针对表层穿透雷达应用于无损检测成像时精度与效率难以同时有效满足的问题, 提出一种基于稀疏信号处理的穿透成像增强算法。该方法在基于l₁范数正则化(L1-based regularization, L1R)稀疏成像方法的基础上, 结合交替方向乘子法求解最优化函数, 并根据目标函数通过对偶迭代运算得到稀疏特征增强后的复图像数据。实测结果表明, 所提方法与L1R方法相比, 数据处理速度达8倍, 信杂比改善程度达20.91 dB, 与其他方法的对比实验结果也表明, 该算法能在保持运算速度的条件下实现高质量成像。

传统的基于弹跳射线(shooting and bouncing ray, SBR)技术的散射中心提取方法只考虑了理想点模型, 但理想点模型无法描述散射中心的频率依赖特性。对此, 提出一种基于弹跳射线技术的三维几何绕射理论(geometrical theory of diffraction, GTD)模型构建方法, 在通过传统方法获取的理想点模型的基础上, 利用射线管数据正向推算散射中心的频率依赖参数并修正其径向位置, 实现了高精度三维GTD模型构建。仿真结果表明, 点频、单视角下构建的三维GTD模型不仅能准确重构相同条件下的雷达散射截面(radar cross section, RCS), 还能实现宽带RCS外推, 能够满足目标宽带散射数据高效压缩和快速重构的应用需求。

共形阵的载体曲率形式复杂, 导致抛面共形阵的方向图指向不同, 而且不同天线单元的极化特性迥异。常见的圆柱阵、圆锥阵在同一母线上的极化分量是相同的，但是抛面共形阵的载体曲率是变化的，因此抛面共形阵的参数估计问题需要考虑极化分量的影响，导致无法直接用同一母线上阵元回波数据结合免搜索算法获得目标二维波达方向(direction of arrival, DOA)估计。首先，提出一种通过插值拟合思想将抛面共形阵带有极化参数的阵列流形拟合成无极化参数的阵列流形, 然后合理选择子阵对, 再利用旋转不变技术估计信号参数(estimation of signal parameters via rotational invariance techniques, ESPRIT)方法实现盲极化的DOA估计, 同时给出了经过插值拟合后的克拉美罗边界(Cramer-Rao bound, CRB)。最后仿真验证了方法的有效性。

为降低无人机硬件设备升级成本, 研究利用深度学习技术进行航拍图像超分辨(super-resolution, SR)。针对神经网络训练参数量大的特点, 提出了一种稀疏卷积神经网络SR(SR based on sparse convolutional neural network, SRSCNN)重构方法, 对神经网络连接权值进行选择性筛选达到压缩网络结构并减少训练时间的目的。实验结果表明, 该方法在缩短网络学习时间, 图像重构效果和计算时间上具有一定优越性。同时, 设计了一种基于显著性区域的图像质量评价方式, 更适应航拍图像后续处理工作。

相关滤波跟踪算法凭借其优良的综合性能, 已成为视觉目标跟踪领域中理论研究和实践应用的热点。尽管目前已有大量研究, 但仍缺乏从跟踪框架层面对现有相关滤波跟踪算法的系统分析。因此, 文中从视频目标跟踪算法基本框架出发, 深入剖析了相关滤波跟踪算法的特性以及各工作阶段存在的基本问题。以此为依据, 归纳总结了近十年来其主要技术新进展及相应算法特点, 并对20种典型相关滤波跟踪算法进行了测试与分析。最后, 给出了相关滤波跟踪算法亟待解决的重点问题以及未来可研究方向。

针对磁体模拟法等效磁偶极子个数过多、磁矩方向不明确造成等效方程求解困难的问题, 研究了利用多磁偶极子模型等效模拟磁异常目标空间磁场分布时, 在不同空间尺度条件下的多磁偶极子磁矩、空间分布对等效效果的影响即多磁偶极子等效规律。建立了不同空间尺度条件下的多磁偶极子最简等效模型。通过COMSOL Multiphysics仿真软件完成潜艇空间磁场分布的仿真求解, 并将最简等效模型在测平面上的磁场分布与仿真结果对比, 验证了最简等效模型的有效性。

属性散射中心模型是描述目标后向电磁散射特性的典型模型, 但其中传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法提取模型时具有参数复杂度高、计算时间长等问题。对此提出一种基于稀疏字典的广义正交性的改进OMP算法, 快速定位模型位置参数值, 避免了正交匹配中的寻优过程, 从而降低算法的运算复杂度。通过对两类算法计算复杂度和计算精度进行多次蒙特卡罗实验比较得出，改进OMP算法提高了模型参数的估计精度与噪声鲁棒性, 且大幅降低了算法的运算复杂度, 相比于传统的OMP算法, 运算时间至少降低30%。

针对广泛存在的全球卫星导航系统(global navigation satellite system, GNSS)干扰, 采用基于接收信号强度(received signal strength, RSS)的定位方法时, 存在RSS值提取难度大, 城市环境中不开阔、多径等复杂场景下定位误差大等问题, 提出一种基于载噪比加权和干扰信号传播误差修正的GNSS干扰源质心定位方法。该方法采用GNSS接收机输出的载噪比信息, 并采用神经网络的方法预测干扰信号传播影响因子, 通过质心加权实现GNSS干扰源的定位。实验结果表明, 该方法的定位精度得到显著提升。

传统微波三维成像方法的回波数据量非常大, 基于目标场景稀疏的压缩感知成像方法虽然可以降低采样率和数据量, 但字典矩阵内存占用巨大, 且对连续分布目标成像效果不佳。针对上述问题, 本文分析了目标回波在三维频域的数据分布特征, 根据构建的频谱正交投影重构模型实现了目标三维频谱的重构。为了进一步优化重构模型, 以最小图像熵作为判别准则对重构的正则化参数进行了最优估计, 并得到最优的频谱重构结果。本文所提方法具有较好的成像效果, 较高的运算速度和较小的内存占用。计算机仿真实验和微波暗室实验验证了本文所提方法的有效性。

箔条作为典型的无源干扰手段, 在空中运动扩散和分布取向复杂多变, 具有不确定性, 其雷达特性相当复杂, 即使先进的合成孔径雷达(synthetic aperture radar, SAR)导引头也难以应对。对此, 从箔条云的极化特性和空气动力学特性入手, 提出一种基于分层极化特性的箔条云干扰识别方法, 利用箔条云特有的分层极化特性来识别箔条干扰。所提方法利用干涉原理获取目标的高度维信息, 提出特征识别量ρ用于衡量箔条云和舰船目标的极化特性差异, 并讨论了所提方法的适用范围。理论分析和仿真结果验证了所提方法的可行性。

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络，分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合，充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。

针对在低信噪比下雷达信号调制识别准确率低、抗噪性差的问题, 提出一种基于熵评价模态分解和双谱特征提取的识别方法。利用双谱可以抑制高斯噪声的特点, 分析了在低信噪比下进行信号调制识别的可行性并引入了噪声项。由于噪声项的干扰, 双谱在0 dB以下时, 噪声抑制效果变差, 提出了基于信息熵评价的经验模态化分解对信号进行预处理, 提高信噪比。最后, 设计了卷积神经网络分类器, 实现对不同调制类型信号的识别。仿真实验结果表明, 本文方法相比传统方法具有良好的抗噪性, 能够在低信噪比下对不同类型信号进行有效识别。

传统多帧联合检测方法针对搜索阶段进行设计, 由于无任何目标信息, 需要采用较高的检测门限以降低虚警数量。然而, 一旦成功建航, 目标存在性已确定, 可利用目标跟踪信息调整多帧联合检测策略, 以提升微弱目标检测能力。基于上述考虑, 本文提出了一种基于跟踪信息的多帧联合检测方法。首先利用当前时刻跟踪信息建立预测波门, 然后设定较低的单帧检测门限保障微弱目标信号的高概率检测, 最后在航迹恒虚警约束下调整多帧联合检测门限, 从而完成航迹维持和撤销。仿真实验表明所提方法可有效提高目标检测概率和跟踪维持概率。

架次识别对于窄带雷达编队目标的探测与识别具有重要意义。本文基于最小熵准则提出了稀疏分数阶傅里叶变换(fractional Fourier transform, FrFT)最优变换阶次估计算法, 首先将雷达回波数据的FrFT结果的熵值建模为变换阶次的函数, 进而将变换阶次估计问题转化为稀疏优化问题, 利用稀疏重构算法获得最优变换阶次。最后，应用该算法分析窄带雷达多波门回波数据Doppler频率特性, 获取编队目标的架次信息。仿真和实测数据结果表明, 所提方法避免了暴力搜索能够快速获得FrFT最优变换阶次, 将该算法应用于窄带雷达回波信号处理能够准确识别编队目标架次信息。

当有源干扰从旁瓣进入广义旁瓣对消器(general sidelobe canceller, GSC)结构相控阵系统时, 通过对旁瓣干扰的抑制, 可以维持较高的单脉冲测角精度, 然而当干扰进入主瓣范围内时, 自适应方向图会发生畸变, 导致测角错误。针对这一问题, 提出了一种在GSC结构下的两级自适应单脉冲测角的工程实现方法, 首先对采样协方差矩阵进行特征分解并根据主瓣子空间的正交性分离主瓣干扰对应的特征向量, 由此重构旁瓣干扰和噪声协方差矩阵, 再利用旁瓣对消器抑制旁瓣干扰, 最后通过四通道系统抑制主瓣干扰并保持单脉冲比不变, 实现对目标的精确测角。该方法无需对干扰的来波方向进行预估计, 具有较强的鲁棒性, 仿真结果验证了该方法的有效性。

现代战争正逐步转向体系对抗，为了顺利实现系统集成并形成联合作战能力，需要在设计论证阶段筛选较为优化的体系架构方案，即选择合适的系统组合及其系统间的依赖关系。针对体系能力与组件系统能力的非线性关系, 不确定性导致的体系能力降级风险以及成本约束等问题, 提出基于功能依赖网络的体系能力计算法, 基于条件风险价值的体系风险度量法以及基于系统工程全流程的体系成本估算法。由此构建“能力-风险-成本”的三维多属性权衡空间探索模型。以海上防空反导体系为例, 明晰了权衡空间探索模型的构建步骤, 验证了该方法的可行性和有效性, 为作战体系建设过程中的方案选择提供了新思路。

针对传统的想定建模方法耗时长、成本高的问题，为了实现作战体系概念模型数据到仿真想定的数据映射重用, 提出一种基于语义匹配的作战体系仿真想定生成方法。首先，基于网络爬虫技术获取武器装备的参数信息, 构建了作战领域知识库。在此基础上, 提出了新型的混合式语义匹配方法以提供仿真想定的数据来源, 根据自然语言数据库WordNet开展调参实验确定算法参数, 通过对比人工打分结果有效提高了算法的可信性。在确定了概念模型与仿真想定的数据映射关系后, 给出了仿真想定的生成方法。最后, 通过编队突防仿真应用案例, 验证了该方法的可行性。

由于依据航空器相对位置关系构建的复杂网络模型未考虑速度、航向等信息, 对航空器之间的冲突和空中交通的复杂情况反映能力有限。为解决这一问题, 使用速度障碍模型优化飞行状态网络中航空器节点之间的连边和权重, 在考虑航空器位置临近的同时, 关注航空器的航向与速度状态, 使网络能够反映出更多空域系统的内禀属性。通过程序仿真和长水机场雷达数据进行验证, 结果表明，该模型相较于飞行状态网络能够更加准确地反映航空器之间的冲突关系和空域的复杂信息, 减少飞行冲突的虚警数量, 提升网络的信息价值。

针对复杂装备设计研制阶段的现场可更换单元(line replaceable unit, LRU)规划问题, 以功能-行为-结构(function behavior structure, FBS)和可靠性、维修性、保障性、测试性(reliability maintainability supportability testability, RMST)作为LRU规划的影响因素, 提出了一种基于性能的LRU规划方法。首先, 通过建立系统的功能架构, 获取系统的零部件清单。在此基础上, 建立零部件FBS相关关系评价矩阵, 进而得到零部件综合相关矩阵, 运用模糊聚类分析实现初步的LRU规划。将RMST参量化, 建立综合评价数学模型, 对初步规划方案进行优选, 得到最佳规划方案。最后, 以某型中压整流发电机为例, 运用提出的方法实现了该装备的LRU规划, 验证了方法的有效性。

建立精度和实时性均满足要求的航空发动机性能参数预测模型是实现发动机性能优化和实时监控的基础。极限学习机(extreme learning machine, ELM)对复杂的非线性航空发动机系统具有良好的适应性, 本文提出了利用头脑风暴优化算法(brain storm optimization, BSO)优化ELM的网络参数以提高其性能。并提出以发动机的台架试车加速过程数据为训练和验证样本, 利用BSO-ELM算法回归辨识得到涡轴发动机加速过程性能参数预测模型。结果表明预测参数燃气发生器转速n_g、燃气发生器出口温度T₄和增压比π_c的两项精度指标均优于BSO算法优化的反向传播神经网络和粒子群优化算法优化的ELM方法得到的预测模型, 表明了BSO-ELM预测模型的可行性与优越性; 在相同仿真环境下, BSO-ELM算法可大幅提高计算效率使预测模型的实时性更优。

针对k/n(G)系统在事后维修与任务后检修相结合条件下的舰船备件需求预测问题，在备件寿命服从指数分布的条件下，首先建立了k/n(G)系统的备件需求预测模型，并给出了备件需求特征。然后，基于方便理解和简便计算的需要，以伽马型单部件需求为基础，给出了备件需求模型的工程解释和近似计算方法，并对近似算法的精度进行了验证。结果表明，备件需求模型可以更好地描述k/n(G)系统在一次海上任务期内的备件需求，近似算法具有较高的精度，可以为舰船装备备件配置问题提供参考。

在高维数据分析中，一个不可避免且棘手的问题是维度诅咒，因而如何将高维数据通过特征选择降维为低维数据显得尤为重要。对此, 提出了基于鲁棒矩阵分解和自适应图的无监督特征选择模型(unsupervised feature selection model based on robust matrix factorization and adaptive graph, MFAGFS), 实现在一个统一的学习框架下执行鲁棒矩阵分解、特征选择以及局部结构学习。模型首先通过鲁棒矩阵分解可获得聚类标签, 将聚类标签和局部结构信息用来引导特征选择过程, 再从特征选择的结果中自适应地学习数据局部结构。通过局部结构学习和特征选择这两个基本任务的相互作用, MFAGFS可以精确捕获数据的结构信息以及选择出具有判别性的特征。然后，详细阐述了算法优化求解方法, 并证明了算法的收敛性。最后，在6个公开数据集上进行试验对比分析, 参数敏感性分析, 验证了所提模型的有效性。实验结果表明, 所提的方法与其他方法相比, 性能均有不同程度的提高。

为保证在基于模型的系统工程(model-based systems engineering, MBSE)背景下民机研制的高效过程管理, 分析了当前民机研制的过程特征与面临的挑战, 在此基础上规划了基于模型的民用飞机研制整体框架与基于模型的过程全寿命周期管理(model-based process lifecycle management, MBPLM)概念。基于过程模型及其语义结构和类的定义, 提出了广泛适用于民机研制全过程的MBPLM方法, 并设计相应的并行架构。最后，为提升可操作性, 在典型系统民机舱内压力控制系统设计中演示了系统建模过程的管理时序、过程分析评估与异同构模型管理。所提方法可应用于以民用飞机为代表的复杂系统研制, 能够在MBSE背景下实现模型开发与过程管理关联与协同, 统筹管理研制全寿命周期过程。

无人飞行器集群协同作为一种全新的任务执行形态, 正逐渐成为生成体系作战能力的有效途径, 而自组织集群行为建模技术是实现集群高效率协同的关键所在。基于无人飞行器集群协同特点梳理总结了关键技术问题, 从复杂系统图形化建模、集群多编队协同、集群队形变换、集群决策控制等4个方面, 对无人飞行器集群协同行为建模技术现状和存在难点进行了全面总结, 提出了基本框架和实现途径, 展望了当前无人飞行器集群协同行为建模技术研究应当关注的若干发展方向和可预见的显著效益, 为无人飞行器集群协同行为建模技术发展提供了参考与依据。

针对高超声速变形飞行器再入轨迹优化问题, 研究了一种基于改进高斯伪谱法(Gauss pseudospectral method, GPM)的快速优化方法。首先，针对一种采用伸缩式机翼的高超声速变形飞行器, 建立了将展长变形量扩展成为控制变量的再入轨迹优化模型。其次, 采用GPM将轨迹优化问题转化为非线性规划(nonlinear programming, NLP)问题, 并基于NLP偏导数的稀疏性推导目标函数梯度和约束Jacobian矩阵的高效计算方法。最后, 优化求解了变形飞行器的最大横向航程、再入可达区、最大终端速度和最小飞行时间。仿真结果表明, 推导的梯度计算方法可有效提高优化求解效率, 变形飞行器相对于固定外形飞行器的性能更加优越, 最大横向航程、可达区覆盖范围、最大终端速度和最小飞行时间等指标均有显著提升。

针对传统基于前视模板的匹配算法中难以直接识别与跟踪建筑等目标的问题, 提出基于特征匹配的对陆导弹目标识别模型。该模型通过对末制导导引头图像预处理, 利用改进YOLOv3深度学习目标检测算法和改进Deeplabv3+深度学习语义分割算法来识别目标区和烟雾区, 采用并行法排除烟雾遮挡对目标识别的干扰, 最终判别分析规则判断模型是否识别成功。仿真实验结果表明，该模型能够快速有效精确地完成对陆地目标的识别, 兼具较好的抗烟雾干扰能力, 有利于提高对陆导弹的目标识别水平与作战效果。

随着全球卫星导航系统欺骗器的类型越来越多样, 检测欺骗攻击已成为一个迫切需要解决的全球性问题。由于大多数欺骗过程不会引起信号参数的显著变化, 使成功检测欺骗的难度加大。本文首先分析了中级欺骗攻击过程及欺骗信号模型, 接着提出一种检测码跟踪环中过零点S曲线偏差(S curve bias, SCB)方差值变化的中级欺骗干扰检测方法, 并利用德克萨斯州大学无线电导航实验室公开的全球定位系统卫星信号数据库中的实采信号进行实验分析, 比较了原始SCB算法、Ratio算法、复合信号质量监视算法以及将方差分别应用于以上3种算法的检测性能。实验结果表明, SCB方差检测算法的性能更优。

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。

航天器姿态确定是航天器姿轨控制、在轨正常运行的关键, 针对航天器多姿态传感器存在测量噪声非高斯分布、可能出现敏感器失效和故障等问题, 提出了一种基于改进因子图模型的航天器组合姿态确定方法。通过建立因子图模型, 将地磁/星敏/陀螺测量信息作为因子节点加入因子图模型, 利用观测蒸馏法对观测数据集进行提炼以及自适应调整, 实现对航天器的姿态确定。在复杂条件下, 该方法扩展性强, 可以实现即插即用, 合理而充分的利用其他姿态测量信息, 避免了基于卡尔曼滤波算法中的复杂系统重构过程, 从而有利于多传感器融合。实验结果表明, 在进行复杂条件下的地磁/星敏/陀螺组合定姿仿真时, 该算法可行有效; 有传感器切换时, 具有较好的动态稳定性, 实现了即插即用。该方法灵活度高, 为解决复杂条件下的多传感器组合定姿提供了新思路。

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先，采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。

为了提高稀疏度自适应贪婪迭代(sparsity adaptive greedy iterative, SAGI)算法的重构性能, 缩短重构时间, 提出了一种基于有限等距性质(restricted isometry property, RIP)的稀疏度预测自适应匹配追踪(RIP based prediction-sparsity adaptive matching pursuit, RSAMP)算法, 并成功将其应用于正交频分复用(orthogonal frequency division multiplexing, OFDM)系统信道估计。首先, 提出一种基于RIP的稀疏度预测方法, 可以在稀疏度未知的情况下快速精确地逼近真实稀疏度, 大大缩短了算法的运行时间。其次, 利用主成分分析法对观测矩阵采取了优化处理, 提高了算法的重构性能。仿真实验显示, 相较于SAMP、SAGI算法, 本文提出的RSAMP算法可以获取更好的估计性能和更短的运行时间。

为高效、高性能地合成阵列接收信号, 提出基于噪声子空间特性的波束形成器设计。首先, 利用噪声的宽带分布特性, 对Capon空间谱的噪声区域做粗采样, 由此进行残留噪声补偿, 获得信号协方差矩阵的估计; 其次, 利用噪声子空间与信号子空间的正交性, 通过信号协方差矩阵分解构造出信号正交补投影算子; 最后, 利用噪声子空间与干扰子空间的正交性, 用该投影算子对观测信号进行处理, 获得干扰功率估计, 进而推导出干扰加噪声协方差矩阵和最终的波束形成器。仿真结果表明, 该方法仅耗费较少的快拍, 即可在大信噪比范围内实现较高信干噪比输出。

航天系统中双点双线等冗余机制, 可能造成传输线并联阻抗变化及信号恶化。针对该问题, 基于多导体传输线理论, 建立了冗余机制下的并联阻抗计算模型, 并对3种常用的共屏蔽结构下5种冗余连接方式的阻抗进行了理论分析和仿真分析。理论分析表明, 冗余电缆组件的阻抗受电缆参数分布矩阵和冗余特征矩阵共同影响。仿真结果表明，四扭结构具有较好的阻抗连续性。与独立的屏蔽结构相比，电缆的四扭结构可以在保持阻抗连续性的同时减轻电缆组件的重量，为运载火箭冗余电缆网的设计提供经验和参考。

连续相位调制技术在卫星通信、深空探测、遥感遥测等航空航天领域具有重要应用, 连续相位调制信号的性能通常取决于其基带调频脉冲信号。零阶椭圆球面波信号是时频域高能量聚集性信号, 且该信号的时间带宽积可以灵活控制。结合连续相位调制原理, 探索性地将零阶椭圆球面波信号应用于连续相位调制, 与现有主要连续相位调制信号性能进行了对比分析。结果表明, 与基于矩形脉冲、升余弦脉冲的连续相位调制最小频移键控信号、正弦频移键控信号相比, 该方法所得调制信号的功率谱带外衰减和高频滚降可以更快, 在含99.9%信号功率带宽条件下, 系统频带利用率可分别提升13%和16%, 且在全响应条件下系统的误比特率性能较好。

在时变水声信道中, 为了提高自适应正交频分多址(orthogonal frequency division multiple access, OFDMA)在时延反馈信道状态信息(channel state information, CSI)条件下的资源分配性能, 提出多节点反馈CSI的时隙复用接入方法, 降低反馈时延; 提出载波时-频相关系数和载波时-频均值两种反馈CSI表征参数, 通过实验数据分析了两种反馈CSI参数及其对水声自适应OFDMA性能的影响; 提出多节点公平的自适应载波、比特、功率联合分配算法, 在最大功率和节点吞吐量约束条件下最小化系统误比特率。仿真和湖上实验数据的结果显示, 所构建的水声自适应OFDMA系统在多种反馈CSI条件下误比特率均低于交织载波分配, 表明其在实际的水声信道应用中具有良好性能。

针对基于优先级概率统计的多址接入(statistic priority-based multiple access, SPMA)模式协议在高负载情况下战术信息的碰撞概率十分严重, 网络性能无法满足协同攻击要求的问题, 本文借鉴非正交多址接入技术在功率域上区分同时同频信号的思想, 改进SPMA协议信号发送机制与多优先级检测机制, 在原有的时域、频域基础上引入功率域, 提出一种联合功率域的SPMA协议性能改进策略。并针对各优先级数据包到达率的动态变化场景, 设计动态阈值算法, 以达到降低碰撞概率, 提升网络吞吐量的目的。仿真结果表明, 采用该改进策略与动态阈值算法可以使网络承载更大的业务流量, 提高网络吞吐量。

限幅引入非线性失真即限幅噪声, 使正交频分复用系统误码率性能显著下降。为消除限幅噪声, 本文提出了基于预估计限幅噪声位置的稀疏自适应匹配追踪方案。首先，在发送端信号送入信道之前, 根据信号幅度值, 预先估计被限幅采样点的位置, 使落在该采样点范围的限幅噪声作为压缩感知的观测值向量, 其次再对噪声进行重构。该预估计方案成功避免了信道对限幅噪声分布位置及幅值的干扰, 提高了重构精度。仿真结果表明，与传统压缩感知算法相比, 所提方案对系统的误码率性能及算法计算复杂度均有改善。

要素协同作战框架下武器装备体系具有可动态重构的系统特性, 既增加了体系的复杂性和交互性, 又使其具有了更为明显的弹性特征。本文首先提出了装备体系弹性多层级评价方法, 确定了组成体系的关键装备要素。其次, 以典型的关键装备要素——武器系统为对象, 提出了基于动态双阈值多状态权重k-out-of-n系统模型的装备体系的性能可用性及弹性分析评价方法。最后, 以编队协同防空作战体系为对象进行案例应用研究, 得到了性能阈值恒定、随时间变化和动态变化这3种情况下的火力网可用度和弹性随时间变化的规律, 并验证了所提模型与评价方法的有效性与实用性。

大型机械设备中旋转机械占到总量的80%, 为及时掌握其工作状态, 开展如何旋转机械轴承的寿命预测精度的仿真研究。首先, 通过可靠性数值(confidential value, CV)量化评估工作状态; 然后, 利用数据变换和累加积分的方法优化数据平滑性与背景值来改进灰色模型; 并与长短时记忆网络结合为新预测模型来预测系统工作状态; 最后, 将平均绝对百分比误差等3种性能指标与单一模型对比, 将预测失效时刻与全卷积层神经网络算法和无迹粒子滤波算法对比。结果表明, 组合模型预测退化趋势3种指标的平均值优于3种单一模型; 组合模型预测的失效时刻相比于另外两种改进算法更准确。

针对考虑时间相关故障、多状态性能输出、系统冗余储备等因素的系统可靠性与任务成功性评估问题使用解析法难以建模求解, 而一般仿真方法又存在抽样效率慢和估值精度低的问题, 提出具有时间相关故障抽样与统计方差减小相结合的蒙特卡罗仿真评估方法。首先，设计了非指数剩余分布抽样的数值计算方法, 实现了时间相关故障的随机事件抽样。其次，在此基础上结合受迫转移、失效偏倚等方差减小方法, 提高了小概率事件的仿真抽样效率, 改善了仿真评估方法的估值精度。最后，通过舰船航渡任务的算例, 验证了该方法对评估复杂系统行为和故障机制条件下系统可靠性及任务成功性的合理性和有效性。