为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik (PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio, SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。

针对传统FitzHugh-Nagumo (FHN)模型检测方法在α稳定分布噪声条件下检测性能退化的问题,在α稳定分布的统计特性基础上,将三倍分散系数异常值剔除准则引入FHN模型检测方法,提出基于三倍分散系数FHN模型的超宽带冲激无线电(ultra wideband-impulse radio, UWB-IR)检测方法。此外,对传统三倍分散系数准则进行改进,使用样本分位数法对α稳定分布参数进行估计,避免了传统三倍分散系数准则对α稳定分布参数先验信息的依赖,使其适合全盲条件下的UWB-IR信号检测。仿真实验表明,该算法能有效抑制α稳定分布噪声中的强脉冲,可较好地重构UWB-IR信号波形,实现了强α稳定分布噪声条件下UWB-IR信号的有效检测。

针对非均匀线阵(non-uniform linear array,NULA)互耦问题进行了研究。与均匀线阵(uniform linear array,ULA)不同的是,NULA的互耦矩阵并不具有带状对称Toeplitz的特性,因而处理起来更为复杂。首先,根据阵列结构的特点,可将其互耦矩阵转换为两个具有Toeplitz特性矩阵相减的形式,从而方便实现角度和互耦系数的解耦合。而后结合子空间原理,同时估计信号的波达方向(direction of arrival, DOA)和互耦系数。算法无需额外的校正源,也不需要非线性的高维搜索和迭代过程,计算量小。仿真结果表明,所提算法能够很好地估计出信号角度和互耦误差系数,具有精度高、分辨力强的特点,可以有效地解决此类NULA的互耦问题。

概率转换是不确定推理中的有效决策方法之一。首先，对现有概率转换公式进行分析,给出两类统一的概率转换公式。针对现有概率转换公式的给出过程较为主观,概率转换方法缺乏严密性的缺陷,提出基于反馈证据冲突度的概率转换方法。再利用遗传算法,求解最小反馈证据冲突度的转换概率。最后,将本文概率转换方法与现有的概率转换方法进行比较,结合仿真分析表明所提方法的有效性。

大气噪声的分析与抑制对低频通信至关重要。结合实测大气噪声数据分析其幅度分布,提出噪声抑制的新非线性变换方法,并理清非线性变换的检测性能与正态性的关系。首先分析实测噪声幅值分布,验证其非高斯性且接近服从对称 α稳定(symmetric α stable,SαS)噪声模型。然后基于高斯化处理后信号检测模型,推导得到新非线性变换方法——过高斯化处理。最后,基于实测大气数据的正态检验统计与误码率(bit error ratio, BER)仿真表明:大气噪声处理技术的BER性能与正态性之间并非一定正相关;过高斯化处理能够有效降低BER,性能接近传统局部最优检测器。

线性调频(linear frequency modulation,LFM)信号是一类重要的水声信号,在低信噪比(signal-to-noise ratio, SNR)和α稳定分布噪声条件下,对LFM信号进行识别会遇到一些困难。针对这个问题,在浅海水声多途脉冲噪声信道条件下,提出了适用于低SNR条件的LFM信号识别方法。该方法首先通过非线性变换抑制脉冲噪声,然后进行离散分数阶傅里叶变换(discrete fractional Fourier transform,DFRFT),通过分数阶傅里叶变换(fractionalFourier transform,FRFT)的结果构造出识别特征量,最后通过支持向量机(support vector machine,SVM)完成对LFM信号的识别。仿真实验结果表明,在混合信噪比（mixed signal-to-noise ratio,MSNR）为-15 dB时正确识别率高于94%。

针对极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像变化检测问题,提出了结合区域信息和深度卷积神经网络(deep convolutional neural network,DCNN)的PolSAR图像变化检测算法。在本方法中,用超像素分割算法与超像素合并算法提取图像场景的区域信息,利用区域信息和Wishart似然比得到差异图像;再运用预分类算法以得到训练DCNN的伪训练样本和待分类样本;接着用伪训练样本训练DCNN;最后用训练好的DCNN对待分类样本进行分类得到最终结果。实验结果表明,与多种PolSAR变化检测算法相比,所提算法能够获得更好的结果。

为了提高作战飞机的隐身性能,同时保证飞机的跟踪精度,提出了基于序优化（ordinal optimization, OO）的多传感器协同(multi-sensor collaboration, MSC)辐射控制方法。该方法基于交互式多模型-扩展卡尔曼滤波算法建立了MSC下雷达辐射控制(radar radiation control, RRC)的参数优化模型。在跟踪过程中,利用目标残差范数来确定雷达是否开机。针对RRC的参数优化模型,采用OO的方法对等间隔控制、实时控制和混合控制3种方式进行求解,分别得到3种控制方式最优的雷达辐射周期和辐射控制因子。仿真结果验证了混合控制方式优于另外两种控制方式,且表明OO方法能够保证以足够高的概率求得足够好的解。

提出了实现高分辨率滑动聚束星载合成孔径雷达波束指向控制的卫星姿态机动策略。该策略改进了传统中等分辨率滑动聚束模式(sliding spotlight mode, SSM)成像几何,认为高分辨率SSM天线波束指向的焦点位置随方位时刻变化,同时以多普勒中心距离空变量最小为约束条件,实现对SSM成像时长和姿态角变化的计算。该策略认为卫星通过三轴姿态机动实现波束指向控制,克服了大斜视角时单轴或双轴姿态机动出现的场景弯曲,适用于高分辨率滑动聚束成像模式的姿态设计。卫星仿真工具包(satellite tool kit,STK)仿真实验与点目标回波仿真实验验证了所提方法的有效性和精确性。

为全面深入掌握角反射体全向雷达截面积(radar cross section, RCS)特性,提出了综合利用物理光学(physical optics, PO)和区域投影(area projection, AP)的混合算法,构建了基于PO/AP的三面角反射体全向RCS模型,研究了包括角反射体形状、尺寸及入射波方位角、俯仰角、频率、极化方式等参数在内的角反射体RCS特性,并对3种反射类型进行了独立分析,最后通过FEKO（一款三维全波电磁仿真软件）仿真对算法的有效性进行了验证。结果表明:所提算法是角反射体全向RCS模型构建及分析行之有效的手段,其在有效保证计算精度的前提下,能够显著提高角反射体RCS的预估效率。

传统的湍流探测方法需要利用经验公式和参数化模型等,公式与模型的正确性大大影响了探测的准确性。基于反向传播(back propagation,BP)神经网络多类分类方法的气象湍流目标探测算法无需借助经验公式和参数化模型,利用神经网络的分类功能,仅通过对大量数据的学习可有效地确立雷达回波与湍流强度之间的关系。仿真结果表明,所提出的方法在进行湍流强度时有可忽略、轻微、中度、强4个等级分类,有良好的准确性,在进行湍流2个等级分类,即判定湍流有无时,准确率将大大提高。理论和实践结果表明,所提出的方法可以有效地进行湍流目标探测。

以复杂战场环境下多无人机任务指派为研究背景,针对分布式结构下通信延迟可能导致指派冲突的问题,设计了通过设置比较阈值和对无人机(unmanned aerial vehicle,UAV)进行优先级排序的方法,以极小的通信代价预测潜在指派冲突;之后开启编队内通信,通过比较各UAV的指派方案确定当前可执行的最优任务,从而达到冲突消解的目的。通过MultiUAV2仿真平台对提出的方法进行验证。仿真结果表明,该冲突消解机制能够准确高效地预测和消解指派冲突,具有可行性与合理性;且由于采用动态的阈值设定,对不同的作战环境有较好的适用性。

对地面运动目标的搜索是无人机(unmanned aerial vehicle, UAV)航路规划的重要研究内容之一,受目标运动的影响,传统的垂线扫描搜索方法对速度较大的运动目标搜索能力不足。为了提升对运动目标的搜索效率,提出多无人机(multi-unmanned aerial vehicle, multi-UAV)并排回寻式搜索方法,以回寻速度与推进距离为参数构建了协同搜索数学模型,搜索效率须在搜索速率和发现概率2个指标之间权衡,通过对模型参数进行优化,得出不同应用场景下的最优搜索方案。仿真结果表明:与垂线扫描搜索法相比,在相同的发现概率下,该方法允许目标的运动速度更快;在目标运动速度相同时,目标发现概率更高。在算例的飞行条件下,目标发现概率比垂线扫描法提高约15个百分点。

针对无人机集群需要在指定时间内完成构型变换的情况,研究了具有一阶积分特性的无人机集群构型变换固定时间一致性控制问题。基于一致性方法设计了编队控制协议,引入编队参考向量,并通过构造Lyapunov函数,证明了在通信拓扑连通条件下无人机集群系统能够实现固定时间一致性并完成期望构型变换。以四旋翼无人机为基础搭建实验验证系统,并进行二维飞行验证,实验结果证明了本文所提方法的有效性。

针对航母战斗群反潜作战活动,基于作战环思想构建网络作战模型,根据参与反潜活动的装备能力要素指标,综合利用层次分析法和灰色评估法,分析作战网络节点的效能值,从而评估作战网络边的效能,进一步结合网络模型分析打击敌方目标的效能值,最终得出反潜作战活动针对目标的打击效能。

相似度函数是含有直觉模糊集(intuitionistic fuzzy sets,IFS)的多准则决策的重要内容,直接影响了决策结果。通过比较现有的18种IFS的相似度函数,分析了其与相似度定义的匹配程度。其次,分析了IFS相似度部分性质应用的局限性,依据记分函数来比较直觉模糊数的大小,进而重新定义了IFS的相似度性质。再次,针对重新定义的相似度性质,设计了一种新的IFS相似度度量模型。最后,通过算例分析和灵敏度分析验证本文方法的有效性和对决策结果的区分度。

为解决犹豫模糊集(hesitant fuzzy set,HFS)隶属度数值个数不一致的问题,讨论了现有数值延拓（numerical extending,NE）方法的局限性,提出基于Normative算子的HFS NE方法,在没有新息加入的条件下,依次选取现有HFS隶属度可能值的均值作为一个新的延拓隶属度,直至所有HFS隶属度个数相等为止,并基于有序加权平均(ordered weighted averaging,OWA)算子归纳隶属度统一方法。最后将所提出的方法应用到多传感器电子侦察情报的多属性决策问题中,基于改进的逼近理想解(technique for order preferences by similarity to ideal solution,TOPSIS-ε)法对各信源HFS属性判决进行多属性决策。仿真试验分析了距离、距离参数、属性权重对决策结果的影响,并详细对比和验证了新方法在HFS隶属度NE方面的稳定性和直观性。

针对传统方案评价方法只考虑评价信息的模糊性而忽略信息随机性的问题,同时考虑决策者具有参照依赖和损失规避行为,提出基于云模型的改进交互式多属性决策(简称为TODIM)方案评价方法。首先采用云模型对语义评价变量进行量化;其次定义算术平均云,基于云距离测度算法分析专家评价云与算术平均云的相似度,确定专家动态权重,并通过云的集成方法构建加权云决策矩阵;再定义正、负理想云模型并以最大化所有方案的总体贴近度为目标,建立线性规划模型确定指标权重;最后采用基于云距离测度算法的云-TODIM方法计算每个方案相对于其他所有方案的总体优势度,从而对方案排序。以云服务供应商的评价与选择为例,验证了所提方法的有效性。

针对带有非最小相位特性的吸气式高超声速飞行器控制问题,提出了一种输出跟踪控制方法。对于不具有非最小相位特性的速度子系统,运用动态逆控制技术设计了状态反馈控制器;针对具有非最小相位特性的高度子系统,首先选取合理的内外动态变量,通过坐标变换,将纵向俯仰通道模型转换为正则形式。然后通过对内动态进行稳定性分析,提出了飞行器系统非最小相位特性的判定定理。最后通过在动态逆控制器中加入正则变换后的状态反馈,实现了内动态的镇定,并基于Lyapunov方程证明了系统稳定性。仿真结果表明,该方法实现了良好的跟踪控制效果,并有效地镇定了系统的内动态。

针对飞行器再入姿态运动设计了一种基于扩张状态观测器(extended states observer,ESO)的预测控制方法。为了降低系统的阶数,将姿态系统分成姿态角子系统和姿态角速率子系统,分别设计控制器。采用动态逆方法将运动方程线性化,并基于此推导了解析的最优预测控制律。为了提高控制器的精度和鲁棒性,采用ESO对模型误差和不确定扰动进行估计,并在预测控制律中进行补偿。最后证明了算法的稳定性。通过六自由度仿真分析,验证了控制方法的良好性能。