入其他辅助方法,通用性较强。

针对现有多态系统中单元重要性评价的不足及维修活动关注的侧重点,综合权衡影响单元维修的风险度、对系统可靠性的贡献度及检测度,引入维修重要度(maintenance importance,MI)的概念。MI可定量评估各时刻多态单元的重要性,为后续维修活动中单元的维修顺序提供支撑。结合MI和目标导向法提出了系统预测性维修的总体思路,并搭建了综合系统可靠性评估、单元重要性评价、维修策略制定为一体的预测性维修平台。最后以某捷联惯导系统为例进行算法验证,仿真结果证明了所提设计思路是可行的,评估结果可为后续维修活动的优化和实施提供支撑信息。

针对相控阵导引头中波束指向受弹体扰动影响的问题,设计了基于环路滤波的捷联解耦方法(strapdown decoupling method based on loop filter, SDMLF)。此方法将补偿后波束指向与初始波束指向的差值送入环路滤波器,利用指向误差滤波值修正补偿后的波束指向,如此构成环路,完成对被扰动波束指向的闭环控制。为提高SDMLF对更多弹体扰动场景的适用性及解耦性能,在SDMLF中增加对环路滤波器中等效环路噪声带宽的自适应计算,得到了基于自适应环路滤波的捷联解耦方法,增加了所设计解耦环路的可靠性。计算机仿真与半实物系统实测结果验证了所提解耦方法的正确性及有效性。

基于导弹和目标相对运动方程,设计了视线角约束自适应滑模中制导律。应用Lyapunov稳定性理论证明了该制导律能使制导系统在有限时间内收敛至滑动模态面;当制导系统进入滑动模态面后,基于积分理论证明了中末制导交班时刻视线角能够收敛至期望值且视线角速率可以收敛至零附近。进一步将该制导律扩展到三维空间的拦截问题。最后,针对拦截正弦机动目标进行了仿真。结果表明:设计的制导律鲁棒性强,引起的交班误差小。

为实现对高速机动目标的准平行拦截,考虑导弹自动驾驶仪动态特性,设计了一种零化视线角速率的非奇异快速终端二阶滑模有限时间制导律。首先,基于终端滑模控制理论和二阶滑模控制理论,设计了非奇异快速终端二阶滑模制导律;其次,根据有限时间收敛控制理论,严格证明了系统的稳定性和有限时间收敛特性;为抑制测量噪声和估计弹目视线角速率,设计了有限时间收敛微分跟踪器,并将其与扩张观测器结合来估计不确定项。最后仿真结果表明:所设计的微分器不仅收敛速度快,估计精度高,且具有较强的抗干扰能力,同时针对目标做不同的类型机动,所设计的制导律均能实现视线角速率在有限时间收敛,为实现对高速机动目标的直接碰撞提供必要条件。

针对固定时间下的两航天器三维空间追逃问题,采用协同进化算法将复杂的双边最优规划问题简化成对追逃过程中纳什均衡点的搜索,进而得出追逃双方的最优对抗策略及解算方法。考虑在保证算法计算精度的前提下缩短计算时间,将对策模型进行简化处理,以航天器推力指向角为控制量对协同进化算法进行编码设计,利用B样条基函数对编码进行逼近拟合。两航天器均为连续小推力作用,以二者的末端相对距离作为支付函数,逃逸器希望支付最大,追踪器希望支付最小,并依此建立共享适应度函数。所提方法中对协同算子进行改进设计,提高算法空间搜索能力,并采用精英保留策略提高算法的收敛速度。仿真算例得到追逃双方的最优控制策略及相应的追逃轨迹,表明所提方法的能够解决此类航天器追逃问题。

研究了一类线性区间变时滞不确定系统鲁棒稳定性问题。基于新型的时滞分割法和交互式凸组合技术,借助于构造包含四重积分项的新LyapunovKrasovskii泛函,并利用新的积分不等式界定方法给出了线性矩阵不等式形式的时滞相关稳定性判据。与已有文献相比,该判据扩大了保证系统稳定的最大时滞上界范围,在降低结论的保守性和提高计算效率两者间达到了一个很好的平衡。最后通过3个具有代表性的数值例子对比验证了该方法在降低结论保守性方面的优越性。

针对未来航空光信息网络中控制平面的可扩展性问题,基于软件定义网络思想,提出了软件定义航空光信息网络的网络架构,研究了软件定义航空光信息网络控制器部署策略。以网络节点及链路中断概率为参量,以航空网络的全网可靠性为优化目标,建立基于网络可靠性的整数规划模型;提出融合人工免疫策略、小生境思想和改进遗传算法的混合优化算法,获得控制器部署的最佳部署方案。仿真结果表明,基于可靠性的整数规划模型可实现对软件定义航空信息网络中的控制器部署问题准确建模,为实现控制器最优化部署提供了依据。

自适应编码调制(adaptive coded modulation, ACM)技术是一种提高无人机(unmanned aerial vehicle, UAV)数据链吞吐量性能的有效方法,信道估计的准确性是决定ACM系统性能的关键因素之一,直接影响UAV数据链的吞吐量性能。首先对Nakagami衰落信道进行分析建模,推导了信号经过衰落信道后的表示方法。其次对Nakagami衰落信道下基于多进制数字相位调制(multiple phase shift keying, MPSK)的信噪比(signal-to-noise ratio, SNR)估计算法进行推导和分析,仿真结果表明三阶矩(thirdorder moments, M3)SNR估计算法比传统的二〖JP2〗阶矩四阶矩(second and fourth moments, M2M4)SNR估计算法具有更好的估计性能。最后,针对Nakagami衰落信道下的现有估计算法对非恒包络调制信号估计性能差的问题,提出了一种适用于非恒包络的16阶振幅移相键控(amplitude phase shift keying, APSK)信号的加权SNR估计算法,该算法利用接收信号的先验信息和信号的阶矩关系进行SNR估计,具有复杂度低,估计精度高等优势。理论分析与仿真结果表明:所提出的算法可以有效地对16APSK调制信号进行SNR估计,且相比于M2M4算法,利用M3信息进行信道估计的加权SNR估计算法具有更高的估计精度。

在通信系统中,跳频信号不仅会出现时延,还会存在频移。研究具有时频二维低/无碰撞区的跳频序列的构造。证明了Reed-Solomon(RS)码的时频二维周期汉明自相关函数的上界;提出了两种构造方法。第一种方法是基于RS码来构造时频二维周期低碰撞区跳频序列集。第二种方法利用矩阵来构造时频二维非周期无碰撞区跳频序列集。丰富了时频二维低/无碰撞区跳频序列的理论研究成果。

在车载通信系统中,全双工中继技术可满足车联网的低时延需求以及缓解频谱资源短缺问题。然而,实际车载通信应用中不同信源车辆发送的信息相互独立,节点调制方式往往不对称。这种非对称传输会加剧全双工模式残余自干扰造成的译码错误。针对这一问题,提出一种非对称调制的全双工通信方法,该方法引入网络编码联合调制的解码转发方式解决了非对称调制带来的误码率增大的问题。此外,分析了全双工残余自干扰随功率动态变化情况下的优化约束条件,得到最优功率分配区间。数值分析结果证明:在不同功率区间内,所提方法都可找到最优功率比例,使得系统端到端误比特性能最优。

提出了面向毫米波大规模多输入多输出(multiple input multiple output, MIMO)的新型时间反演技术,称为干扰消除时间反演。该方法适用于频率选择性室内信道,通过预滤波器设计来实现。该方法在传统时间反演技术的基础上进行优化,使毫米波大规模MIMO系统的用户间干扰达到最小。推导了使用该方案时系统的信噪比和用户可达速率表达式,并对所提方法的计算复杂度进行了对比分析。仿真验证了干扰消除时间反演法使每个用户的平均误比特率减小,提高了系统可达速率。

针对已有复杂网络边攻击研究中未考虑边攻击代价的问题,提出基于代价的复杂网络边攻击模型。该模型考虑了边攻击代价因素,以边的权重近似衡量攻击代价,以最大连通子图和平均路径长度作为网络鲁棒性测度指标,将边攻击策略和权重参数对普通无标度网络与指数可调无标度网络的鲁棒性影响进行了仿真模〖JP3〗拟。结果表明:边权参数取不同值时,边的权重由大到小策略攻击效果都不是最好的;攻击代价较小时,边的权重由小到大策略攻击效果最好。与现有模型相比,采用该模型研究复杂网络边攻击策略有效性较符合实际,具有一定的参考价值。

三元组射频仿真是电子系统进行外场试验前的必要步骤,仿真的有效性取决于电子系统在室内仿真与外场试验下的响应一致性。研究了耦合效应对三元组射频仿真的影响。通过理论分析与全波电磁计算,分析了发射端三元组单元间的耦合、接收〖JP3〗端单元间耦合对仿真的影响。结果表明,当接收端方向图在三元组邻域内均匀时,发射端的单元间耦合可以忽略;当接收端各支路的天线之间耦合参数与电磁波照射方向无关时,接收端耦合对射频仿真无影响。基于文中参数,发射端耦合、接收端耦合造成的仿真误差分别低于总仿真误差两个数量级、一个数量级。

提出了改进的稀疏子空间学习方法。首先,提出了稀疏近邻相关性重构模型,该模型通过提取样本间的局部信息和标记样本的标签信息,解决了稀疏子空间学习的全局特征导致数据描述不充分的问题;其次,利用半监督技术,引入正则化参数对无标签判别特征和标签判别特征进行特征融合,提高了基于稀疏近邻相关性重构的子空间学习算法的性能。实验结果表明,该方法具有较高的分类性能和识别率,此外,稀疏近邻相关性重构在提取判别信息时具有良好的稳定性。

根据生物进化史中已被发现的物种大爆发和大灭绝现象，提出了智能优化算法——物种生灭算法，并对寻优机制进行了详细的描述。该算法借鉴了物种灾变进化理论的思想，通过对物种执行大爆发和大灭绝操作实现寻优，通过引入主支转移和新老物种的衍生能力收缩等策略，达到平衡算法全局寻优能力与局部寻优能力的目的。仿真结果表明该算法具有实现简单、收敛速度快、运行效率高、寻优精度好等优点。

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。

利用泊松过程描述了系统共因失效(common cause failures, CCF)的发生规律,证明了共因发生可表示为所有多重失效过程的叠加。给出了共因发生率和多重失效率的数学关系,并利用Jeffreys原则求解多重失效率的贝叶斯估计值。解析了不完全CCF机制,并推导出系统可靠度表达式。以一种飞行数据记录系统为例,基于独立失效和不完全CCF建立了可靠度函数,并与完全CCF和不考虑CCF的假设结果进行对比,说明了该模型能更合理地对系统可靠性进行预测。另外,通过参数的贝叶斯更新,动态地反映了系统可靠性的变化规律,为系统检修周期的确定等问题提供了依据。