针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。

近年来,基于深度学习的红外空中目标跟踪算法不断涌现,如何对其性能进行评估已经成为一个亟待解决的问题。利用单帧图像混淆度和遮隐度对图像复杂度进行计算,并结合目标运动复杂度,建立了融合图像复杂度和运动复杂度的序列复杂度计算模型。构建了包含420个序列的红外序列样本库,利用序列复杂度对样本库测试结果进行加权评分,提出了一种新的红外空中目标跟踪算法性能评估方法。实验结果表明,所提出的评估方法能全面评估算法在不同态势下的性能。

若测量矩阵满足约束等距性(restricted isometric property, RIP),则样本能够完美恢复出原始信号。而对于给定矩阵很难验证其是否满足RIP需求,因此,本文采用李雅普诺夫指数作为一种针对离散混沌测量矩阵的验证指标。首先分析了RIP与李雅普诺夫指数之间的联系,然后给出了一种分段式混沌映射构造方法用以提高混沌性能,并从理论和仿真上证明了该方法的有效性。实验结果表明,这种方法不仅提高了混沌序列的随机性和自相关性,而且所生成的测量矩阵也具有更好的性能。因此,引进李雅普诺夫指数是一种有效的验证离散混沌测量矩阵性能的方法,提高李雅普诺夫指数能够提高混沌测量矩阵的性能。

为了提高最小支撑正交匹配追踪(least support denosing-orthogonal matching pursuit, LSD-OMP)算法的重构精度,缩短重构时间,改善算法性能,提出一种基于多重支撑的正则化正交匹配追踪(multiple support of regularization orthogonal matching pursuit, MS-ROMP)算法。由于LSD-OMP算法仅选择一些原子来定位支撑集,并且无法消除添加到支撑集中的错误原子,因此信号恢复精度降低并且重构时间增加。针对此问题,本文通过改进算法终止条件,引入多重支撑和正则化来改善算法性能,即通过设置阈值,剔除一些错误的原子,并组合一些支持集来定位最佳支持集,从混合信号中分离出源信号,从而更加精确的实现欠定盲源分离。仿真实验验证了该算法的有效性。

针对深层特征存在冗余通道影响跟踪速度和精度以及单一特征难以适应复杂场景的问题,提出了一种通道裁剪下的多特征组合目标跟踪算法。首先,在相关滤波算法的框架上结合传统手工特征和深层特征进行跟踪。其次,通过对比深层特征通道上目标区域和搜索区域的特征均值设计通道裁剪策略,筛选出合适的特征通道。最后,通过隔帧更新的方式更新深度特征,通过平均峰值相关能量更新传统特征滤波模板,最终实现准确跟踪。与10种算法在OTB2013和OTB2015数据集上进行对比实验的结果表明,本文算法在跟踪准确度和成功率方面都取得了更为理想的结果。

针对低信噪比(signal-to-noise ratio, SNR)条件下, Walsh码软扩频信号盲解扩以及多址信号盲分离难以实现的问题,提出一种Walsh码软扩频信号降噪算法。首先,采用经验模态分解(empirical mode decomposition, EMD)算法将Walsh码软扩频信号分解为有限个本征模态函数(intrinsic mode function, IMF),分界点位置可通过Walsh码软扩频信号和噪声的IMF自相关函数收敛速度的差异进行判断。然后,采用小波软阈值滤波算法处理分界点之前的IMF。最后,利用处理后的低阶IMF和分界点后的IMF重构Walsh码软扩频信号,减少由于降噪造成的信号损失。仿真结果表明,在一定低SNR范围内,降噪算法以较低误码率(bit error rate, BER)实现解调,信号损失较少。

分布式相参雷达(distributed coherent aperture radar, DCAR)实现全相参的关键是相位同步。然而,滤波器网格失配、单元雷达较强机动性及姿态变化等因素均会对DCAR的相位同步带来不利影响,为此,针对DCAR的相位同步问题,该文提出了一种基于多特显点的无人机DCAR相位同步误差估计方法。该方法首先提出了利用多项式迭代方法消除由于滤波器网格失配引进的残余相位,并根据惯导提供的姿态信息对DCAR回波进行姿态补偿,然后提出了利用Taylor估计法对各单元雷达位置误差进行估计,再根据自校正算法估计出了剩余相位误差,最后对DCAR系统校准以实现相位同步。仿真实验验证了研究结论的正确性。

随着人类探月活动的发展,以月球作为观测平台对地球进行合成孔径雷达(Moon-based synthetic aperture radar, Moon-based SAR)观测研究引起了诸多学者的关注。Moon-based SAR具有长期、大尺度、连续动态的观测优势,可望为固体地球宏观运动现象的观测提供新途径。针对科学应用需求,并考虑地月相对运动关系和影像性能的约束条件,进行了Moon-based SAR系统关键参数分析与仿真。数值计算结果表明, Moon-based SAR具有超宽幅对地观测的应用潜力,在满足成像性能的要求下,采用多波束工作模式测绘带宽可达上千千米。

针对地面单站低频雷达及多站协同时差测量系统的缺点,提出了一种有源三动平台空中分布式协同时差测量系统。给出了空中分布式协同时差测量系统的目标定位方法,建立了定位及交班误差分析模型,对精度和测量条件等进行了研究。最后,通过仿真验证了其相对于单站雷达的精度。该系统在实现远距离隐身目标高精度定位的同时,可大大降低系统对地面及动平台末制导探测设备的要求。

复杂环境下雷达数据关联算法是多目标跟踪领域研究的重难点问题之一。其中,最近邻域算法虽然是一种计算量小、工程易应用的有效数据关联算法,但是存在数据关联正确率不高,滤波结果不够精确和多目标跟踪时易产生错误关联的问题。为改善该算法的数据关联效果,提出了一种最近邻域数据关联算法,通过进一步深度挖掘已知量测信息的熵,按照熵权法分析并确定各自量测指标的权值,再利用权值对最近邻域算法的统计距离关联准则进行优化,从而改善原算法在单目标跟踪中存在的问题。通过仿真实验结果分析得出,该算法相比于原算法具有更高的数据关联正确率、更小的跟踪误差和更快的收敛效果。

结合相似图像块具有低秩的特性提出了一种非凸加权范数约束(non-convex weighted norm constrain, NWNC)的合成孔径雷达(synthetic aperture radar, SAR)图像降斑方法。首先对每个目标块寻找相似图像块构建相似图像块集合;然后对相似图像块集合的系数矩阵进行NWNC;再利用广义阈值收缩法估计系数矩阵;最后对系数矩阵进行反变换重构出降斑图像。实验结果表明,该方法不仅有效地解决了传统低秩核范数约束不足的问题,而且通过NWNC和广义阈值收缩估计系数使得系数估计更加精确,表现在抑制斑点噪声的同时可以很好地保护图像的纹理细节。

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。

为了研究机载激光武器的安装对轰炸机作战效能的影响，提出了基于功能组件的模块化作战仿真框架。采用基于Agent的建模与仿真方法,基于感知、通信、决策、运动、执行的功能对Agent模块进行划分,提出了基于功能组件的模块化作战仿真体系。在此模型框架下,设计机载激光武器系统、雷达系统、导弹等模块的状态机,并建立考虑相对位置变化的详细数学模型,以分析在战斗每一时刻影响作战效能的指标参数变化情况。最后通过对典型突防作战算例的仿真,研究了在动态作战过程中激光武器的发射镜直径和发射功率与目标表面光斑大小和能量密度随相对距离的变化关系,分析了在载机为高速小雷达散射截面积(radar cross section, RCS)和低速大RCS两种情况下,机载激光武器的发射镜直径和发射功率对轰炸机突防效能的影响。分析结果表明,提高机载激光武器的发射功率和发射镜直径对作战效能提升显著,尤其是在载机为低速大RCS的情况下对效能的提升非常显著。

为了研究海上反舰作战中的双方兵力损耗,以及电子设备对兵力损耗的影响,在提炼红方反舰和蓝方防守动态对抗系统关键因素的基础上,分析了变量间的反馈关系,构建了基于兰彻斯特方程的系统动力学模型并在VENSIM软件平台上仿真,比较了蓝方电子干扰和侦察设备处理信号强度不同时的模拟结果。仿真分析表明,在蓝方电子干扰和侦察设备处理信号强度程度相当时,蓝方的兵力损耗减少,而红方的损耗增多,为双方作战中减少兵力损耗提供了一定的理论支撑。

为提高某导弹模拟训练系统中评估的客观性与准确性,确立以准确性、熟练度和操作人员状态为主的评价指标体系,构建适当的数学模型计算各子指标分值,将子指标定量化,解决由考官进行评判时存在的主观性强、标准不统一等缺点。利用专家系统,对考评过程中需要的专业知识和评价规则进行存储,实现了评分过程的自动化。针对层次分析法(analytic hierarchy process, AHP)需要多次赋值保证一致性和群组决策特征根法(group eigenvalue method, GEM)结构模糊的缺点,提出了基于AHP和GEM融合算法的权重设置方案,利用AHP-GEM算法对各子指标得分进行加权评估,最终形成了一套合理有效的模拟训练评估系统。最后,通过与考官人工评分的方法进行比较,验证了所提评分系统的合理性和准确性。

为了合理分配管制资源,保障高效运作终端区,通过对终端区空域规划运行效能进行量化分析,进而掌握其运行情况及发展形势。首先建立了基于8类关键性能领域的终端区空域规划运行评价指标体系。然后采用状态分类评估法构造综合评价函数,利用基于随机森林(random forest, RF)算法的可拓层次分析法(extension analytic hierarchy process, EAHP)分析计算指标权重,达到综合考虑指标影响、加强指标量化程度、减少研究过程主观性的目的。最后,以广州终端区和武汉进近为例,对八大关键性能指标进行实例分析,采用蒙特卡洛(Monte Carlo)模拟验证了指标计算结果的可靠性,提升了指标的认可度,验证了系统评价结果的准确性。

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。

在海事搜救、海关缉私等应用中,对目标船舶进行航迹预测是一个关键问题。为提高预测的精度和效率,提出了一种基于循环神经网络的船舶航迹预测方法,该方法包含数据预处理和神经网络预测两个部分。在数据预处理中,设计了一种基于对称分段路径距离的数据预处理方法,消除了大量冗余数据及噪声的影响;在神经网络预测中,构建了基于门控循环单元的循环神经网络模型,实现船舶位置信息精准且高效的预测。通过大量船舶自动识别系统数据进行了对比实验,实验结果证明了方法的实用性和有效性。

针对现有的预测方法参数较多、精确度不高的问题,采用了时间序列挖掘的方法对合成旅未来一定时期内的装备维修保障能力进行预测。首先建立了指标体系,利用“装备云”平台相关数据对指标及装备维修保障能力随时间变化的序列进行计算;然后对多元时间序列进行线段化拟合、聚类、符号化表达、Apriori关联挖掘,通过差分整合移动平均自回归-支持向量回归组合模型及反向传播神经网络对合成旅装备维修保障能力进行预测,最后通过事例验证了本文所提出的方法。

在实际竞争与合作问题中,由于合作者或竞争者的规模等条件不同,决策单元(decision-making unit, DMU)之间的利益和竞争强度存在差异性,但传统的数据包络分析(data envelopment analysis, DEA)交叉效率模型并未考虑这一因素。因此,提出考虑DMU之间竞争关注度与净利益系数的DEA交叉效率评价方法,并且为了考虑综合信息,采用信息熵的方法对不同交叉效率模型的效率值进行综合得出DMU的加权效率。与传统的二次目标模式相比,该方法较好地体现了DMU之间利益和竞争强度存在的差异性,同时可以使被评价单元更有针对性地实施对合作者的支持手段或对竞争者的打压措施,从而更好地增强DMU的群体优势。

针对返回近地空间站的月地转移轨道优化问题,提出一种基于改进多圆锥截线的高精度轨道设计方法。该类问题与再入大气月地轨道设计不同,需要考虑空间站轨道面约束。首先分析飞行任务过程,基于逆步长积分策略建立优化模型;然后根据地月位置关系,提出近月点窗口和轨道设计参数的初值估计方法;最后对多圆锥截线法进行改进,并与高精度轨道模型相结合,精确快速求解月地转移轨道。仿真算例验证提出的轨道优化策略具有较好的收敛特性和计算效率,并揭示了返回窗口、近月点出发域和速度增量的变化特性和规律。

针对多传感器协同跟踪目标过程中存在多节点间的信息时间延迟和空间配准偏差问题,提出基于配准偏差和时间延迟的标签多伯努利滤波(labeled multi-Bernoulli based on the registration errors and time delay, LMB-ReDe)算法。首先,通过排队论对节点个数随机变化的网络时间随机延迟进行建模;然后,构建了延迟环境中的非固定周期的目标转移过程和时间延迟过程中的伪量测;最后,在LMB滤波基础上提出LMB-ReDe算法实现目标状态的实时估计。仿真结果表明,在节点数随机变化的多传感器协同探测中,采用LMB-ReDe滤波器跟踪位置精度优于标准的LMB滤波器。

针对网络化系统中丢包、量化和参数不确定性对状态估计的影响,提出一种带有预测补偿机制的鲁棒滚动时域估计算法。将丢包现象描述为概率已知的随机Bernoulli序列,并利用丢失数据的预测值进行丢包补偿,将数据量化引入的量化误差描述为观测方程中的一个有界不确定参数,将模型的不确定性描述为系统矩阵受到随机扰动,基于滚动优化策略,考虑量化和模型不确定性影响最严重的情况,通过滚动求解一个min-max问题得到最优状态估计器。对所提算法进行稳定性分析,推导了估计误差范数平方期望的一个上界函数,给出了估计误差范数平方期望收敛的充分条件。最后,通过仿真验证了所提算法的有效性。

作战救灾等复杂场景下环境干扰大且难以获取外界信号、定位困难。惯性系统因其特性成为复杂场景下不可或缺的自主定位方式,但惯性器件存在累计误差,长航时状态下难以满足定位精度需求。超声波测距受环境影响小,成本较低,已成为辅助惯性器件进行行人定位的重要方式。目前惯性与超声波组合导航多为理论研究及仿真验证,少量可实现系统不便于后续研究实验的进行。针对上述问题,实现了一种基于Xsens公司Mti-G710型号微机电系统(micro-electromechanical systems, MEMS)和DAKOTA公司DJIN1002超声波模块的双足足绑式定位系统,并进行实测实验验证了系统的可行性。

广播是移动自组织网络(mobile ad hoc network, MANET)传递信息和建立路由的重要操作。为解决广播过程中的链路冗余和广播风暴问题,提出一种基于贪婪蚁群算法(greedy ant colony algorithm, GACA)的广播策略。首先,结合路由节点的数据包总传输距离、链路数目和链路质量建立目标函数。然后,通过GACA达到目标函数的最小值并规划出最优信息广播路由。最后,转发节点根据路径要求转发信息。仿真实验表明,该策略能够合理地利用网络资源、减少信息冗余以及避免广播风暴的发生。

针对非协作多输入多输出通信系统中正交空时分组码(orthogonal space-time block codes, OSTBC)与非正交空时分组码(non-orthogonal space-time block code, NOSTBC)的盲识别问题,提出结合特征值矩阵联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)与特征提取的盲识别方法。首先将接收信号转换为盲源分离问题中的线性瞬时混合模型,然后利用JADE算法估计出该模型的虚拟信道矩阵,根据该信道矩阵的相关矩阵为数量矩阵的特点,从相关矩阵中提取特征参数,利用此特征参数识别OSTBC与NOSTBC。仿真结果表明,在较低信噪比以及不同的调制模式下,所提方法均可有效识别出OSTBC与NOSTBC。

针对传统路由算法不能适应拓扑环境及网络负载变化导致的拥塞问题,提出了一种改进的低时延全回波Q路由算法。改进算法对于原有算法附加学习率因子进行替换,使用调节范围更大、适应性更好、算法性能更稳健的双曲正割算子;改进算法根据不同网络情况自适应地调节学习率,进而提供合理的路由决策。仿真结果表明,该算法可以适应于静、动态拓扑环境,与已有的路由算法相比,改进算法能有效地减少高、低负载时数据的平均递交时间,降低路由间的振荡,提高数据包的投递率,且体现更好的稳健性。

超宽带(ultra wide band, UWB)通信系统工作在3.1~10.6 GHz的频谱范围内,与现存的一些通信系统共用频谱资源。为了防止UWB通信系统对其他通信系统造成干扰,美国联邦通信委员会将UWB的室内辐射功率谱密度限制在-41.3 dBm/MHz以下,但UWB通信系统会受到其共存的窄带系统的严重干扰。针对此问题,本文在接收端设计了一种自适应无限脉冲响应陷波器,推导了-3 dB处的自适应带宽,同时结合最速下降算法,找到陷波器的最优带宽,从而抑制UWB中的窄带干扰(narrow band interference, NBI)。最后使用蒙特卡罗仿真验证出自适应陷波器有效抑制了时间反演(time reversal, TR)UWB通信系统中的NBI,提升系统误比特率(bit error rate, BER)。

基于性能退化数据对产品进行可靠性分析一直是可靠性工程领域研究的热点与难点。针对多阶段退化过程中存在的非线性规律,同时考虑变点位置位于测试时刻之间的一般情形且各试样变点存在个体差异性的实际情况,提出了基于Wiener过程的两阶段非线性退化模型,给出了模型参数极大似然估计方法,建立了可靠性分析和寿命预测方法。最后通过高压脉冲电容器实例的对比分析,验证了所提方法的合理性与有效性。结果表明,与多阶段线性Wiener过程方法相比,所提方法能够更加准确地描述退化过程的非线性时变特征,进而得到更为合理的寿命评估结果。

健康状态评估是复杂系统故障预测与健康管理的关键环节,为准确评估系统的状态,提出一种基于改进马田系统(improved Mahalanobis-Taguchi system, IMTS)的评估方法。首先,通过监测多特征参数的时间序列,运用IMTS筛选特征并计算加权马氏距离(weighted Mahalanobis distance, WMD);然后,基于WMD构建健康指数(health index, HI)模型,并利用Box-Cox变换和3σ准则确定HI阈值;最后,通过美国国家航空航天局(national aeronautics and space administration, NASA)提供的PHM08数据,对航空发动机的健康状态进行评估。结果表明,该方法能够对复杂系统进行及时有效的综合健康状态评估。