空时编码阵(spacetime coding array,STCA)雷达通过在相邻阵元间引入时间延迟,在发射单一波形的条件下可实现全向空域的有效覆盖,工程上易于实现。针对STCA雷达体制,提出了一种基于发射维空间自由度的波束域超分辨角度估计方法。通过分析STCA多维模糊函数,设计了接收端的角度时间二维匹配滤波器,因而在接收端等效形成发射多波束,获得发射维空间自由度,进而设计相应的波束域搜索导向矢量,基于波束域多重信号分类 (multiple signal classification, MUSIC)算法实现了STCA等效发射端的超分辨角度估计。仿真结果验证所提方法的有效性。

鉴于无源定位技术已经成为现代信息化作战的核心技术,提出了一种新的运动多站无源时差(time difference of arrival, TDOA)频差(frequency difference of arrival, FDOA)联合定位方法去解决无源定位系统中的非线性最优化问题。通过智能算法的启发,将优化后的基于线性递减权重和物竞天择的粒子群算法(particle swarm optimization algorithm based on linear decreasing weight and natural selection, WSPSO)与经典加权最小二乘算法(weighted least squares, WLS)相联合对目标进行跟踪定位。加权最小二乘定位算法在4个基站的情况下无法实现对辐射源的定位,所得定位结果会出现多解。而所提的运动多站联合定位算法在4个基站的条件下不存在初始目标位置估计和局部收敛等问题就能够实现辐射源的精确定位。通过大量仿真结果分析,本文所提的智能优化定位算法具有更高的目标定位精度和更稳健的定位性能,优于标准粒子群算法与优化PSO算法。

针对间歇采样转发干扰范围有限以及干扰具有规律性的问题,提出一种基于多相位分段调制(multiple phases sectionalized modulation,MPSM)的间歇采样转发干扰方法。该方法首先对信号间歇采样,然后对每段信号调制不同的相位,之后放大转发出去。通过控制间歇采样参数和调制相位情况,能够产生多个位置和范围可控的压制式干扰区域,有效扩展了间歇采样转发干扰范围,并且削弱了干扰的规律性。在此基础上,针对MPSM干扰中干扰效果与调制相位关系难以推导的问题,提出一种基于遗传算法的优化方法,解决了无法得到最优干扰效果的问题。理论分析和仿真实验证明了干扰方法的可行性和有效性。

针对相对径向加速度较小时,已有的到达时间(time of arrival, TOA)二次变化率定位方法精度低的问题,提出基于TOA变化率的高精度定位方法。为了提高TOA变化率估计精度,提出忽略径向加速度进行有偏估计的方法;基于有偏的TOA变化率,首先采用牛顿迭代方法,获得目标位置的粗估计,再根据粗定位值近似计算定位偏差,对粗定位进行偏差修正,得到目标位置的高精度估计。理论分析了利用有偏估计进行定位带来的随机误差和定位偏差,以及偏差修正后的定位精度。仿真分析表明,在观测站速度和加速度较小时,本文提出的TOA变化率定位方法精度优于TOA二次变化率定位方法,提出的偏差修正方法可有效降低有偏估计带来的定位偏差,定位精度优于无偏TOA变化率定位方法。

频控阵通过在阵元间加入远小于载频的频率增量,使波束的空间分布距离角度二维相关。基于频控阵基本结构,引入两种接收信号处理机制,并对其进行理论推导分析,仿真表明两种机制均能有效接收信号。针对指向误差存在,导向矢量失配导致主瓣发生偏移问题,采用递推最小二乘波束形成算法处理。仿真结果表明,存在指向误差时,该算法在两种机制中均能在目标位置形成主瓣,在干扰位置形成零陷,验证了算法在频控阵中应用的稳健性。

双极化和宽带设计可以提高射电天文望远镜的观察效率;多波束技术可以拓宽视场,提高观察速度。利用多个独立的馈源偏焦放置实现的多波束反射面天线,具有结构简单、随频率变化性能稳定等优点。设计了一个针对500 m口径球面望远镜(fivehundredmeter aperture spherical telescope, FAST)的双极化、宽带19波束馈源,给出了馈源的实现方式和测试结果,利用馈源的幅度和相位辐射方向图,计算了由主动球面形成的多波束瞬时抛物反射面天线的性能。分析了剩余球面由于能量泄露对瞬时抛物反射面产生的影响。该系统级的设计方法及设计结果可为FAST将来的频段更换等升级改造提供设计参考和数据参考。

卫星所搭载的再生伪码(pseudo noise,PN)测距系统已广泛应用于测量双星或星地距离,由于星地间的相对运动更为明显导致伪码测距信号存在着较大的多普勒频移,从而影响利用相关运算获得的双程延时测距精度。根据伪码测距系统的实现结构,推导出当多普勒频移存在时的测距延时计算公式,进而提出了一种补偿方法。同时考虑到测距系统的实际应用环境,对补偿公式进行了简化。仿真及实际测试结果表明,经过补偿后的双程延时测量值精度(中强信噪比下)可达到0.14 ns (4 cm),补偿造成的精度影响为0.01 ns (3 mm),同时公式简化及补偿引入的误差可以忽略不计。

为了克服共形阵天线单元指向互异带来波形旁瓣高的缺点,该文以圆弧阵为例,提出一种基于虚拟孔径投影的共形阵多输入多输出(multiple input multiple output，MIMO)雷达发射波形设计方法。该方法首先对各阵元指向进行精确建模,并通过共形阵虚拟投影方法,获得规则虚拟投影阵列;其次向量化发射信号矩阵,将发射波形设计问题转为发射信号协方差矩阵降秩问题;最后通过log det heuristic 算法获得针对该虚拟阵列波形设计的凸优化数学模型,并利用凸优化工具箱对其求解。仿真结果表明,相较于现有方法,该方法能够对共形阵MIMO雷达设计更低旁瓣的发射波形。

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。

为解决起伏地形环境下异构多传感器网络表面覆盖问题,提出了多传感器多阶段分簇部署方法。首先,考虑地形遮挡效应,给出了起伏地形环境下的传感器侦察与通信模型。其次,为快速获取传感器覆盖范围,构建了基于视线交点相似性判断的改进型d-Xdraw可视域求解算法。然后,为增强覆盖率,采用分簇部署策略,将传感器部署过程分为多个阶段,并结合各阶段特点分别采用微粒群和改进虚拟力算法进行求解。实验表明,改进d-Xdraw算法能够在牺牲少量精度的同时,有效提升可视域的求解速度;相较于传统的直接优化部署方法,多阶段分簇部署方法可节省最多26.7%的运算时间,覆盖率可提升10.9%。

为了评估四旋翼固定翼垂直起降复合布局无人机(简称固旋翼无人机)垂直起降阶段的抗风性能,本文以固旋翼无人机垂直起降阶段在风场中保持稳定为基础建立了抗风特性分析方法。以某双尾撑固旋翼无人机为算例,利用所提方法分析了该无人机抗风特性及其影响因素,分析结果表明该无人机在机头来流的工况下具有很强的抗风能力,侧面来流工况下无人机抗风能力较差,可以通过增加旋翼桨盘倾角、改变旋翼电机相对于重心的位置、优化尾翼等部件的气动外形等方法来改善无人机抗风能力。飞行试验验证了所提方法的可行性和分析结果的准确性。

针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法。通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计。仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题。

武器装备性能评估贯穿于装备发展的全寿命过程,对于装备定型与实战化运用具有重要意义。针对传统反向传播(back propagation, BP)神经网络模型易陷入局部最优、武器装备评估数据少等问题,提出了基于数据包络分析和Bootstrap法的改进型BP神经网络模型。利用数据包络分析处理原始指标得到3项优化参数,结合Bootstrap法对其进行扩充,再通过BP神经网络建立评估模型。实验表明,改进模型得到的合成孔径雷达(systemic aperture radar, SAR)导引头测高性能评估结果,其决定系数和误差系数均有明显改善。该模型不仅规避了模糊综合评判法主观性强、精确度不高等问题,同时有效解决了传统BP神经网络模型易陷入局部最优和武器装备评估数据少的两个问题。

针对现有路径规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划路径不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题。首先,提出将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成路径优化过程中评估生成路径的多目标效用函数,从而使得规划路径可以反映侦察区域优先级特性。然后,提出了基于事件检测的侦察区域重要性值更新机制以提升路径规划方案对动态环境的适应性。最后,采用粒子群算法求解最优路径。仿真结果表明,利用所提路径规划方案生成的侦察路径能最大限度优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。

研究周期检测条件下装备视情维修与备件库存的联合优化问题。针对相同多部件系统,根据系统的退化状态和备件库存状态确定维修需求,建立了以系统检测周期、预防维修阈值和备件安全库存阈值为决策变量,以平均费用率最低为目标的联合维修决策模型。在模型求解过程中,利用退化状态空间划分法分析各决策点的维修需求,在系统的联合概率密度求解的基础上,确定维修组合概率和备件库存状态概率。最后,通过末制导雷达某部件系统的实例计算,验证了优化方法的有效性,另外还通过灵敏度分析,探讨了相关参数对模型的影响。

针对装备征用动员中器材需求不确定性大、响应时效性和质量要求高等特点,构建基于军事供应链的装备器材供应商选优评价准则体系,为解决不同准则带来的多种异质评价信息及准则权重、决策者权重均未知的多准则群决策问题,提出了一种基于直觉模糊熵和扩展多准则妥协解(VlseKriterijumska Optimizacija I Kompromisno Resenje,VIKOR)框架的决策方法。首先,采用包含隶属度与非隶属度偏差及犹豫度信息的直觉模糊熵,基于熵权法和权重协调系数确定综合准则权重;其次,综合考虑决策矩阵直觉模糊熵和距离测度,建立一种新的决策者权重方法;然后,采用直觉模糊加权平均算子得到决策者和决策群体综合评价矩阵;最后,将VIKOR方法扩展到直觉模糊语言环境,对备选供应商进行折衷排序和选优。

装备维修保障系统是一个复杂系统,对其效能进行评估是检验系统保障能力的重要手段。在分析装备维修保障系统构成的基础上,建立装备维修保障系统效能评估指标体系;考虑评估专家对指标权重判断的不确定性,采用区间层次分析法和三元联系数对指标进行赋权;利用正态云模型改进灰色三角白化权函数,提出一种正态灰云效能评估模型,集成了云模型和灰色评估法在处理模糊性、随机性和灰色性复杂问题方面的优势。最后通过实例分析和集对分析法、分形评估算法,验证了本文提出方法的有效性。

针对现有测试优化选择方法中因关键故障为小概率故障而容易被漏检的问题,提出了一种有指向性的对关键故障进行有效检测和隔离的方法。首先从系统安全性角度,分析了关键故障的重要性。然后基于相关性矩阵,以测试代价最小为优化目标,以故障检测率与隔离率和关键故障检测率与隔离率为约束,建立了考虑关键故障的测试优化选择模型,最后采用基于质心改进和惯性权重自适应调整的二进制粒子群算法进行求解。仿真实验结果表明,考虑关键故障的测试优化选择方法可以有效消除因关键故障漏检而对装备安全造成的严重威胁。

通过引入神经网络中的正切Sigmoid激励函数和终端吸引子函数,构造了一种非线性跟踪微分器。采用完备的稳定性理论证明了所设计跟踪微分器的渐近收敛性,并通过扫频测试分析其频域特性,总结出参数整定规则。和之前的文献相比,进一步优化了跟踪微分器的结构,整合了功能重叠的参数使得更易调参。同时,加入了终端吸引子函数降低高频信号引起的颤振使得噪声抑制能力更强。仿真结果表明,所设计的跟踪微分器具备对包含一定噪声干扰的正弦信号的滤波和求导能力,且响应速度快、精度高,具备对方波信号的快速稳定跟踪和广义导数逼近的能力,且具有更强的噪声抑制能力。

针对导弹实时滚动追逃博弈对抗双方制导律求解问题,设置了若干组对抗双方初始状态,采用分解正交配置法分别离线求解双边开环最优控制,并组成神经网络训练数据集。基于数据集将所有短周期初始和终止时刻对抗双方的状态和控制变量作为输入和输出,采用反向传播(back propagation,BP)算法训练神经网络。然后分别在简单、复杂和不确定环境下,基于滚动时域优化框架使用BP神经网络估计短优化周期内双边开环最优控制,反馈更新对抗双方状态并重复上述过程,进而实时滚动求解导弹追逃博弈双边闭环最优控制。最后将上述方法和直接法得到的优化结果进行比较,捕捉点位置和博弈时间最大误差分别为0.554%和0.097%,两种方法的优化结果吻合较好。同时本文方法计算耗时明显下降,有效提高了导弹滚动追逃博弈制导律求解的实时性。

研究了欠驱动无人艇在外界干扰条件下的航迹跟踪控制问题,提出了一种基于干扰估计与补偿的航迹跟踪控制算法,实现了风浪流干扰环境下航迹的精确跟踪。算法引入纵向误差作为状态变量对扩张干扰观测器进行设计,实时估计干扰的稳态分量,相比于传统的基于输出反馈干扰估计算法,其灵活性、可控性更高;同时基于纵向跟踪误差的状态估计误差,设计扩张干扰观测器变增益因子,相比于基于常增益观测器的航迹跟踪算法其能够在实现干扰补偿的前提下,有效减小航迹跟踪收敛段的震荡。基于李雅普诺夫稳定性理论证明了级联控制系统与干扰观测系统在平衡点的半全局指数稳定性,通过仿真对比实验及分析证明了所提航迹跟踪算法的有效性和先进性。

在卫星导航数据处理实践中,发现广播星历轨道误差中客观存在不确定性的规律现象,针对这种不能用确定数学模型表示的误差信息,建立基于粒子群优化反向传播(back propagation,BP)神经网络的轨道误差预测模型。通过粒子群算法对BP神经网络的初始权值和阈值进行全局寻优,利用广播星历解算出的卫星空间位置和速度,并结合时间信息和摄动改正数对神经网络进行训练和测试。结果表明该模型对广播星历轨道误差具有较好的拟合能力和预测效果,用该模型对卫星位置解算提供误差补偿,可有效提高卫星定轨精度,降低系统级误差。

针对航天器特征点凝视以及随动跟飞问题,提出了一种建立在目标特征点指向(feature point directing, FPD)坐标系下的相对运动动力学模型,并基于非奇异终端滑模方法(nonsingular terminal sliding mode, NTSM)实现了航天器的相对姿轨耦合控制。首先,以凝视跟踪的目标特征点为原点,跟踪指向轴为主轴,建立了FPD坐标系下的特征点相对运动模型,该模型在控制过程中可以保持特征点相对运动期望状态稳定不变,从而降低了末端约束的处理难度。其次,基于NTSM方法设计了一种有限时间控制律,并对其稳定性和滑模到达时间进行了分析,理论证明了该控制律满足Lyapunov稳定性条件,且系统能在有限时间内迅速收敛到平衡状态。最后,仿真结果表明FPD坐标系下的特征点相对运动模型以及NTSM控制律在求解特征点凝视跟踪问题上具有良好的性能和普适性,研究成果对空间在轨维护、空间操控以及深空小天体悬停着陆等具有一定的理论参考价值。

针对协作单载波频分多址（single-carrier frequency-division multiple access, SC-FDMA)系统提出了一种信干噪比约束下的中继波束赋形和用户功率分配联合优化算法。该算法能使得基站端输出信干噪比满足给定约束条件的同时最小化中继节点和用户节点的发射功率。该文通过利用矩阵分析中的瑞利商理论以及交替优化理论,分析并推导得出了最优的中继节点波束赋形和用户功率分配算法。仿真结果及分析表明,该文提出的中继波束赋形和用户功率分配〖JP3〗算法与采用正交频分复用系统下的算法相比能有效地节省中继和用户节点的发射功率。此外,为了降低算法复杂度以及所需反馈开销,该文还给出了用户端等功率分配的方法以及在此基础上的中继波束赋形算法。

针对低信噪比下异步长码直接序列码分多址(direct sequence-code division multiple access, DS-CDMA)信号伪码序列难以估计的问题,提出一种基于嵌套迭代最小二乘投影和库搜索算法相结合的盲解扩方法。该方法先将接收到的异步长码DS-CDMA信号建模成含有缺失数据的短码DS-CDMA信号,并使用重叠窗对信号进行分段构造观测数据矩阵。然后,使用最大似然理论对其进行数学建模,并用嵌套迭代最小二乘投影算法实现各用户伪码序列片段的粗提取。最后,将提取出来的伪码序列在有限长的生成多项式库中进行匹配搜索,从而得到该序列的生成多项式。仿真实验及理论分析验证了该方法对异步长码DS-CDMA信号伪码序列估计的有效性。

在跳频系统中,跳频序列的性能是评价跳频系统的性能的重要指标。本文给出了两种二维非周期低碰撞区跳频序列的构造方法。首先,利用笛卡尔积构造二维非期低碰撞区跳频序列集。然后,利用交织法构造二维非周期低碰撞区跳频序列集。最后,分析了新的跳频序列集在二维低碰撞区内的非周期汉明相关性,并根据理论界对序列集进行了最优性分析。

针对长期演进车辆(long term evolution-vehicle, LTE-V)下的车辆随机竞争接入网络容易造成网络拥塞的问题,提出基于深度强化学习(deep reinforcement learning,DRL)为LTE-V下的车辆接入最佳基站(evolved node B,eNB)的选择算法。使用LTE核心网中移动管理单元(mobility management entity,MME)作为代理,同时考虑网络侧负载与接收端接收速率,完成车辆与eNB的匹配问题,降低网络拥塞概率,减少网络时延。使用竞争双重深度Q网络(dueling-double deep Q-network,D-DDQN)来拟合目标动作-估值函数(action-value function,AVF),完成高维状态输入低维动作输出的转化。仿真表明,D-DDQN训练完成参数收敛后,LTE-V网络拥塞概率大幅下降,整体性能有较大提升。

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。

在实际工程中,对系统寿命以及剩余寿命的估计非常重要。在已知系统中部件寿命与可靠度的前提下,关于如何快速得到系统级寿命与剩余寿命的相关研究比较缺乏。针对这一问题,首先研究了可靠度、寿命以及剩余寿命的关系,进一步假设部件寿命服从同一威布尔分布,根据部件的寿命与可靠度函数,推导得到串联、并联和表决系统寿命与剩余寿命期望的封闭表达式,并给出了相应的计算方法。对于冷备系统,当部件寿命服从同一指数分布时,推得了系统寿命及剩余寿命期望的封闭表达式,而当部件寿命服从同一威布尔分布时,给出了系统寿命与剩余寿命的数值计算方法。仿真试验证明本文所提出的方法是准确高效的。最后,以卫星中的动量轮r/n(G)表决系统为例开展了实例研究,证明了该方法在工程实践中的有效性。

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。