由于电子对抗作战目标类型和工作方式多样, 变化速度快, 有效信息难以充分获得, 且在不同作战阶段呈现出不同特点, 使用传统评估方法难以对其等级排序实施精确评估。对此, 提出一种基于随机集的动态贝叶斯网络电子对抗目标等级评估方法。首先，对电子对抗作战目标清单生成方式进行梳理, 确定了评价指标体系, 并根据作战阶段的变化特点，结合动态贝叶斯网络完善了评价体系。然后, 充分考虑作战过程中数据获取不完整的特点, 通过引入随机集方法将传统贝叶斯网络的节点参数求解方法进行拓展, 使用区间数学的思想得到了较为准确的动态贝叶斯网络节点参数。最后，进行了案例仿真计算和结果分析, 并对节点概率确定方法进行算法复杂度讨论。结果表明，所提方法更加适合样本不完整的军事评估问题, 评估结果与实际作战基本一致, 使用的算法具有高效性、适用性和推广性。

多普勒波束锐化(Doppler beam sharpening, DBS)是飞行器实施地形跟随或地形回避的重要技术。针对飞行器高度表在DBS工作模式的射频隐身需求, 利用频率分集阵列(frequency diversity array, FDA)研究了基于射频隐身的DBS高度表。首先通过研究FDA的辐射方向图特性, 分析了FDA的频率增量依赖特性及其距离周期性对DBS模式的影响。以此为基础, 给出了对于DBS高度表的约束条件, 包括了FDA阵元间频率增量、脉冲重复频率、脉宽等, 同时建立了FDA-DBS高度表的射频隐身模型。仿真表明, 相对于相控阵和多输入多输出等阵列, 基于FDA的DBS高度表具有优秀的射频隐身性能。

针对同传感器视角下的空天目标光电特征融合问题, 提出一种综合利用散射中心参数及轮廓角点特征的目标三维结构反演方法。首先, 基于正交匹配追踪(orthogonal matching pursuit, OMP)算法估计出序列雷达图像中的二维散射中心特征, 并利用Freeman链码提取连续可见光图像的角点特征。然后, 基于图论思想分别对雷达及可见光图像中的二维特征点进行关联。最后, 通过特征点三维重构来实现散射中心特征与光学角点特征之间的融合, 从而反演出较单源特征更为丰富准确的目标结构信息。仿真试验结果验证了所提方法的有效性。

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。

针对当前信号采集传输高效性和安全性的实际需求, 提出了基于蔡氏电路和压缩感知的图像压缩加密方法。首先利用SHA-256算法生成原始信号的消息摘要; 其次利用摘要生成蔡氏电路的初始值; 再次利用蔡氏电路生成的混沌模拟信号经过8位量化采集和数字移位差分生成伪随机序列, 从而构建出混沌观测矩阵并对信号进行压缩采样; 最后将压缩后的信号通过生成的伪随机序列进行置乱加密和灰度加密, 生成压缩加密后的信号。实验结果表明, 该方法生成的混沌观测矩阵性能优于传统的随机观测矩阵, 同时能够有效提高信号的传输效率及安全性。

针对观测站机动前目标距离未知导致无法计算Fisher信息矩阵(Fisher information matrix, FIM)的问题, 从粗估目标初始距离和减小粗估误差对FIM行列式影响两方面着手, 提出在转向前计算FIM进而设计机动策略的方法。首先, 在修正极坐标系下建立系统模型, 描述了观测站leg-by-leg机动模式下FIM的计算方法。其次, 通过假设目标速度实现目标初始状态粗估, 提出使归一化初始距离粗估误差最小的目标速度假设方法。然后, 对FIM行列式进行近似及多项式展开, 通过控制前后leg段比例以减小状态粗估误差对FIM行列式的影响。最后, 利用仿真验证了所提机动策略设计方法的可行性和有效性。结果表明, 对于典型的水下目标跟踪场景, FIM行列式的有效估计概率为76.7%, 平均的相对估计误差为0.12。

针对高光谱图像分类时光谱信息和空间信息利用不充分、分类精度低的情况, 提出一种结合空间预处理的联合稀疏表示分类方法。一方面能够弥补联合稀疏表示固定窗口模式中空间信息利用不充分的问题, 另一方面也避免了像元多次参与联合稀疏模型的构建过程。考虑每个像元对联合稀疏模型的贡献不同, 通过赋予邻域像元相应权重以提高稀疏重构精度。最后, 充分利用训练样本的已知信息修正分类结果, 在Pavia University和AVIRIS Salinas两个数据集上进行实验验证。实验结果表明, 所提方法能够有效地提高高光谱图像分类精度。

针对阵列信号处理中单快拍情况下的多源时变波达方向(direction of arrival, DOA)跟踪问题, 提出了一种基于单快拍空间平滑的多伯努利DOA跟踪算法。首先，利用多伯努利随机有限集(random finite set, RFS)描述状态过程的随机性, 并直接利用从传感器阵列中获得单快拍量测。其次, 采用空间平滑技术对单快拍量测进行处理, 得到伪协方差矩阵, 并进行奇异值分解。最后，用多重信号分类(multiple signal classification, MUSIC)谱函数作为伪似然函数进行多伯努利DOA跟踪。仿真结果表明, 该算法能实时有效跟踪单快拍量测下的时变信源DOA状态, 且能准确估计信源个数。

基于网格的压缩感知(compressive sensing, CS)算法存在格点失配问题, 在分辨力不足的情况下容易产生伪影。而无网格的CS算法常用于二维谐波估计问题, 不适用于存在交叉项等复杂信号模型。对此, 提出一种基于交替下降条件梯度的前视成像算法。所提算法每次迭代首先获得散射点参数的粗估计, 并更新参数集合, 然后对更新的参数集合进行梯度下降, 获得参数集合的精细估计, 实现了在复杂信号模型下连续参数的二维高分辨成像。仿真实验说明了所提算法的优越性与有效性。

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)是一种相干干扰, 对雷达信号的干扰效果表现为欺骗性。针对ISRJ匹配滤波后形成的高栅瓣问题, 研究了低集成旁瓣电平(integrated sidelobe level, ISL)的波形设计方法。考虑到雷达发射信号的恒模约束, 以最小化ISL为目标函数建立优化问题, 由于该问题包含非凸四阶目标函数和非凸约束, 难以得到闭式解, 因此设计了一种加速优化极小化(majorization-minimization, MM)方法进行求解。最后, 通过仿真实验和已有算法进行对比, 验证了所设计的波形能降低干扰栅瓣, 有效对抗ISRJ。

基于关联计算成像原理, 提出一种适用于相控阵雷达的前视成像技术, 其随机移相是由配置二维相控阵雷达来实现的.为了模拟经典量子关联成像中的随机涨落光场以实现测量的不相关性, 需要控制二维相控阵辐射出的波前呈现随机幅相波动特性, 再结合压缩感知(compressive sensing, CS)的模型框架与稀疏贝叶斯学习(sparse Bayesian learning, SBL)算法解决关联耦合问题以实现目标场景的方向维和俯仰维超分辨成像。甚至可以在不需要雷达与目标相对运动的情况下, 结合宽带信号体制实现雷达前视超分辨三维成像。仿真实验和实测数据验证了其原理的正确性和算法的有效性。

目标检测是雷达的基本功能, 其鲁棒性直接决定了雷达应用的成败。针对瑞利目标检测问题, 充分利用连续信任函数理论在不确定性信息表征和推理方面的优势, 提出一种鲁棒雷达目标检测方法, 在决策空间中可对先验模型噪声、真实目标和外来干扰的信任进行精准量化。鉴于该检测方法不存在解析解的问题, 通过随机变量的变换, 将任意瑞利目标幅度起伏模型转化为标准瑞利模型, 再利用查表方式实现信任函数的数值计算, 最后完成检测决策或用于后续融合推理。瑞利目标检测实验验证了所提方法的鲁棒性。

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。

针对欺骗式干扰难分辨和难去除的问题, 基于相参积累的原理, 提出一种基于相位调制(Phase Modulation, PM)的雷达抗假目标干扰方法。首先, 雷达发射相位调制的脉冲串信号, 之后根据相位的先验信息在接收时对回波信号进行相位补偿。然后，对回波信号进行脉冲压缩和相参积累, 在处理后形成的距离-多普勒图上对真、假目标进行分辨并提取出目标的多普勒频率。最后，结合自适应波束形成原理以及真实目标的多普勒频率信息, 设计自适应多普勒滤波器, 对回波脉冲串进行处理, 使真目标得到增强, 并在假目标的多普勒频率处形成零陷, 解决了假目标难去除的问题。仿真实验表明, 所提方法能有效分辨并去除回波信号中的假目标。

子带对消(subband spectral cancellation, SSC)法是一种有效的合成孔径雷达(synthetic aperture radar, SAR)射频干扰(radio frequency interference, RFI)抑制方法, 但其在消除干扰的同时容易损失图像细节信息, 影响后续图像解译。为此, 在SSC方法的基础上, 联合变化检测技术, 提出一种改进的SAR图像干扰抑制方法。根据改进的对数比变化检测算子, 所提方法实现了干扰二次检测, 消除了干扰图像中的虚警信息, 避免了图像中有用信号的损失。基于欧空局Sentinel-1A卫星干涉宽幅模式受干扰SAR图像, 开展了干扰抑制与效果评估。实验结果表明, 所提方法能够在有效抑制干扰的同时尽可能保留SAR图像细节信息, 证明了所提方法的有效性。

针对非合作侦察接收机只在降噪后才能开展后续检测识别工作的问题，结合降噪自编码器和生成对抗网络的优势, 构建噪声增强网络与信号增强网络进行对抗训练。噪声增强网络往带噪信号中掺杂更复杂的噪声分量, 信号增强网络则是尽可能地降低带噪信号中的噪声分量。二者在对抗训练的过程中, 噪声增强网络生成复杂高维噪声的能力和信号增强网络降噪的能力都在提升。训练结束后, 信号增强网络具备更好的降噪性能, 为后续检测识别工作降低难度。

针对无人机对运动目标的协同围捕问题, 设计了一种快速协同围捕控制算法。首先, 基于人工势场法设计了无人机与目标的动态博弈关系, 使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次, 利用无人机与目标的速度关系, 将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球, 通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后, 将无人机获取的目标信息引入到一致性协议, 以此来完成无人机编队对目标的协同编队围捕, 并引入二跳网络加快围捕队形收敛, 提高了无人机编队的任务执行效率。最终, 通过仿真实验证明了该控制算法的有效性。

针对遥感卫星对海上动态目标搜索定位的应用需求, 提出海上动态目标潜在区域博弈预测及搜索方法。通过非对称信息假设将动态博弈转化为静态博弈, 简化策略函数以提高算法效率。以收益为指标设计博弈策略, 使算法更贴近实际应用, 并将目标潜在区域预测算法和卫星搜索规划算法转化为纳什均衡下的最优策略求解问题。引入目的地信息, 将目标位置预测的时间跨度从数小时增加到数天。实验结果显示, 该搜索方法在保证了较高目标捕获率的同时, 降低了遥感卫星星座的资源消耗。该搜索方法在海上动态目标搜索领域具有潜在应用价值。

航天器任务具有任务复杂、高风险、高成本、高可靠性、长周期等特点, 为了适应未来更加复杂的航天器任务研制需要, 在航天器设计与研制中引入了基于模型的系统工程(model-based system engineering, MBSE)方法。提出了基于模型的航天器研制流程和适应航天器研制过程需要的6类模型体系, 分别为需求模型、功能模型、工艺模型、架构模型、产品模型以及验证模型。以月球水资源探测为假想任务背景, 给出了MBSE建模过程及其模型, 充分体现了MBSE方法在航天器设计及其集成仿真验证方面的优势。

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。

为了研究一类利用不同测控(telemetry, track and command, TT&C)网联合执行TT&C任务的多类TT&C资源联合调度问题, 首先对国有和商业TT&C网的不同特点进行归纳总结。其次，对问题中的约束条件进行分析和规范化描述, 并在满足所选约束的前提下, 建立问题的数学模型。进而根据问题特点, 以遗传算法为基础, 通过设计适当的编码方法和交叉、变异算子以及约束冲突处理方法, 提出一种改进遗传算法。最后，实例仿真表明, 引入的多类TT&C资源联合调度方法较传统未引入联合调度的方法能有效提高TT&C资源利用效率, 证明了所提算法求解此类TT&C调度问题具有较好的性能。

为探究航班运行风险的产生、传播与控制过程, 首先统计华北区域航班运行数据共计76个风险节点。然后，采用偏秩相关系数构建风险网络, 再使用社团模块探测算法与三角最大滤波法验证网络适用性。并且, 提出一种适用于航班运行风险分析的SEIR(susceptible-infected-exposed-recovered)模型。根据动力学传播结果, 聚类定位网络传播中关键节点。最后, 采用前置预防与战术处置两类控制方案。计算结果表明，仅控制5个节点后, 感染峰值可降低18.44%, 峰值时间推后两个周期, 起降等重要操纵节点被感染次数平均下降11.74%。该方案在感染峰值、感染周期、重要节点感染3个方面的抑制效果均占优。以上结果证实, 所提方案可有效用于航班运行风险问题分析。

如何提高集群中合作者占比, 是无人集群作战中自主协同的关键问题之一。基于多元公共品演化博弈框架, 对无人作战集群策略占优条件进行了理论推导和特性分析。首先，给出无人集群自主协同需求, 建立基于愿景驱动的多元演化博弈模型。然后，以平均丰度函数为出发点, 理论推导多元演化博弈的合作策略占优条件。在此基础上, 针对线性和带门限值的两类公共品博弈, 仿真分析收益系数、愿景水平、门限值等参数对策略占优的影响, 获取两类博弈模型的策略占优特性。最后, 依据特性分析结果, 给出实现无人集群合作策略占优的建议, 为无人集群作战的机制设计提供决策支持。

无人机自组织网络具有节点移动性强、网络拓扑变化快、数据交互频繁、应用环境复杂等特点, 采用传统的路由算法会使该网络在传输延时、丢包率、路由开销等方面性能均较差, 以至于无法为多无人机协同执行任务提供有效的通信保障。为了解决该问题, 提出一种基于蚁群优化的多态感知路由(ant colony optimization based polymorphism-aware routing, APAR)算法。该算法将蚁群算法与动态源路由算法相结合, 通过感知路径长度、路径拥塞度和路径稳定性, 计算出由路由发现过程得到路径的信息素水平, 并将其作为选路标准, 经过改进的信息素挥发机制也被引入该算法。同时, 根据无人机编队的变化做出合适的调整, 以保证其网络性能不下降。仿真结果表明, 与其他经典算法相比, APAR算法提高了数据包成功传输率, 降低了平均端到端延时, 减少了路由开销, 且在战场环境下有较高的可靠性。

针对传统卫星导航技术无法估计旋转载体的转速, 且旋转导致的卫星信号非连续性使得定位和转速估计更加困难的问题，提出一种基于多天线结构的开环跟踪与差分卡尔曼滤波相结合的跟踪定位方法, 并利用相邻天线间的多普勒频率差值实现载体转速估计。同时，利用开环结构无反馈回路和快拍方式工作的特点实现对非连续信号的跟踪。差分卡尔曼滤波以相邻历元间差分值进行建模, 消除原始观测量中公共偏差, 实现跟踪信息的融合滤波和定位。最后，利用相邻天线间共视卫星的多普勒频率差值实现载体转速估计。基于模拟信号和实际信号的实验结果表明，所提算法能够实现对卫星信号的持续跟踪, 并且获得高精度的定位结果, 对转速的估计误差的标准差不超过1 rps。

为了分析低轨导航增强系统中信号功率增强对阵列接收机的影响, 提出一种信号传播与阵列接收机的数学模型, 基于该模型分析了功率增强条件下最小均方误差算法与直接矩阵求逆算法对抗干扰性能的影响。根据理论分析与仿真实验, 增强信号对最小均方误差与直接矩阵求逆的影响相似, 当信号增强量在15 dB以下时, 阵列抗干扰对信号的影响较小；随着信号功率进一步增强, 增强信号被识别为干扰并进行了抑制；当信号的信噪比增强到10 dB时, 增强信号被抑制约15 dB。研究结果表明, 在采用传统阵列抗干扰方法的情况下, 信号功率的增强并非越大越好, 信号功率增强15 dB时对传统阵列抗干扰的影响较小。

针对复杂电磁环境中无人装备的卫星导航定位功能易受到电磁干扰影响的问题, 提出带外电磁干扰的效应规律和带外双频干扰的预测模型。首先, 从大信号阻塞干扰的机理出发, 推导得到带外双频电磁干扰下导航接收机卫星跟踪丢失的预测模型。其次, 开展单源电磁干扰的效应试验, 得到不同卫星的电磁敏感阈值曲线, 并对除主敏感频带外其他敏感频带的产生机理进行分析。最后, 开展了双频电磁干扰的效应试验, 通过试验数据验证了该模型的预测误差在±2 dB以内, 为无人装备在带外电磁干扰预测方面提供了有效方法。

为以使星敏感器在复杂工况下依旧能获得高精度的星点质心位置，提出一种极值分析下基于位置矩阵的质心定位方法。首先, 提出极值分析下的星点弥散区域粗提取算法, 对去噪后的星图进行星点局部区域限定。接着, 提出基于位置矩阵的线段编码标记法对星点弥散区域进行精提取。最后, 利用星点区域像素信息估计出高斯曲面参数以得到星点精确的质心坐标。仿真结果表明, 星图噪声标准差处于2的水平时, 所提方法可以使星点质心定位精度达到0.070 4 pixel, 且在星图噪声标准差处于12的水平时, 仍具有90.03%的高星点提取成功率。

针对机械臂运动跟踪控制器的参数自整定问题, 设计了一种基于强化学习Policy Gradient法的参数整定器。首先, 介绍了机械臂的一种混合动力学模型, 根据该系统模型进行了比例-微分(proportional-derivative, PD)控制器设计和李雅普诺夫稳定性证明, 并由此给出了参数矩阵的范围。其次, 设计了基于Policy Gradient的参数整定器, 通过引入积分器的方法对其进行改进, 使其控制下的参数行为连续化以进一步提高PD控制器的控制效果。最后, 以二阶机械臂系统为例进行了仿真验证。实验数据证明了该参数整定器的有效性和可行性, 并能有效提升系统的动态性能。

大型机场终端区飞机的进近着陆通常利用仪表着陆系统(instrument landing system, ILS), 但由于价格及环境条件等原因, 部分机场没有配备ILS。针对未配备ILS的机场终端区, 提出一种基于误差判断因子, 结合高程异常补偿算法, 利用大气数据系统(air data system, ADS), 捷联式惯性导航系统(strapdown inertial navigation system, SINS)和北斗导航系统(beidou navigation system, BDS)组合进行高度计算的优化算法, 提高飞机进近过程中高度定位的精度。通过结合机场终端区高程异常, 建立新的Kalman滤波高度量测方程, 对组合导航系统高度定位算法进行优化与仿真。仿真结果表明, 通过终端区高程异常补偿, 可以降低BDS高度误差, 抑制SINS误差发散, 在飞机受静压源误差影响的情况下, 组合后的高度定位误差相对于单系统高度定位的误差可降低41.52%, 高度定位精度改善较好。

针对惯性导航系统极区性能试验难以实地开展的问题, 研究了一种模拟测试的方法, 并基于横向坐标系编排给出了以组合导航系统作为测量基准的惯导模拟测试方案。首先分析了模拟测试技术研究的必要性, 然后根据轨迹形变最小原则详细推导了基于横向坐标系编排的极区模拟测试转换公式, 之后针对测试中采用不同基准的情况, 提出了相应的惯性测量单元(inertial measurement unit, IMU)转换算法, 并提出以惯性导航系统/全球导航卫星系统(inertial navigation system/global navigation satellite system, INS/GNSS)为参照基准的一种具体测试方案, 最终完成了仿真实验, 验证了模拟测试理论的正确性。结果表明, 在基准误差不计的情形下，试验导航参数误差与惯导实地横向编排解算误差相当。初步验证了所提方法替代极区实地试验进行精度性能评估的可行性, 为后续极区模拟测试评估研究奠了定理论基础。

针对空间互联网星地通信场景中的混叠信号分离精度不足问题, 提出了基于深度学习的堆叠时域卷积网络(stacked time-domain convolutional network, Stacked-TCN)分离方法。首先, 对混合信号提取编码特征表示。然后, 通过时域卷积网络训练得到源信号的深层特征掩模, 将每个信号源的掩模与混合信号编码特征做Hadamard乘积, 得到源信号的编码特征表示。最后, 使用1-D卷积, 对源信号特征进行解码, 得到原始波形。实验采用负的比例不变信噪比作为网络训练的损失函数, 即单通道盲源分离性能的评价指标。结果表明, Stacked-TCN方法与其他4种算法相比, 所提方法具有更好的分离精度和噪声鲁棒性。

针对电子战场上的电磁波干扰问题, 以电磁频谱伞罩系统中一个点对点通信场景为对象, 研究伞罩自干扰抑制架构, 并设计实验平台对所提架构进行验证。首先，对授权接收机处的接收信号进行频率同步, 然后利用本地参考伞罩自干扰进行时间同步和信道估计, 最后完成伞罩自干扰信号的重建和对消。实验结果表明, 所提出的伞罩自干扰抑制架构能够充分地抑制授权接收机处的伞罩自干扰信号, 预期可用于区域战术电磁频谱授权管理, 夺取区域范围内的制电磁权。

针对当前异步网络更新方法更新时间长且无法避免更新死锁的问题, 为降低更新期间的网络性能损失, 提出一种基于定时的航空集群机载网络更新方法。考虑真实的链路时延, 将时间参数与更新依赖图相结合。首先，构建基于时间的更新依赖图。其次，设计贪婪调度算法为每个更新操作分配更新时间步。最后，实现定时网络更新, 避免了异步更新中的更新顺序协调。仿真实验表明, 与现有异步更新方法相比, 所提定时更新方法能够降低50%~60%的更新时间, 减少网络更新期间的更新死锁率和网络拥塞。

针对测距仪(distance measure equipment, DME)信号干扰L频段数字航空通信系统1(L-band digital aeronautical communication system 1, L-DACS1)正交频分复用(orthogonal frequency-division multiplexing, OFDM)接收机的问题, 提出基于块稀疏贝叶斯学习-边界优化(block sparse bayesian learning-the bound optimization, BSBL-BO)算法的DME脉冲干扰抑制方法。首先, 利用OFDM接收机空子载波不传输有用信号的特点构造针对DME脉冲干扰信号的压缩感知模型; 然后基于BSBL-BO算法重构DME脉冲干扰信号; 最后在时域进行干扰消除。仿真结果表明, 该方法比已有的脉冲干扰抑制方法具有更高的重构精度和更快的运算速度, 进一步降低了OFDM接收机的误比特率, 提高了L-DACS1系统前向链路传输性能。

针对传统的空频分组码(space-frequency block code, SFBC)识别方法存在人工提取特征困难、低信噪比(signal to noise ratio, SNR)下识别准确率低和不适用于非协作通信的问题, 提出一种基于互相关特征图和扩张稠密卷积网络的SFBC自动识别方法。首先，计算接收端频域上的互相关函数并进行维度变换, 得到二维互相关特征图。然后, 对得到的特征图进行预处理以扩大卷积核感受的有效区域, 去除图像冗余信息。最后，构建扩张稠密卷积网络以自动提取预处理图像特征, 实现SFBC分类识别。仿真结果表明, SNR为-8 dB时, 该方法对SFBC信号的识别准确率达到了96.1%。相比于传统算法, 该方法具有更好的抗低SNR和特征自提取能力, 验证了深度学习方法在SFBC识别领域的有效性, 为该领域的后续研究奠定了基础。

针对恒包络交替二进制偏移载波(alternate binary offset carrier, AltBOC)信号调制方式复杂, 导致信号参数盲估计困难的问题, 提出一种基于频域累积的循环谱盲估计算法。首先根据信号模型求取AltBOC信号的循环自相关函数, 并将该循环自相关函数等效为16个子信号的循环自相关函数之和; 其次利用傅里叶变换分别对其循环谱进行表示, 并在此基础上进行频域累积, 最后利用信号在循环频率截面上的尖锐脉冲间隔规律估计AltBOC信号的伪码速率、副载波速率以及载频。仿真结果和理论分析表明, 该算法对AltBOC信号的多参数估计能得到较为精确的结果。

针对当前多组源X射线辐射地面模拟试验无法进行的问题, 提出一种单组源X射线辐射等效优化方法, 用来指导等效单组源X射线辐射地面模拟试验中多因素值的确定。首先, 利用克里金模型和层次高斯过程模型等两种数据融合建模方法, 分别构建对应的单组源X射线辐射地面模拟试验数据融合模型。然后, 分别在克里金模型和层次高斯过程模型的基础上, 提出期望提高等效优化算法和层次期望提高等效优化算法。通过对两种优化算法的对比分析可知, 层次期望提高等效优化算法在搜索中包含更多不确定性, 全局搜索效果更佳。仿真结果表明，所提方法可为后续进行等效单组源X射线辐射地面模拟试验提供目标指导。

为满足现役装备根据故障样本数据集积累的特点进行自适应故障诊断的需求, 本文将极限学习机(extreme learning machine, ELM) 的数据增量学习、隐藏层增量学习和输出层增量学习(类增量学习)3种增量学习模式, 融合到一个统一的学习框架内, 提出一种凸最优自适应增量在线顺序ELM(convex optimal adaptive incremental online sequential ELM, COAIOS-ELM)。模型能够根据增量学习中误差的变化情况, 自适应地增加隐藏层神经元, 减小分类误差; 并可根据增量数据集中新出现的故障类别, 进行相应的类增量学习, 增加故障诊断的范围。有效解决了ELM增量学习过程中模型自适应动态选择最佳网络结构的问题, 提高模型的故障诊断的精度和故障诊断的范围。本文选择UCI数据集中公共数据集和Biquad低通滤波电路故障诊断数据集, 通过与类增量ELM (class incremental ELM, CI-ELM)模型对比实验, 验证了所提方法的有效性。

针对传统基于相似性的剩余寿命(remaining useful lifetime, RUL)预测方法未考虑运行条件差异, 从而影响预测准确性及部件储备策略科学性的问题, 提出一种基于改进相似性的装备部件RUL预测及经济性储备策略。基于提出的改进相似性方法, 区分装备部件的运行条件类别, 通过各类别内服役部件和参考部件的性能状态相似性, 预测服役部件的RUL; 基于RUL预测结果, 以装备部件维修储备总费用最低为目标, 以资源利用率为约束, 建立经济性储备策略决策模型; 采用差分进化算法对模型寻优求解, 得到最优装备部件储备策略。实例分析表明, 所提方法能够有效提升RUL预测的准确性和部件储备策略的科学性, 具备工程应用价值。