通过推导C/A码全球定位系统(global positioning system, GPS)信号分别经空域自适应处理和空时自适应处理的相关函数，研究了阵列信号处理对C/A码GPS信号捕获性能的影响。理论分析表明，空域自适应处理不影响捕获;而空时自适应处理在抑制干扰的同时使信号产生了畸变，降低了同步和码跟踪精度。针对空时自适应处理造成的信号失真，利用维纳滤波对失真的相关函数进行补偿。仿真结果表明补偿后相关函数的波形有了明显改善，空时自适应处理带来的信号失真也得到有效校正。

投影Landweber (projected Landweber, PL)算法具有良好的频谱外推能力，能够应用于低信噪比降晰图像，是一种适合无源毫米波成像的超分辨算法。但其缺点是收敛速度缓慢，运算量不稳定，难以满足实时性要求。针对实时性问题，提出一种投影NewtonLandweber (projected NewtonLandweber, PNL)超分辨算法,首先使用Newton求逆法得到粗恢复图像，然后运用PL算法对图像做精细恢复。实验结果表明，该算法显著提高了收敛速度，图像恢复质量接近PL算法的性能。

针对多重信号分类(multiple signal classification, MUSIC)算法计算量大不适于实时处理的问题，提出了一种并行处理方案。首先,根据协方差矩阵的Hermite特性简化其构造过程；再通过实值化预处理，将后续运算转换到实数域，通过Householder变换将协方差矩阵简化为三对角矩阵，对三对角矩阵进行QR分解得到特征值和特征向量用于谱峰搜索|最后,各个阶段都适于采用多处理器并行处理。通过理论分析和仿真，验证了该方法在对MUSIC算法性能影响不大的前提下能大大减小运算量，提高算法处理速度，为MUSIC算法的高效化实现提供了一定的理论基础。

为了提高常规L形阵测角精度，结合干涉测量理论与常规L形阵波达方向估计技术，提出了以干涉式L形阵来实现阵列孔径扩展，提高测角精度的方法。由于干涉阵的基线长度远大于半波长，合成方向图出现栅瓣，导致测角模糊。采用双尺度旋转不变子空间解模糊算法，以短基线得到的粗估计为参考，解长基线得到的精估计的模糊，从而得到高精度无模糊的方向估计。在分析干涉式L形阵的波达方向估计性能时，采用近似法计算方向余弦估计的均方根误差下界，同时分析了干涉阵的基线模糊门限与信噪比门限之间的关系。仿真结果验证了干涉式L形阵的有效性及方向估计的高精度性能。

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中对调频斜率的估计复杂度高、实时性差且信噪比适应范围较小等缺点，提出了基于分形盒维数的LFM信号调频斜率估计方法。该方法通过计算信号调频斜率与盒维数的关系曲线，利用盒维数对LFM信号的调频斜率进行估计，探讨了信号的幅度和相位对信号盒维数的影响，计算了不同信噪比下的估计误差，并与传统的基于匹配傅里叶变换（matching Fourier transform， MFT）的LFM信号参数估计算法进行了对比仿真，绘制了脉冲宽度、调频带宽与盒维数三者的关系曲线图。仿真结果表明，该算法在建立了对应关系数据库后，在信噪比变化范围比较大的情况下的估计误差仍然比较小，且算法简单，对于实时性估计具有很好的应用价值。

为处理纯方位跟踪的非线性问题，提出了距离参数化均方根容积卡尔曼滤波，在消除距离信息不可测对跟踪影响的同时弱化了计算机有限字长截断效应所引入的误差。在假设目标的初始距离信息用多个参数化模型表示的基础上，对每个模型独立进行均方根容积卡尔曼滤波，并依据贝叶斯准则计算各滤波结果对应的概率，将概率和对应结果的加权融合作为最终滤波结果。实验仿真表明,该滤波虽略微提升了计算复杂度，但获得了更好的滤波精度和鲁棒性。

为实现被动测角目标状态和数目的实时估计，在高斯混合粒子（Gaussian mixture particle， GMP）的势化概率假设密度(cardinalized probability hypothesis density, CPHD) 滤波框架下，提出了基于抗“飞点”无迹卡尔曼滤波器（unscented Kalman filter， UKF）的GMPCPHD滤波算法，即抗“飞点”的UKFGMPCPHD滤波算法。在该算法中，粒子滤波的重要性采样函数由抗“飞点”UKF产生，粒子的预测与更新采用拟蒙特卡罗(quasiMonte Carlo, QMC)方式，目标状态的概率假设密度（probability hypothesis density, PHD）和势分布用一组高斯粒子滤波器（Gaussian particle filtering, GPF）近似。通过该算法与GMPCPHD、UKF-GMPPHD滤波算法的对比仿真，验证了该算法良好的跟踪性能。

时间序列帧星空图像中弱小目标的检测是天基监视地球同步轨道卫星需要解决的关键技术之一,星图中的背景杂波抑制与小目标分割对运动目标的检测与精确测量是至关重要的。针对这一问题，提出了一种基于小区域滤波的快速星图弱小目标分割算法。首先采用最小二乘拟合方法得到高斯背景均值和标准差；然后利用小区域滤波抑制背景杂波；最后利用固定阈值滤除灰度过小像素点。实验结果表明，该算法能够较好地保持恒星和运动目标的边缘，为恒星和运动目标的快速定位奠定了基础。

针对一类可分稀疏性度量函数，结合最优化理论,研究了稀疏信号重构的快速算法。稀疏分解可以看成是一个带等式约束的优化问题，首先利用惩罚函数法将其转化为无约束优化问题|然后在粒子群优化估计搜索步长的基础上，利用变尺度法寻找无约束优化问题的最优解|最后依次增大惩罚因子，直至稀疏表示系数满足分解精度的要求。该算法避免了矩阵求逆运算，且无需先验地选取惩罚因子。仿真实验验证了算法的有效性和快速性。

概率假设密度（probability hypothesis density, PHD）滤波是一种有效的多目标跟踪算法。传统的PHD滤波只适用于单传感器，多传感器PHD滤波虽然理论上可行，但计算复杂度过高，实际中只能对其进行近似处理。迭代更新近似算法虽然简单易行，但滤波结果与参与更新的传感器顺序有很大关系，而乘积形式的多传感器PHD滤波近似算法由于存在缩放比例失衡问题，无法应用于工程实际。针对以上问题，提出了一种改进算法,先采用乘积形式计算联合似然，再采用求和形式计算缩放比例。仿真结果表明，该算法能够有效解决缩放比例失衡问题，在滤波性能和目标数估计方面均优于传统的迭代更新近似算法，具有良好的工程应用前景。

将压缩感知理论与条带随机噪声雷达相结合，在假设场景目标稀疏的前提下，通过构造随机噪声的不同时延矩阵为稀疏变换矩阵以及通过构造随机噪声与部分单位阵的乘积为观测矩阵，提出了一种基于压缩感知的条带随机噪声雷达稀疏成像方法。该方法能在大幅减少回波信号采样数据量的前提下，准确重建出原始场景目标高分辨像。仿真结果证明了该方法的有效性与鲁棒性。

利用雷达目标在空间的稀疏特性，研究了一种基于压缩感知的伪随机频率步进雷达（compressive sensing based pseudorandom step frequency radar, CS-PRSFR）。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型；然后,针对在噪声统计特性未知时，传统稀疏信号重构算法无法适用的问题，提出一种基于交叉验证的稳健SL0（robust SL0 based on cross validation, CV-RSL0）目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性，可获得更高的距离-速度联合分辨性能；该算法无需已知噪声统计特性，随着信噪比的提高，其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。

针对距离扩展目标所占据的各距离单元输出的信杂比在统计意义上不同的一般情况，在分析基于顺序统计的广义似然比检测(generalized likelihood ratio test based on order statistics, OS-GLRT)的基础上提出了两种改进的检测器。第一种是修正的OS-GLRT，它采用或规则，将所有可能的有效距离单元数量得到的OS-GLRT的结果进行融合后做出判决，所得到的修正的OS-GLRT无需有效距离单元数量等目标先验信息。第二种是结合双门限(dual threshold, DH)技术，通过设置固定的第一门限对有效距离单元数目进行估计，动态的第二门限形成最终的判决。与同类检测器相比，新检测器不需要距离扩展目标的先验信息，具有较好的鲁棒性。

传统的两坐标雷达目标定位算法需通过迭代求取目标位置估计，不仅计算量大，而且有可能得到局部最优解，甚至无效解。提出了一种组网融合定位算法，利用数据融合技术进行目标定位，回避了费时的迭代搜索，同时保证了估值的有效性。仿真实验验证了该方法的有效性。

针对发射波形正交性退化影响机载多输入多输出（multiple input multiple output，MIMO）雷达的杂波特性，基于信号空间和子阵空间的变换原理，建立了波形正交性退化下的机载MIMO雷达杂波通用模型和标准模型。基于带限信号的最优逼近特性，分析了波形正交性退化下的空时等效阵列孔径变化规律，提出了杂波自由度（degree of freedom， DOF）的估计准则。最后,仿真验证了杂波模型及杂波自由度估计准则的有效性。

武器装备体系优化是充分发挥体系效能、提高体系作战能力的重要途径。首先，论述了武器装备体系和体系优化的概念；然后，分析了当前7种主要体系优化方法——三层综合优化法、探索性方法、可执行模型法、对抗仿真优化法、多层次多阶段方法、多目标协同优化方法和数学规划法，比较各种方法的适用范围、选用模型的类型、模型关键要素、优点和不足等。最后，提出武器装备体系优化亟待解决的4个问题，为武器装备体系优化的进一步研究提供支持。

针对效能不能直接反映导弹武器系统固有属性的不足，用能力取代效能，直接分析能力形成与性能指标间的关系；将费用、能力等同武器性能指标作为输入参数，增加了方案的调节裕度。针对费用模糊随机性，用云模型加以刻画。建立费用、能力、时间三维权衡方程，用理想点法度量可行方案稳定性，并构建基于云轨迹的费用能力空间（costcapability space based on cloudy track, CCSBCT）局部搜索算法进行求解。仿真结果表明，该方法能有效反映输入参数与权衡函数的关系，并能有效提高解的收敛速度。

基于马尔科夫决策过程框架研究了三维空间内隐蔽接敌策略的强化学习方法，定义了环境模型中的优势区域和暴露区域。针对高维状态空间策略学习所面临的维数灾问题，给出基于径向基神经网络（radial basis function neural network, RBFNN）的Q学习算法，说明了训练样本的分级采样方法，并针对不同情况下的接敌机动策略学习进行了仿真分析。仿真结果表明，借助于合理的分级采样方法，基于RBFNN的Q学习算法能有效生成隐蔽接敌策略。

研究了供应不足条件下连续消耗作战资源的战场调度问题。在分析资源供求特点的基础上构建需求点优先度评价体系,提出了用分层聚类法将需求点分类并按优先度将各需求点类排序的方法。建立多需求点资源调度规划模型，依据及时更新的战场信息依次实现各类需求点的资源动态调度，解决了战场背景下这类资源调度中“突出重点”与“整体协调”的矛盾。最后,通过仿真算例中两类资源调度方法的对比，展示了分类调度方法的可行性和优越性。

针对基于最大保障时间的战时维修任务调度问题，建立了以维修效益最大为目标的调度模型，并给出了两种模型求解算法。算法1以最大保障时间和维修效益作为维修任务的优先级设计参数，充分考虑了维修任务的紧迫性与价值；算法2进一步考虑维修小组的可维修装备数量，使得各小组的维修负载更加均衡。利用该方法，在满足作战单元最大保障时间的前提下，可使得装备维修效益最大，有效地解决了战时维修任务的调度问题。

为了提高间断性需求装备器材的预测精度，提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测，对解释变量序列采用Logistic回归模型预测提前期非零需求发生概率，对自相关序列采用Markov过程估计提前期非零需求发生概率，整合两个预测结果得到最终的提前期需求。实验结果表明，该预测模型具有较高的预测精度。

在进行信息集成时，有时需要考虑输入变量之间的相互影响,而Bonferroni平均（Bonferroni mean, BM）算子正好具有这种优点。为了集成三角模糊数，提出模糊Bonferroni平均（fuzzy Bonferroni mean, FBM）算子，讨论它的几种特殊情形。在此基础上，提出模糊加权Bonferroni平均（fuzzy weighted Bonferroni mean, FWBM）算子和组合模糊加权Bonferroni平均（combined fuzzy weighted Bonferroni mean, C-FWBM）算子，同时研究它们的一些性质。针对决策信息以三角模糊数给出的决策问题，提出一种基于FWBM算子和C-FWBM算子的多准则决策方法。最后举例说明其在模糊多准则群决策中的应用，结果表明该方法是可行的。

针对卫星姿控系统出现执行机构故障，提出一种基于迭代学习-未知输入观测器(iterative learningunknown input observer, IL-UIO)的鲁棒故障重构方法。首先,考虑卫星出现空间干扰力矩、模型不确定性以及陀螺漂移，建立小角度机动时的非线性姿控系统模型。其次,采用UIO干扰解耦原理和H_∞控制思想，设计IL-UIO估计卫星姿态欧拉角和角速度的同时，利用IL算法实现执行机构鲁棒故障重构。并利用Lyapunov稳定性理论证明了IL-UIO稳定性和动态故障偏差最终有界, 通过线性矩阵不等式(linear matrix inequaliry, LMI)工具箱求解了观测器部分参数矩阵。最后，建立卫星闭环姿控系统并进行仿真，仿真结果验证了此方法的有效性。

基于扩张状态观测器设计了导弹纵向通道控制系统。首先将弹体弹性、模型参数的不确定性和测量元件的动态特性视为复合干扰，并将其作为系统的一个扩张状态|然后利用扩张状态观测器对扩维后的系统状态进行估计，将估计值用于状态反馈和设计控制补偿项|最后给出了控制算法的稳定性证明。仿真结果表明，所设计的控制算法具有较好的指令跟踪性能和强鲁棒性。

阐述了几种典型过载驾驶仪的结构演变过程,对传统三回路驾驶仪的结构进行了适当改进，提出了采用伪攻角作为反馈信号的三回路驾驶仪新结构。研究了驾驶仪工程指标与闭环极点之间的对应关系以及从状态反馈到输出反馈的变换技术，给出了基于输出反馈极点配置的伪攻角反馈三回路驾驶仪设计方法。研究结果表明，伪攻角反馈三回路驾驶仪消除了传统三回路驾驶仪的静差，并具有与其相似的控制特性以及鲁棒性能。分析结果显示，两种结构的三回路驾驶仪对静不稳定弹都具有较好的稳定控制性。

面向在轨服务的空间电磁对接技术能克服传统基于推力器对接所固有的不足，应用前景广阔。航天器对接是一个相对距离逐渐减小的过程，应用于控制器设计的解析远场电磁力模型具有强非线性，且模型误差随相对距离的减小而逐渐增大。基于Lyapunov稳定性理论开展空间电磁对接轨迹跟踪控制器的自适应设计，通过控制参数在线修正以消除模型的不确定性以及外界干扰的影响；开展控制参数整定分析，证明了自适应控制策略的渐近稳定性。理论分析及仿真结果表明,空间电磁对接的自适应控制策略是可行的，并且具有渐近稳定性。

针对一类具有不对称执行器死区故障的不确定非线性系统,基于反推滑模控制原理提出了一种神经网络鲁棒自适应控制方案。通过简化死区故障模型,取消了模型倾斜度相等和边界对称条件,结合动态面控制避免了传统反推设计方法存在的计算复杂性问题。所提控制方案取消了控制方向已知的条件,消除了执行器死区故障的影响,使得系统输出趋于给定参考轨迹的一个小领域。仿真结果验证了该方法的有效性。

研究了一类带有时变时滞的离散模糊双线性系统的时滞相关非脆弱控制问题。引入自由权值矩阵并定义一种新型的Lyapunov函数，在控制器存在加性不确定的情况下，得到了保守性小的时滞相关渐近稳定的充分条件。通过附加矩阵，将所得到的稳定条件转换为线性矩阵不等式(linear matrix inequality, LMI)形式，非脆弱控制器可由LMI的解得到。数例仿真验证了该方法的有效性。

针对一类含有非周期时变参数化不确定性的非线性系统，设计了一种新的迭代神经网络估计器，解决了非周期时变不确定性带来的设计难题。用迭代神经网络直接对期望控制量进行整体逼近，利用Lyapunov稳定性理论和自适应迭代学习控制技术设计了控制器，并进行稳定性分析，证明了系统所有状态量有界，且输出量将收敛至期望轨迹的一个邻域内。仿真结果验证了控制器设计方案的正确性。

针对协同网络下的多目标跟踪问题，提出了一种广义分布式航迹关联算法。首先对序贯航迹关联准则进行分析，构造了广义分布式航迹全配对似然函数以及航迹关联统计量；在此基础上，建立广义航迹关联的数学模型，从而将分布式航迹关联转化为多维分配问题；然后利用改进免疫算法来寻求最理想的航迹关联。在航迹关联过程中，先利用chi方分布的假设检验来排除明显不相关的关联组合，再通过计算免疫抗体的适应值来确定多节点航迹间的关联关系；最后利用航迹关联评价指标对所提出的方法进行评估。仿真结果显示，该方法在密集目标环境下具有较好的关联稳定性，与序贯航迹关联方法相比，关联效果得到明显改善。

为了能够定量地计算出通信网络的抗毁性，以网状全连通网络作为参考基准，定义了基于拓扑的不相交路径抗毁性评估指标，以及节点和链路重要性评估指标，并配套研究了不相交路径的计算方法。计算被考核网络与全连通网络节点间不相交路径数的比重，得到抗毁性指标。通过计算各节点及链路失效后抗毁性变化的大小，得到网络元素重要性评估指标。阐述了计算方法的正确性，并给出时间及空间复杂度。通过算例分析并且与基于最短路径的评估方法进行对比，论证了不相交路径抗毁性评估指标和计算方法更加合理，更能体现出实际通信网络性能。

为有效防止复杂网络的级联失效，对复杂网络的容量分配策略进行研究。构建了资源有限的级联失效模型，假设网络总容量不变、容许参数可变，该模型可用于比较多种容量分配策略的有效性。在此基础上，提出了4种典型的容量分配策略。针对移去介数最大节点的攻击方式，在无标度网络上进行了仿真。仿真结果表明，负荷偏好容量分配策略是最有效的容量分配策略，网络节点的重要度与节点介数大小强相关，而与节点的度弱相关。通过优化负荷偏好容量分配策略的偏好指数，提高了复杂网络的动态抗毁性。

针对无人飞行器Ad hoc网络的容错设计需求，采用增加中继节点的方法实现。在二维平面同构网络中，将容错问题转化为边长受限条件下最少数量Steiner点的Steiner树问题。提出了两种基于最小成本子图的中继节点配置算法，以求解最少数量的中继节点及其位置，使改变后的网络拓扑图为顶点2-连通，实现容错。第一种为多项式时间的8-近似算法；第二种为随机近似算法,采用文化基因算法，搜索需要新增加的最小成本强化边组合。仿真结果表明了所提算法的有效性，当网络规模较小和中等时，随机近似算法得到的中继节点数量较少，平均情况下性能较优。

延迟容忍网络中采用中心性作为路由尺度会使部分节点承载过多的网络流量。针对这一问题，提出了一种基于社会属性的负载感知路由算法。使用节点的介数中心性（betweenness centrality， BC）和相似性两个社会属性指标以及节点的负载状况作为选择中继节点的依据，避免了消息传播能力强的节点产生严重的拥塞，均衡了网络流量。仿真结果表明，该算法能够提高网络的交付比率，减小网络的开销。

组合事务中任务间的协作通常以点对点的方式而不是中心控制，当系统崩溃时，事务流中的任务可能部分执行而其后续任务则未被调度执行。在这种情况下，选择合适的失败恢复验证策略是必要的。提出一种支持向前、向后和替代恢复策略的失败恢复验证方法。当失败发生时，借助组合事务的执行日志和可接受状态集，选择合适的恢复策略，验证带状态空间的事务恢复所产生的一组动作序列，是否包含一组良好行为。追踪执行进展，检测恢复后组合事务是否存在不一致状态。通过对旅行预订流程的实例分析，表明该失败恢复验证方法是可行的。

针对Mean-Shift算法稳定性差、无法适应目标遮挡的特点，提出了一种融合角点特征与颜色特征的目标跟踪算法。该算法利用Harris角点的特征不变性克服了Mean-Shift算法鲁棒性差的缺点，同时利用Mean-Shift算法中核概率密度估计特性克服了目标与背景角点难以区分的缺点。通过视频序列对该算法的跟踪稳定性与抗遮挡性能进行测试，结果表明，新算法的跟踪稳定性与抗遮挡能力优于基于单一角点或颜色特征的Mean-Shift算法。

提出一种基于多重稀疏表示的声纳图像超分辨率重建方法。该方法针对声纳图像的光滑、边缘和纹理3种结构形态，分别利用离散平稳小波变换、contourlet小波变换和Gabor小波变换建立过完备字典，并对多重稀疏表示的声纳图像进行超分辨率重建。实验结果表明，该方法得到的超分辨率图像能够有效保持原始高分辨率图像的几何特征和纹理特征，可以得到更高的峰值信噪比，并且对噪声具有鲁棒性。

舒曼谐振（Schumann resonance， SR）信号淹没于非常强的环境噪声数据中，影响了常规处理方法的性能。为了从观测数据中可靠地提取微弱的SR信号，先对实际的SR观测数据进行奇异值分解（singular value decomposition， SVD）滤波，再利用常规算法提取参数，分析了观测站处的闪电源分布、参数日变化规律以及一起太阳耀斑事件对应的参数变化。结果证明，经过SVD滤波后得到的估计结果能更好地反映SR参数的变化规律，极大地提高了常规方法的可靠性。

在基于Dempster-Shafer理论的融合目标识别系统中，传感器可靠性评估与证据折扣是应用Dempster组合规则进行多传感器证据组合的关键问题。提出了一种根据传感器当前输出证据与所有传感器平均证据之间的冲突来评估传感器动态可靠性的方法,借鉴冲突处理中Dubois&Prade规则的思想提出了一种证据折扣规则，该证据折扣规则将折扣量按局部冲突的大小分配给涉及各局部冲突的集合的并。仿真和实测数据实验验证了该方案的有效性。

提出采用多阶段任务系统（phased mission systems, PMS）冗余故障树模型和PMS冗余二元决策图（binary decision diagram, BDD）模型来描述冗余多阶段任务系统；通过递归法实现PMS冗余故障树模型到PMS冗余BDD模型的转换，从而得到整个PMS的最小割集；在分析n/k(G)表决冗余模块在PMS中可靠度计算模型的基础上得到整个PMS的可靠性计算模型。以费用最小为目标，构建多阶段任务系统可靠性冗余优化模型，并应用微粒群算法对模型进行求解。算例通过一个三个阶段n/k(G)表决系统来阐述该方法的应用，并验证了模型的合理性及算法的有效性。