在短波波段, 信号从辐射源到接收站要经过电离层反射, 因此短波时差定位模型包含电离层信息。传统短波时差定位将电离层等效为均匀分布模型, 电离层信息的扰动对定位精度的影响较大。本文利用国际参考电离层模型获取电离层的电子密度信息, 以数值型三维射线追踪的方法建立起短波时差定位方程并推导了相应的克拉美罗下界(Cramer-Rao lower bound, CRLB)。仿真结果表明, 短波时差定位的CRLB在白天低于夜晚, 太阳活动高年和太阳活动低年差别不大; 在准确获取电离层信息的条件下, 电离层的变化对短波时差定位的CRLB影响并不显著。

针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题, 提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering, MEFC-JPDA)。首先, 采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次, 采用基于目标距离的量测修正因子对关联概率进行调整, 并建立关联概率矩阵。最后, 结合卡尔曼滤波算法, 对目标的状态进行加权更新。仿真结果表明, 所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升, 是一种有效的多目标跟踪数据关联算法。

针对小型化、低成本极化相控阵雷达应用背景, 提出了一种基于液晶材料的高交叉正交极化隔离度的极化相控阵天线。与传统极化相控阵天线相比, 该设计不需要成倍增加的收发组件和复杂的移相馈电网络。基于液晶传输线移相器特点, 结合缝隙耦合辐射原理, 提出一种基于斜交耦合缝隙的交叉极化抑制结构, 在提升天线单元主极化辐射性能的同时, 抑制交叉极化辐射幅度。天线阵列采用由中心向两侧180°反向馈电形式, 进一步提升交叉极化抑制比, 同时可以实现极化和波束的联合重构。样机实测表明, 天线扫描角度可达±40°, 增益最大可达16.8 dB, 效率高于66%, 法向交叉极化隔离度可以达到33.3 dB, 法向波束旁瓣最大抑制可以达到36.3 dB; 展示了液晶极化相控阵天线的实用性, 并且具有低成本、低功耗以及结构简单的特点。

超维计算是一种受大脑工作机制启发的新兴认知模型, 使用信息的高维、随机、全息分布式表示作为处理对象, 具有低运算成本、快速学习过程、高硬件友好性、强鲁棒性、不依赖大数据和优异的模型可解释性等优势, 在分类识别、信号处理、多任务学习、信息融合、智能决策等领域有着良好的应用前景。近年来, 超维计算受到的关注量持续增加, 展现出巨大的发展潜力, 为研究人员提供了一种新选择。本文详细介绍了超维计算的发展历史、基本原理和模型框架, 给出超维计算的典型应用实例, 并对超维计算现阶段存在的问题和未来可能的发展方向进行了探讨。

针对现代潜艇的低可探测性问题和隐蔽性探测需求, 提出了一种基于航空被动声纳浮标阵交叉定位和Hough变换检测前跟踪的水下微弱目标检测方法。首先, 构建基于线形浮标拦截阵的水下目标被动检测模型, 采用自适应关联的交叉定位方法, 获取目标位置信息, 实现了检测前数据预处理。然后, 采用点数积累和能量积累的双门限Hough检测方法, 得到了初始检测航迹。最后, 利用目标运动约束条件和航迹合并方法, 剔除虚假航迹及合并重复航迹, 提高了水下目标检测概率。仿真结果表明, 与时频检测方法相比较, 该方法在低信噪比条件下仍能保持较高的检测概率。

为评估无人机数据链在复杂电磁环境下的生存能力, 对无人机数据链开展了宽带白噪声电磁干扰效应研究。基于数据链接收机的噪声干扰原理和评估方法, 采用电磁干扰注入方法进行电磁敏感度试验。研究了数据链抗干扰系数随频率瞄准度和带宽覆盖比的变化规律, 并分别从中频输出信号和数据链性能参数变化的角度分析了宽带白噪声干扰效应机理。研究结果表明, 大功率的宽带白噪声压制式干扰在数据链射频前端产生非线性增益压缩效应, 导致中频工作信号功率下降, 其作用效果取决于干扰信号的频率瞄准度和带宽覆盖比; 对于部分频带白噪声压制式干扰, 存在一个使无人机数据链抗干扰性能最弱的干扰信号带宽覆盖比; 在对数据链干扰效果相同的情况下, 全频带白噪声压制干扰的带宽越宽, 所需要的干信比就越高。

对于多通道雷达系统, 通常存在阵元误差及旁瓣干扰, 此时雷达系统假定的目标导向矢量与真实值不同, 从而导致信号失配。针对子空间模型下的失配信号检测问题, 提出了一种具有恒虚警特性的加权自适应检测器, 得到了检测器解析的检测概率和虚警概率计算表达式。根据系统需要, 通过调整加权系数, 所提出的检测器能够实现对失配信号的灵活检测。此外, 对无信号失配的检测环境, 在合适的权系数下, 所提出的检测器能够提供比现有检测器更高的检测概率。

针对电离层动态性对天波超视距雷达检测概率和探测精度的影响, 构建了一种基于分布式多输入多输出(multiple input multiple output, MIMO)体制的完整天波超视距雷达仿真系统。通过搭建模块化仿真框架和可视化展示界面, 集成电离层数据接口, 实现信号发射、电离层反射、信号接收、信号处理和目标检测的功能。最后对雷达系统探测性能进行评估, 利用仿真实例验证了整体雷达仿真系统的可行性。该系统的实现对于分布式MIMO天波超视距雷达的性能评估、布站优化、装备发展论证具有一定的工程指导意义。

机载双基前视雷达在距离宽幅和长合成孔径时间积累情况下, 存在回波多普勒参数的强耦合和强二维空变问题。针对这个问题, 提出了一种基于二维空变量级补偿的成像方法。该方法以Chebyshev正交多项式的最佳一致逼近特性为手段, 实现斜距历程的高精度近似和二维频谱的高质量解耦合, 采用Keystone变换校正空变的线性距离走动。在此基础上, 定量分析多普勒参数的二维空变量级, 以π/4相位门限为标准, 使用最小二乘拟合算法, 设计适用于空变量级的二维空变校正函数, 提出方位向扩展的非线性变标成像方法, 精确且高效地实现不同空变量级多普勒参数的校正。点目标仿真和实测数据处理结果表明, 所提成像方法具有良好的聚焦性能。

为解决非合作双基地雷达目标跟踪面临的低检测概率和高杂波率问题, 提出了改进的概率假设密度滤波器。首先, 提出一种新的航迹标识与状态估计方法, 并将存活概率定义为与目标状态相关的变量; 随后, 记录每个候选目标在每一时刻是否有量测的情况, 采用序贯概率比检验区分真实目标和由杂波引起的假目标; 最后, 离线估计目标状态。仿真实验结果表明, 所提算法明显提高了非合作双基地雷达目标跟踪的性能, 可以有效解决低检测概率和高杂波率问题。

箔条干扰是一种典型的无源干扰措施, 其扩散过程复杂且特征信息多变, 现有的对抗方法无法兼顾准确率和普适性。针对这一问题, 基于距离-多普勒(range-Doppler, R-D)二维图的距离、频率分布特征, 提出了一种更为有效的抗箔条干扰方法。首先, 采用均值漂移聚类算法分离目标与箔条的点集。然后，提取频偏和等新的特征信息辅助机器学习分类器完成整个扩散过程的对抗识别。最后, 该方法被应用于某相参末制导雷达的大量抗箔条干扰实测数据。数据处理结果展示了箔条弹自打出到完全扩散整个过程中各干扰特征的变化情况, 在此基础上讨论了特征的稳定性和对抗方法的可靠性。理论分析和实测数据处理结果都表明所提抗箔条干扰方法在整个扩散过程中能够准确地辨识箔条, 因此所提方法抗干扰性能卓越、环境适应能力强。

针对双基地逆合成孔径雷达(bistatic inverse synthetic aperture radar, Bi-ISAR)稀疏孔径条件下机动目标的越距离单元徙动(migration through range cells, MTRC)补偿难的问题, 提出了一种将Keystone变换与加权l₁范数稀疏约束最优化算法相结合的补偿并成像的算法。Bi-ISAR稀疏孔径机动目标回波完成平动补偿后, 假设目标图像各像元稀疏非同分布, 对每个距离单元建立含Keystone变换参数与时变双基地角的变尺度傅里叶变换稀疏基, 使用加权l₁范数稀疏约束最优化算法逐距离单元恢复方位向的散射系数并成像。实验结果证明了所提算法的有效性和鲁棒性。

针对距离单元内调频信号的回波采样点与目标点失配(即距离采样失配)时, 引发回波采样波形与参考信号波形之间相位失配以及自适应脉冲压缩性能下降等问题, 提出了一种针对距离采样失配的多波形自适应脉冲压缩(multi-waveform adaptive pulse compression, MWAPC)方法。所提方法将多基地自适应脉冲压缩(multistatic adaptive pulse compression, MAPC)方法应用到单基地雷达, 首先将单基地雷达的原始发射信号过采样得到多个采样版本的发射信号, 并将各种采样版本视为不同的波形; 然后借助于自适应脉冲压缩对相位失配的敏感性, 依次用不同采样版本的发射信号对回波信号做多波形自适应脉冲压缩构建距离维与采样维的二维输出, 得到在距离单元内目标点与采样点的相对位置关系。实验证明, 所提方法可根据多个采样版本的采样时序将自适应脉冲压缩的二维输出延展成一维。相比于常规脉压方法, 所提方法不仅能抑制因采样失配而产生的距离旁瓣, 还可获得超出传统脉压方法的分辨能力, 在同一距离单元内区分出不同位置的目标。

预警雷达探测过程中气动目标微动回波能量弱导致识别性能不稳定。针对该问题, 提出一种基于稀疏约束非负矩阵分解(sparse constrained non-negative matrix factorization, SCNMF)和集成极限学习机(integrated extreme learning machine, IELM)的多频点调制谱融合增强识别方法。通过分析微动部件回波特性, 对多频点频域幅度谱进行SCNMF处理实现像素级融合得到特征增强后的稀疏调制谱, 并将其作为样本输入IELM, 实现气动目标类型识别。仿真和实测数据表明, 本文方法能够有效融合多频点微动特征, 具有抗噪能力强、所需训练样本少和识别性能稳健等优势。

针对传统贝叶斯解卷积方法未能有效利用目标的块结构信息而导致对块目标成像效果不理想的问题，本文提出将模式耦合稀疏贝叶斯学习方法应用于前视成像中。同时, 针对其在低信噪比下分辨率迅速恶化的问题，提出使用截断奇异值分解作为解卷积之前的预处理，通过剔除卷积矩阵中较小的奇异值，可以有效抑制解卷积过程中的噪声放大，进而提升方位分辨率。仿真实验结果表明，所提方法在低信噪比下仍具有较好的超分辨成像效果。

针对动态输出多样本条件下的多备选仿真模型择优问题, 提出了一种基于孪生卷积神经网络(siamese convolutional neural network, SCNN)的仿真模型智能排序评估方法。首先, 将仿真数据和参考数据的一致性度量问题转化为二者特征一致性度量问题。其次, 在分析评估数据特点和对比试验结果的基础上, 确定采用SCNN实现评估数据的特征提取。接下来, 给出基于SCNN的仿真模型排序评估方法, 包括网络结构初步设计、网络参数训练调优和仿真模型排序评估三部分。最后, 通过实例应用, 验证了该方法在评估数据特征提取和仿真模型排序评估方面的有效性。

武器装备体系是国防领域发展的战略需要, 弹性是体系对缺陷、破坏做出响应和恢复的能力。本文给出了装备体系弹性发展现状、应用前景及有关建议。首先, 对武器装备及其弹性的概念与发展现状进行辨析。其次, 对不同领域弹性建模与分析评价方法进行评述。然后, 分析给出装备体系弹性内涵及多层级分析框架。最后, 对现有研究不足进行总结, 并从技术发展及工程应用角度给出装备体系弹性未来发展趋势与建议。致力于推动装备体系弹性相关技术发展, 提出相应发展建议, 提升装备体系效能与实战化水平。

针对舰空导弹试验设计中同时存在定性、定量因子的问题, 提出了一种定性-定量因子混合的补充试验设计方法。首先, 构建定性-定量因子混合评估模型, 针对模型中定性、定量因子相关函数难以融合的问题, 利用超球面分解方法对定量因子相关函数进行定量化处理。然后, 在预测响应模型的基础上构建预测均方差探索项, 通过进一步计算样本点的预测误差值, 对探索项进行修正, 提高补充试验设计的开发能力。通过计算交叉多面体比率得到最佳邻域, 再利用遗传算法在最佳邻域中确定补充试验点。最后, 通过数值算例和示例分析, 验证了所提方法的有效性。

针对大群体应急决策中决策参考信息不足和共识达成困难的问题, 构建了一种由社会网络行为数据驱动的大群体应急决策共识模型。首先, 针对决策参考信息不足的问题, 提出基于公众行为大数据分析的属性挖掘方法。该方法将公众关注度作为数据聚类标准, 挖掘社交媒体数据中的公众关注主题和权重，将其作为决策参考信息, 应用到大群体应急决策过程。其次, 针对大群体共识达成困难的问题, 建立了基于信任-相似分析的决策共识模型。该模型在专家社会网络聚类的基础上, 引入自信系数和保留系数, 设计共识反馈规则以调整专家偏好, 提高了群体共识水平。最后, 通过公共安全事件案例验证了所提模型的可行性和合理性。

针对多部干扰机协同干扰多部雷达的干扰资源分配问题, 提出一种基于遗传-蚁群融合算法的干扰资源分配算法。首先采用综合集成赋权法结合逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)对目标雷达进行威胁评估, 然后建立干扰资源多约束优化分配模型, 最后采用遗传-蚁群融合算法对模型进行求解。融合算法利用遗传算法快速寻找出若干组优化解, 将这些优化解用于调整蚁群算法中初始信息素的分布, 利用蚁群算法对问题进一步优化, 从而找到最优解, 提升了算法的求解精度和求解时间。仿真结果表明, 融合算法的性能在收敛速度和寻优准确性等方面相较于其他算法都有了较大提升。

为快速、准确获得武器装备系统效能评估结果, 提出一种能够精简武器装备系统效能评估指标的方法。以随机森林(random forest, RF)算法度量的评估指标重要性为基础, 通过改进RF算法中决策树划分属性选择、叶结点取值确定、决策树输出值计算方法, 实现在指标值有缺失的情况下, 对评估指标进行重要性的排序, 进而精简出指定数量的重要评估指标。以防空系统效能评估指标精简为应用场景, 基于指标值有缺失的模拟数据集, 验证了提出的改进RF算法比传统RF算法具有更高的准确性。

民航事故症候数预测对于民航安全具有重要的意义。准确的预测民航事故症候数的发展趋势可以指导采取合适的事故预防措施, 从而尽可能地减少民航事故数。本文在回归模型的基础上, 发展了“回归+马尔可夫”组合模型来进行民用航空事故症候数的预测。其中回归模型用于发展趋势项的预测, 马尔可夫模型用于随机干扰项的预测。通过中国民航局以及国家统计局发布的2006~2020年的历史统计数据, 计算了回归模型、GM(1, 1)灰色模型和“回归+马尔可夫”组合模型的拟合及测试误差。结果表明, “回归+马尔可夫”组合模型的拟合精度以及测试精度相比单一模型均得到了有效提高。

针对自主、协同、智能的无人蜂群电磁作战行动难以描述、刻画、建模与仿真的问题，首先以联合作战为背景, 分析了无人蜂群电磁作战行动的层次化特征, 并基于BNF (Backus-Naur form)描述了作战行动链。随后, 分析了无人蜂群个体自主作战与群体协同作战的行为特征, 并以此为基础提出了基于RRA (rule, respond and algorithm)的无人蜂群电磁作战行为模型建模方法, 给出建模具体流程与行为规则的形式化描述。再次, 构建了个体电磁辐射源目标自主识别行为模型, 以及群体电磁攻击协同目标分配行为模型, 完成了RRA方法的具体实现。最后, 通过作战仿真实验与算法验证实验, 证明了本文建模思路与建模方法的合理性、有效性。

针对传统文本模式存在的需求域与设计域之间信息离散、关联性差、不易追溯等问题, 采用基于模型的系统工程(model-based systems engineering, MBSE)方法开展载人登月系统设计。引入美国国防部架构框架(Department of Defense Architecture Framework, DoDAF), 提出载人登月总体设计体系结构可执行模型的流程和方法; 采用系统建模语言(system modeling language, SysML)建立了视图模型, 描述了系统架构、需求模型和逻辑接口。并开展了初步逻辑仿真验证, 可为载人登月系统设计和MBSE方法应用提供参考。

针对三维情况下带视线角约束的多弹协同制导问题，基于二阶一致性理论和自适应超螺旋滑模控制方法提出了一种新的三维多弹协同制导律。在视线切向方向，设计了一种协同方法，并利用二阶一致性理论，证明了导弹的相对距离和相对速度能在有限时间内趋于一致。在视线高低角和方位角方向，设计了一个新的滑模面，并利用自适应超螺旋滑模控制方法，证明了在该制导律下导弹能够在有限时间内实现期望视线角且视线角速率收敛到0。所采用的自适应超螺旋滑模控制方法能有效解决传统的滑模抖振问题，且对机动目标有一定的鲁棒性。最后，在仿真实验中，通过对比分析验证了所提出的制导律具有更高的制导精度。

针对大气层内助推段的制导问题，提出了一种适用于多级助推器的广义标控脱靶量解析制导律。首先，给出了满足终端弹道倾角和高度约束的最优标控攻角曲线的求解方法。利用弹道解析解可将助推段动力学约束转换为关于插值节点处攻角值的函数，以此将攻角曲线优化问题离散为非线性规划问题, 并通过序列二次规划可求得其最优解。之后，在每个制导周期，基于当前状态量解析预测标控攻角曲线下的广义标控脱靶量；为了闭环修正终端误差，利用线性二次型最优控制推导了解析形式的制导指令修正量，其可表示为广义标控脱靶量的线性组合。仿真结果表明，该制导方法不仅所需过载小，且制导精度高，适用范围广。

针对带有禁飞区的高超声速飞行器再入制导问题, 基于改进人工势场法(artificial potential field method, APFM)提出一种再入制导方法。在纵向上, 将动压、过载、热流过程约束视为“虚拟障碍”, 将终端高度、速度视为“虚拟目标点”进行纵向轨迹设计。然后, 改进纵向人工势场函数以适应跳跃式和平衡滑翔式再入两种弹道形式的轨迹设计。为了整体考虑禁飞区对三维轨迹的影响, 设计双层预测-校正算法求解待调参数。仿真结果表明, 所提出的改进APFM规划方法能够适应不同类型的禁飞区形状, 相比现有方法可适应横程需求更大的目标点, 参数调节简单, 易于工程实现。

自主水下机器人(autonomous underwater vehicle, AUV)已成为不同领域多种水下作业最有效的装备之一。针对其全局路径规划问题，提出了一种基于改进鲸鱼优化算法的求解方法。首先对于建模问题, 在环境模型中, 鉴于三维空间中设置路径点的复杂性, 给出了基于连接型快速扩展随机树(connected rapidly-exploring random tree, RRT-Connect)的建模方法; 在数学优化模型中, 综合了路径平滑度、下潜梯度和航行时间等3项评价准则, 并考虑了强海流及障碍物带来的相关约束。然后针对上述模型, 提出了一种改进的鲸鱼优化算法。引入了基于问题连接结构的优化思想, 据此在线构建了关键子集族和有效子集族, 用于实时发现关键度和有效度较高的连接集, 并增大其重复利用率, 以提高算法的收敛速度和精度。此外, 为更全面有效地利用历史进化信息, 设计了多学习集构造个体引领者及联合引导策略, 以进一步增强算法的整体性能。最后根据实际海底地形信息和不同海流模型, 设置了多种路径规划情形进行仿真实验。结果表明, 相对于文献中其他鲸鱼优化算法和经典算法, 所提算法在求解精度、收敛速度和稳定性等方面均表现更为出色, 可较好地满足AUV航行的路径规划需求。

针对一类含量测噪声的多故障并发(执行器和传感器同时出现故障)非线性系统, 提出了一种完全解耦鲁棒滑模故障重构观测器设计方法。首先, 将传感器故障及量测噪声作为增维向量构建广义系统, 针对广义系统设计鲁棒滑模观测器。其次, 考虑非线性Lipschitz系数以及故障上界未知情形, 提出综合自适应律补偿的设计程式。同时, 在观测器系数矩阵设计中, 引入辅助矩阵以及广义约束逆矩阵, 实现故障与扰动完全解耦; 在此基础上, 基于线性矩阵不等式提出了观测器增益矩阵设计方案。最后, 综合鲁棒滑模微分器给出了执行器及传感器故障重构结论, 并开展了仿真算例研究, 以检验设计方案的有效性。

针对有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队队形集结控制问题，设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先，考虑编队队形集结边界约束与防碰撞约束条件，设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后, 以规划得到的集结航迹作为期望航迹，设计了一种双回路结构的非线性路径跟踪控制方法。最后, 利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验，仿真结果验证了方法的有效性和优越性。

在已知三维信息的场景中估计相机位姿, 是自主驾驶、增强现实、虚拟现实等领域的重要环节。已有方法从输入图像中直接回归相机的位姿, 或者通过回归像素的三维坐标方式计算相机位姿, 这些方法存在的问题是与训练场景耦合严重, 在新环境中缺少泛化能力。认为深度学习网络应该专注于学习鲁棒和不变的图像特征, 因此介绍了一种基于多尺度图像特征对齐的优化方法, 将图像特征相似性作为度量形式, 将相机位姿作为优化量, 通过从像素到位姿的端到端的训练, 来估计相机精确的六自由度(6 degree of freedom, 6DOF)位姿。该模型参数和场景分离, 对新场景有较强的泛化能力, 并且具有较好的定位精度。

面向二进制偏移载波(binary offset carrier, BOC)信号，设计了一种基于副峰叠加的捕获算法。通过构造辅助函数并与BOC信号相关，产生相关曲线, 其仅在两个固定位置存在等高副峰，再将副峰移位叠加并与BOC自相关曲线相乘获得单峰捕获曲线，实现无模糊BOC捕获。与现有BOC捕获方法相比，该算法更具普适性，适用于任意阶的BOC信号，且单峰捕获曲线主瓣更窄，捕获概率更高。计算机仿真验证了该算法的性能优势。

当前自动调制分类采用的深度学习模型存在参数量与计算量大的问题。根据连续采样同相正交信号特点, 提出了一种轻量且高效的深度网络结构。通过构造方向滤波器, 首先提取相位特征, 再提取时域特征, 最后利用通道特征均值分类。采用通信信号分类数据集进行验证, 当信噪比大于0 dB时, 准确率超过60%, 信噪比大于等于10 dB时, 准确率超过90%;与主流深度模型相比, 在达到相同准确率时, 仅用20%左右的模型参数和50%左右的推理时间, 更适合被应用于空间认知通信系统。

命名数据网络(named data network, NDN)中一些传统缓存放置策略不能高效地利用移动自组织网络中有限的缓存资源，为提高缓存空间利用率，减小数据传输时延，提出一种基于内容流行度的协助边缘缓存策略。将NDN链路状态路由协议应用于移动自组织网络中进行路由寻址，各路由器实时统计本节点处的数据流行度，结合数据流行度、位置信息以及缓存标志位信息，自主决策是否缓存数据，结果是将请求更频繁的内容缓存至更靠近用户的边缘节点。仿真实验结果表明，与传统的缓存放置策略相比，此缓存策略在缓存命中率、数据响应时延等方面有较好的提升。

实际跳频信号所处的电磁环境较为复杂且难以预料，这给基于仿真数据训练的检测算法带来困扰。针对这一问题，提出一种名为半监督干扰对消的方法。该方法首先以暹罗嵌套Unet为主干, 引入图注意力机制和集成通道注意力模块, 得到干扰对消网络，并用成对的跳频信号时频图以及对应的标签对其进行预训练，使其获得干扰对消及检测信号的能力。然后，将没有标签、干扰更为复杂的时频图输入到干扰对消网络，得到低熵预测，作为伪标签。同时，对这些没有标签的时频图进行强增强，得到变形时频图。训练网络使得变形时频图的检测结果与伪标签具有一致性，从而强化网络在没有标签的数据上的泛化能力。仿真结果表明，所提方法可以在复杂干扰下实现参数估计和盲检测，并利用无标签数据增强网络性能。

利用深度学习进行通信辐射源识别分类时, 现有算法在较低信噪比下的识别能力还不足, 且均着重关注各类辐射源个体的类间距离, 忽视了类内紧密性。针对此问题, 结合残差网络和原型学习基本思想, 提出残差原型网络, 对输入信号的差分星座轨迹图进行识别。此外, 在基于距离的交叉熵损失函数基础上加入原型损失, 通过提高类内紧密度的方式进一步扩增了类间距离。通过对5种ZigBee设备的实验, 结果表明所提算法在相同信噪比条件下相较于其他算法具有更好的识别性能, 在信噪比高于8 dB时, 可达到99%以上的准确率。

针对无人机编队网络管理问题, 提出了一种基于自适应果蝇优化算法的加权分簇算法, 利用分簇结构进行网络优化。该算法使用了基于离差标准化的数据归一化方法对各性能指标进行处理, 并根据整体能耗改变权值分配规则, 共同提高了簇头选举的客观性; 分析了未定节点调整准则, 提出了应用自适应果蝇优化算法进行簇的规模优化, 消除了孤立节点和小规模簇; 引入了剩余能量阈值和安全距离阈值约束维护条件，并分析了阈值的最优取值, 减少了簇的维护次数。仿真结果表明, 所提算法能够有效提高无人机编队各方面的性能, 与现有算法相比, 能够获得更好的网络管理效果。

针对复杂工程系统中的稳健参数优化问题, 提出了一种新的基于Kriging代理模型的序贯优化设计方法。首先，用Kriging模型预测均值的最小值，代替真实观测的最小响应值来考虑噪声; 然后，对该加点准则的预测方差进行修正, 使其在足够的样本量下能够收敛; 最后，通过经典的低维、高维非线性数值算例和工程算例来验证所提方法的有效性。验证结果表明, 与已有的传统加点准则相比, 所提方法能以更少的加点次数获得更好的全局解, 具有更强的全局寻优能力和稳健性。

近年来，由于在航空航天、军事、核能等领域的广泛应用，多阶段任务系统(phased mission system, PMS)可靠性建模方法得到了广泛的关注。航天系统所包含的电子设备会由于自身的老化导致性能退化而失效，同时也会因为外界的随机冲击导致失效，严重影响系统可靠度。针对该问题，提出一种基于模块化方法的模型。首先，将冲击模型与半马尔可夫过程结合，计算受冲击影响的工作单元可靠度。然后，提出一种基于二元决策图(binary decision diagram, BDD)模型的方法，对同时考虑冲击与阶段备份的PMS进行可靠性建模。最后，以某型航天器中的推进子系统为例对所提方法进行说明，并应用蒙特卡罗方法进行验证，证明了所提方法的建模效率与准确性。

针对现有加速贮存寿命评估方法难以有效应对无失效数据、两参数Weibull模型拟合高可靠、长寿命机电产品寿命分布精度不高的问题, 提出了基于E-Bayes理论和三参数Weibull寿命分布模型的弹上机电产品加速贮存寿命评估方法。对两参数Weibull在拟合高可靠、长寿命机电产品寿命分布时存在的的精度不足问题进行了论述, 给出了三参数Weibull下的弹上机电产品寿命分布模型。在阿伦尼乌斯模型、Nelson累积失效假定等基础上, 建立了单次步进应力加速贮存寿命试验数据向多次常温应力定时截尾试验数据的等效折算方法, 并引入E-Bayes理论实现了对定时截尾试验无失效数据下失效概率的有效求解。针对复杂等效折算公式中的Weibull参数估计问题, 设计了粒子群优化算法实现对参数的高精度求解, 并给出了基于蒙特卡罗法的贮存寿命置信下限评估方法, 从而实现对弹上机电产品的高效贮存寿命评估。以某型弹上惯性测量单元为应用对象, 验证了所提方法的有效性和合理性。