精确制导武器是区域电子防空的首要作战对象,以红外、电视、激光为制导方式的光电制导武器占据绝大比例。干扰目标分配作为对抗过程中的关键环节,其准确性和合理性直接决定能否实现对敌有效干扰,确保己方重点目标的安全。在分析区域电子防空目标特征、对抗能力和决策难点的基础上,确立了基于多层防御的干扰分配思路。针对目标分配的前提威胁评估问题,提出了目标环境不确定条件下基于知识推理的威胁等级判定方法。依据威胁评估结果,建立以干扰效能指数最大化为目标的干扰分配数学模型,解决不同作战对手、对抗手段、力量配置情况下的分配决策问题。仿真实例表明,所提方法能够积极响应战场态势变化,在实时分配、精确干扰和主动调整上满足实战要求。

为了实现防空反导目标识别,根据证据折扣理论和证据可靠性评估的思想,提出了一种改进的时域证据组合方法。首先,提出了具有时域信息累积的信息融合模型;然后,通过基于信任度和虚假度的方法对累积的时域信息进行预处理,用可信度衰减模型和基于Einstein算子改进的冲突因子分别进行实时可靠性和相对可靠性评估;最后,基于Dempster准则和证据折扣准则对证据进行合成。仿真分析表明,该方法能够充分利用历史信息,体现了时域信息融合的动态性,能够有效处理信息冲突,具有较强的抗干扰能力。

杂波环境下,现有多目标跟踪滤波器会出现性能衰减。对此,提出了基于幅度信息(amplitude information,AI)的广义标签多伯努利(generalized labeled multi-Bernoulli,GLMB)滤波算法(AI-GLMB)。通常杂波幅度低于目标回波幅度,通过引入幅度信息对目标状态进行扩展,建立幅度似然函数,推导新的更新方程,并给出了算法的序贯蒙特卡罗实现方法。仿真结果表明,AI-GLMB算法能有效适应高杂波环境,同幅度信息辅助的概率假设密度滤波算法、幅度信息势平衡多伯努利滤波算法及传统GLMB滤波算法相比,其跟踪精度更高。

根据航天测量船船摇数据特性,提出了基于“当前”统计Jounce模型(“current” statistical Jounce model, CSJounce)和最大相关熵卡尔曼滤波器的滤波及预报方法。在分析船摇数据周期特性的基础上,使用频域滤波方法分析了船摇数据噪声,得出其非高斯白噪声,指出去船摇数据四阶差分量周期性显著减弱。为克服船摇动力学建模复杂的问题,引入机动目标跟踪理论,针对目前模型阶数不够高的问题,结合“当前”统计的思想,推导了CS-Jounce模型。针对船摇数据噪声非高斯白噪声的问题,引入了最大相关熵卡尔曼滤波器。实测数据验证表明,该方法能很好地跟踪船摇数据,滤波精度较高,三步预报均方根误差小于5″。同时,该方法能较好地估计和预报船摇角度及角加速度数据。

在采用均匀圆阵对宽带线性调频(linear frequency modulation, LFM)信号进行测向时,由于满足奈奎斯特采样所需采样数据量很大,加重了实时处理系统负担。针对这一问题,在小孔径圆阵环境下提出并构建了基于压缩感知理论的时差测向模型,以较少的观测点实现了信号的波达方向估计。研究结果表明,应用所提的基于压缩感知的分数时延估计法对宽带LFM信号测向时,能够获得与分数时延估计测向算法相似的测向精度,并且大量减少了数据的运算量,提高了算法的时间效率。

为降低波达方向(direction-of-arrival, DOA)估计中阵元硬件成本和阵元间耦合,提出基于差集表遍历搜索的互素稀疏阵列DOA估计器。该估计器兼顾低复杂度和高精度的特点。其低复杂度在于:仅需依据互素稀疏阵列的阵元坐标即可构造出差集表,以该差集表为指导,可实现观测阵元的协方差矩阵到Nyquist虚拟阵列协方差矩阵的快速转换,进而借助多信号分类分解实现多目标DOA估计;其高精度在于:差集表遍历搜索措施可提升信号子空间的维度,进而提高了空间谱分辨率。鉴于高频段、低波长的阵列信号处理应用日益展开,该DOA估计器具有较为广阔的应用前景。

超高速平台前视阵雷达面临强杂波抑制难题,其杂波不仅具有显著的距离依赖性而且存在多重距离模糊,导致雷达动目标检测性能急剧恶化。针对这一问题,提出了一种基于频率分集阵列和多输入多输出雷达的距离角度多普勒三维自适应处理距离模糊杂波抑制方法。该方法通过发射接收二维联合空域和差波束及时域邻近多普勒通道进行降维处理,保证算法的低复杂度以及在小样本条件下的杂波抑制性能。仿真实验验证了所提方法的有效性。

双基地多输入多输出(multiple input multiple output, MIMO)雷达收发阵列互耦和幅相误差会严重影响高分辨波达方向(direction of arrival, DOA)和波离方向(direction of departure, DOD)估计算法的性能。针对这一问题,通过在收发阵列中分别引入若干个经过精确校正的辅助阵元,并利用子空间原理和降维思想,提出了一种双基地MIMO雷达目标二维角度及收发阵列互耦和幅相误差矩阵的联合估计算法。首先,该算法不需要收发阵列互耦和幅相误差矩阵信息,就能较为精确地估计出目标的DOA和DOD;然后,基于对目标二维角度的精确估计,还能进一步对互耦和幅相误差矩阵进行精确估计,进而对收发阵列误差实现自校正。所提算法只需进行一维谱峰搜索,不需要高维非线性优化搜索,所以运算量较小。计算机仿真结果证明了所提算法的有效性和正确性。

为了探测因杂波干扰强度大、目标回波微弱等原因，导致雷达操纵员将其误当成杂波点的慢速小目标。把连续多帧雷达图像进行长时间积累,针对多帧雷达图像积累中目标回波不连通的情况,提出了一种目标回波不连通的慢速小目标探测方法。引入最小外接矩形的长宽比Fj3占空比Fj2和像素值Fj1等3个参量,运用图像标记技术提取目标回波上述参量,利用Fj1去除大片连通目标回波对慢速小目标的干扰,通过Fj2和Fj3得到的信息值H(Aj)对目标回波进行分类处理。在每个分类域中,首先去除目标回波中间隔距离大于多帧积累时间内慢速小目标运动距离的目标回波,然后通过“慢速小目标的确定”实现对慢速小目标的有效探测,最后把每个分类域中慢速小目标探测结果进行合成得到最终的慢速小目标探测效果。仿真实验结果验证了该算法的有效性。

弹道导弹在突防时表现为弹头、诱饵等群目标特征。雷达对群目标进行跟踪时,如果某一目标出现丢失,为维持航迹,常利用弹道导弹运动轨迹可预测的特点进行弹道预报。预报的精度主要取决于初值精度。考虑到雷达对群内多目标探测信息具有相关性,多目标之间的相对误差一般小于单个目标的绝对误差。利用这一误差特性,在群目标间不发生机动运动情况下,提出了利用群内目标间的相对运动关系,用雷达正在跟踪的目标对其他丢失目标进行弹道预报的方法。通过误差分析,定量研究了利用群内目标的相对运动关系提高弹道预报精度的机理。仿真表明,当雷达对群目标探测信息相关性较好时,该方法大幅提高了弹道预报精度。

针对传统方法相位校正后存在残余相位误差导致图像散焦的问题,提出基于Laplace先验的复贝叶斯压缩感知(complex Bayesian compressed sensing,CBCS)逆合成孔径雷达高分辨成像算法。首先,假设目标图像各像元服从Laplace先验,建立稀疏先验模型;然后,把相位误差作为模型误差,利用BCS理论通过迭代交替求得目标图像并实现相位误差更新。该算法直接在复数域进行贝叶斯推理求解,避免了传统方法中将复数转换为实数处理所带来的运算复杂度高、自聚焦效果不强的问题。另外,在求解过程中采用分布式计算方法,与传统的矩阵矢量化求解方法相比,进一步提高了运算效率,仿真实验验证了算法的有效性。

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。

针对复杂装备系统任务活动中风险分析传递类型单一、风险机理分析不全面的问题,构建不确定随机图形评审技术模型。首先,根据复杂装备系统的风险特点,基于机会理论提出了风险度,定义不确定随机矩母函数,结合风险基元、风险流构建了图形评审技术(gragh evaluation review technique, GERT)网络分析模型;然后,改进模型通过基元风险度、系统风险度、风险基元重要度等参数,进一步描述风险传递关系;其次,利用矩估计法处理专家信度,采用改进的量子菌群算法求解极大熵模型,分别求得不确定分布函数和概率密度函数,从而得到矩母函数,计算网络模型的参数。最后,选取某型战机执行眼镜蛇机动任务为例,定量评估飞行风险,分析风险机理,验证模型的有效性。

现代快速多变、不确定、Cyber对抗激励的战场环境对军事信息服务云环境的韧性能力提出了更高的要求,提出了一种Cyber攻击下韧性信息服务云环境能力评估方法。首先明确了韧性信息服务云环境的概念,分析了信息服务云环境韧性过程和要素,建立了Cyber攻击下云环境“四阶段”韧性过程模型;其次,从吸收扰动能力、恢复能力、适应能力3方面,建立了能力降级率、抗毁顽存时间、异常识别率、异常识别时间、能力恢复率、任务完成波动率等3类共15项韧性能力度量指标体系,建立了韧性能力指标评估计算模型。最后,以韧性信息服务云环境的指挥引导任务为案例,开展不同引导资源毁伤条件下指挥引导任务完成波动率的仿真实验,韧性评估结果可为提升韧性能力提供参考依据。

退化设备的剩余寿命(remaining useful life, RUL)预测是当前可靠性领域研究的一个热点问题。基于Wiener过程,提出一种考虑随机冲击影响的非线性退化设备RUL预测方法。首先,设备连续退化过程用一个非线性Wiener过程描述,而冲击导致退化水平突变的影响由一个复合泊松过程刻画;其次,基于所建立的退化模型和首达时间概念,推导出剩余寿命概率密度函数及其近似解析解,极大地减少了数值计算时间,并提出一种基于期望最大化算法的模型参数估计方法。数值仿真和航天锂电池实例验证表明,所提方法提高了RUL预测的准确性,对于解决存在随机冲击影响的设备RUL预测问题具有一定的理论指导意义。

针对目前没有将退化的多阶段性和维修前的退化数据用于维修后的剩余寿命预测问题,提出了一种基于多阶段Wiener过程的正态总体均值和变异系数一致性检验的剩余寿命预测方法。首先选用Wiener过程构建多阶段的退化模型;然后根据维修前后的退化监测数据,提出了正态总体均值的一致性检验方法,在检验结果的基础上根据变异系数的倒数构造H随机变量,提出了一种基于概率分布的数据一致性检验方法。最后,根据维修前后的退化数据的一致性检验结果,融合维修前后的退化数据进行剩余寿命的预测,通过预测误差对比结果证实了所提检验方法的有效性。

针对决策问题的不确定性和复杂性以及属性权重和专家权重未知等特征,提出一种融合新型偏好度模型和改进累积前景理论的决策方法。首先,定义群决策问题的基本框架,将属性值和心理参考点改进为区间值;其次,根据区间心理参考点的二维几何表示定义新型偏好度模型,由此确定属性权重和专家权重;再次,聚合专家意见,考虑专家心理行为,由属性值和区间心理参考点的位置关系,得到收益值和损失值的计算公式,进而确定各方案的总前景值及排序关系;最后,通过案例分析和方法对比验证该方法的有效性、可行性和实用性。

针对多情景混合型的风险决策问题,考虑决策者期望和心理行为特征,提出一种基于效用风险熵的决策分析方法。首先,分析并总结多情景混合型风险决策信息的结构特征;然后引入前景理论价值函数,将属性值与期望参照点对比,作为决策者所感知的“损益值”,计算各结果情景下的综合效用价值;进一步综合考虑结果情景效用价值及发生概率的双因素作用,通过直接定义效用风险系数和效用风险函数,基于效用风险熵对方案的整体效用风险大小进行度量并排序;最后,通过算例分析,验证该方法的合理有效性。

针对无人机编队飞行过程中领航无人机在三维空间机动飞行时的编队队形保持问题,构建了无人机三维编队保持控制系统。根据无人机编队飞行三维空间几何学关系,利用无人机自动驾驶仪模型和编队运动学模型建立了旋转坐标系下三维编队飞行的数学模型。在考虑闭环系统存在时变外界干扰的情况下,设计了无人机编队保持的自适应控制器,并基于李亚普诺夫理论,对设计的自适应控制律的稳定性进行了证明。最后通过仿真验证,该控制器能够有效抑制干扰带来的影响,使僚机能够迅速跟随长机机动,并保持编队队形的稳定。

针对速度不可测和输入受限的四旋翼飞行器轨迹跟踪控制问题,考虑系统存在模型动态不确定和外界干扰未知的情况,提出一种输入受限四旋翼飞行器轨迹跟踪动态面输出反馈控制方法。该方法首先设计非线性扩张状态观测器估计飞行器系统的速度和广义扰动,然后结合反演法和动态面技术设计动态面轨迹跟踪控制律,以降低控制算法的复杂性,同时引入双曲正切函数解决控制输入饱和问题,并构造辅助方程降低饱和效应,最后选取李雅普诺夫函数证明闭环系统所有信号一致最终有界。以大疆M100飞行器为目标进行控制仿真,结果表明，所设计的输出反馈控制器能够有效地处理飞行器系统控制输入受限、速度不可测和未知干扰问题，实现飞行器精确轨迹跟踪控制。

为解决捷联惯导系统大方位失准角初始对准中状态维数较高,直接应用无迹粒子滤波(unscented particle filter, UPF)会带来维数灾难的问题,提出了基于卡尔曼滤波(Kalman filter, KF) /UPF组合滤波的初始对准方法。将非线性初始对准模型分解为线性与非线性两部分,采用KF实现对线性部分的最优估计,采用UPF对系统的非线性部分进行状态估计。通过仿真比较不同粒子数下KF/UPF组合滤波算法和UPF算法,结果表明,KF/UPF组合滤波算法在保证初始对准精度和收敛速度的同时,将需要进行UPF滤波的状态维数由10 维降为3 维,减少了计算量,运算时间分别缩短至原来的52.69%和6.0%,提高了初始对准的实时性。

针对航天器在轨危险交会,提出了航天器面内机动最优规避分析方法,基于面内机动约束,在保证碰撞概率降低到最小值或交会距离提高到最大值的前提下得到最优的机动脉冲。首先结合轨道高斯摄动方程和泰勒展开得到解析的轨道规避机动动力学模型,分析了机动脉冲与航天器相对运动的线性关系;然后通过航天器位置协方差信息及交会平面的相对位置信息得到航天器危险交会的碰撞概率和交会距离,并采用机动方向和机动大小分步求解的策略计算机动冲量;最后通过数值仿真对面内脉冲机动规避策略进行验证,仿真结果表明所设计的面内脉冲规避策略能够得到不同时机下的最优脉冲。

针对基于粒子滤波的接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)算法中普遍存在粒子退化和采样枯竭问题,提出基于鲁棒扩展卡尔曼粒子滤波(robust extended Kalman particle filter,REKPF)的RAIM算法。该算法利用扩展卡尔曼滤波计算粒子的建议密度函数,引导重采样做出更加准确的采样分布;同时,为了减小伪距偏差对滤波估计的影响,利用抗差估计对卡尔曼增益矩阵进行修正。通过实测数据构建卫星故障检测的检验统计量,对各状态的累加对数似然比进行一致性检测。仿真结果表明,当存在伪距偏差时,基于REKPF的RAIM算法能够有效诊断故障星,缩短告警延迟时间,提高定位精度,算法性能更好。

针对舰船捷联惯导在行进间难以实现自主的粗对准,研究了在动基座下的舰船捷联惯导的粗对准,提出了一种采用全球定位系统(global position system, GPS)辅助舰船捷联惯导系统在运动中实现粗对准的方法。该方法利用GPS获得的位置信息,通过对捷联惯导基本方程的数值积分,计算捷联姿态矩阵。相比于借助外测速度实现粗对准,该方法借助GPS获得的位置信息实现粗对准,不需要装备多普勒测速仪。因此,该方法成本更低、具有实用性。经试验验证,该方法能使舰船捷联惯导在航行间快速的计算出初始捷联矩阵,满足姿态误差角小于1°的精度要求。

为满足舰艇航行的高精度导航要求,提高惯导系统陀螺漂移估计精度,设计了基于扩张状态观测器(extended state observer, ESO)的惯导系统陀螺漂移估计算法。首先引入了惯导系统水平姿态角的ESO估计算法;其次基于惯导系统姿态控制方程,研究并推导了陀螺漂移的ESO估计算法,给出了估计误差的量化分析结论;最后对算法进行了仿真验证。结果表明,基于ESO的陀螺漂移估计方法可在短时间内快速、无超调、高精度地估计出陀螺漂移,当ΔAx=ΔAy=10^-5g时,估计的稳态误差约为10^-4(°)/h,提高了惯导系统后续导航精度。

通过状态机学习算法,可以提取传输层安全(transport layer security,TLS)协议的实现库状态机模型来分析其安全性。当前在状态机学习中需要解决状态机学习时间随目标系统状态数增长而呈指数级增长的问题。提出一种改进的状态机学习算法,通过TLS协议特定套接字约简所需测试序列;结合检查点算法构造测试序列的前缀树,简化目标系统对测试序列测试步骤。测试结果表明,提出的改进算法能够大幅减少状态机学习过程生成的等价查询数量,加速状态机学习过程。同时通过学习到的状态机模型,分析其异常状态,找到一个OpenSSl的逻辑错误,证明学习到的模型是有效的。

方向调制技术是近年来物理层安全通信领域研究的热点之一。现有的研究都是采用均匀相控阵根据应用场景性能要求的不同来研究方向调制信号的综合算法,不同场景性能要求下综合算法不具有通用性。针对这一问题提出了一种基于稀疏阵列的方向调制信号综合算法,算法中首先利用前向后向矩阵束方法求解稀疏阵列的阵元位置,然后针对方向调制信号应用场景性能要求建立相应的优化问题,通过优化问题中的目标函数和约束条件将不同的性能要求统一到一个优化问题中求解稀疏阵元对应的激励。仿真结果表明所提的基于稀疏阵列的方向调制信号综合算法相比于均匀阵列的方向调制信号综合算法能够更好地适应不同场景性能要求下方向调制信号发射机的设计。

针对低信噪比下复合二进制偏移载波(composite binary offset carrier, CBOC)信号的组合码序列盲估计问题。首先采用奇异值分解(singular value decomposition, SVD)的算法对CBOC的组合码序列进行可行性验证,可得在已知相关参数的情况下对CBOC信号组合码序列盲估计是可行的;其次就SVD在长序列估计中计算量和存储量需求大的问题,进一步提出主分量神经网络解决上述问题,同时引入最优变步长收敛模型改善神经网络(neural network, NN)收敛速度。利用无监督NN的自适应主分量提取信号特性,避免批处理运算,实现CBOC信号组合码序列盲估计。实验表明,NN能在-20 dB下达到精确估计序列的目的,且算法有稳定性高、复杂度低、收敛速度快等优点。

为了降低正交频分复用系统的峰均功率比(peak-to-average power ratio, PAPR),提出了一种基于分块思想的低复杂度PAPR抑制方案。该方案首先将原始信号等分为两个子块,然后将每个子块数据通过快速傅里叶逆变换处理后,与转换向量进行循环卷积生成备选子块序列,同时引入随机相位序列生成更多的备选子块序列。最后,从两个备选子块序列中分别挑选出PAPR最小的子块序列,合并成最优信号进行传输。性能分析表明,当每个转换向量模块生成的备选子块数量大于等于5时,提出的方案可以在保持较低计算复杂度的同时,实现PAPR性能的大幅度改善。

由于L频段数字航空通信系统1(L-band digital aeronautical communication system1, L-DACS1)和民航测距机(distance measuring equipment,DME)系统的频谱有部分重叠,因此在L-DACS1接收机中需要考虑DME干扰的抑制问题。提出了基于最大输出信噪比的干扰抑制和盲波束形成算法。由于DME脉冲干扰的功率较大,首先采用子空间跟踪算法来得到干扰子空间,然后将接收数据向干扰子空间的正交补空间进行投影以抑制DME干扰。干扰抑制后,接收数据中只剩下正交频分复用(orthogonal frequency division multiplexing, OFDM)信号和噪声了。为了充分利用阵列天线的优势,采用了输出信噪比最大准则来进行波束形成,将天线方向图的主瓣对准OFDM信号来向,以提高接收机输出信号的信噪比。仿真表明,该方法不需要先验信息就能够在抑制干扰的同时进行盲波束形成,在OFDM信号来向上获得高增益的主瓣,进而提高输出信噪比;另外,所提的波束形成方法在输入信噪比较低的环境下依然能够形成稳定的波束,将主瓣对准信号来向。

针对当前视频拼接方法仅考虑图像低阶几何特征而没有考虑图像高阶语义特征的问题,提出融合图像高阶语义信息的视频拼接方法,并采用多线程编程方式提高拼接速度。主要贡献包括:①自适应动态视频拼接系统框架;②融合语义的高效特征匹配算法;③融合语义的视频拼接质量评价算法。为验证提出算法的有效性,使用车载摄像机在校园环境内进行动态视频拼接实车实验。实验结果显示,相比于传统方法,该匹配算法正确率提升了50%左右,拼接评价算法更符合人眼视觉,方法的拼接质量提升了25%左右,具有较高的鲁棒性与准确性。

由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维。主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法。它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法。小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题。该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标。但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数。仿真实验表明,改进的主峭度分析算法能够缩短计算时间,提高算法的收敛速度。