在理想环境下，双双曲调频(dual hyperbolic frequency modulation, Dual-HFM)速度谱估计方法可得到高分辨率的连续多普勒估计结果。然而由多径、双目标环境引起的旁瓣干扰, 削弱了速度谱方法抑制噪声的能力, 影响目标参数估计。针对该方法在多径、双目标等各种复杂水声环境中的应用, 进行了深入的讨论, 推导了多径、双目标造成的速度谱旁瓣位置, 并提出了基于多帧信号的速度谱旁瓣抑制方法, 利用另一维度信号空间中目标回波信息与多径杂波旁瓣的差异性, 抑制了复杂水下环境中的速度谱旁瓣, 并保留了速度谱计算量低的优点。通过数值仿真验证了所提方法的适用性, 为低信噪比、多径、双目标环境下的多普勒估计提供了理论依据。

卫星导航定位是支撑无人机(unmanned aerial vehicle, UAV)安全飞行的关键技术之一, 当卫星信号弱或受干扰时, 方法定位将影响甚至危及UAVs正常飞行。视觉方法可通过影像匹配实现UAVs定位, 但异源图像差异大, 现有特征匹配方法定位的鲁棒性和实时性不能满足UAVs应用需求。提出了一种快速特征匹配定位方法, 采用残差网络提取多尺度鲁棒特征, 通过最小欧氏距离加速低分辨率特征图粗匹配, 并在高分辨率特征图上结合小型Transformer实现精细匹配, 最后利用单应矩阵校正匹配点对实现定位, 改善了UAVs定位的鲁棒性和实时性。经在武汉城郊区域实飞数据集上测试, 所提方法平均定位精度为2.86 m, 与现有典型匹配算法相比提升了2.1%, 同时在定位鲁棒性和计算速度上具有明显优势。算法在Jetson Xavier NX上完成数据集内所有影像的匹配定位, 且定位频率达到最优(1 Hz)。

针对电子信息设备对空间频谱资源的互相竞争问题, 考虑多输入多输出(multiple input multiple output, MIMO)雷达的波形分集优势, 提出了一种基于优化星座图的MIMO雷达-通信一体化(dual functional radar communication, DFRC)发射波形设计方法。首先, 构建了MIMO-DFRC系统的发射波形优化设计模型; 其次, 基于幅度和相位联合约束设计了通信信息植入策略。同时, 为进一步降低通信信息传输误码率(bit error rate, BER), 优化了期望通信信号的星座图, 并基于一阶泰勒展开的序列线性规划算法(sequential linear programming algorithm based on the first-order Taylor expansion, SLP-FTE)对其BER进行了高效求解。所设计波形能够同时实现雷达目标探测和通信信息传输一体化功能, 可以有效解决频谱拥塞问题。最后, 仿真分析验证了所提方法的有效性。

分布式电磁目标识别利用分布式最优化和分布式计算等技术实现传统集中式电磁目标识别。分布式最优化方法结合分布式计算架构实现对最优化问题的分布式求解, 以分布式实现从问题信息、数据到最优目标识别模型的映射。利用去中心化随机梯度下降方法这一经典分布式最优化方法, 建立面向电磁目标识别的分布式计算架构和分布式电磁目标识别方法。实际电磁信号数据验证了所提算法的有效性。在分布式电磁目标识别算法与集中式识别算法性能均保持在90%以上时, 单节点训练时间下降50%以上, 显著提升了训练效率。

为了提高阵列幅相误差和格点失配情况下稀疏恢复空时自适应处理(sparse recovery space-time adaptive processing, SR-STAP)算法的性能, 提出一种基于稀疏贝叶斯学习的稳健SR-STAP算法。首先, 利用空时导向矢量的Kronecker结构构建SR-STAP误差信号模型; 然后, 利用贝叶斯推断和最大期望算法迭代求取角度-多普勒像和误差参数; 最后, 利用求解参数估计精确的杂波加噪声协方差矩阵并计算权矢量。仿真实验表明, 所提算法能够显著提高稀疏信号模型失配时的目标检测性能。

针对月球表面先验图像信息获取困难的问题, 提出一种基于对抗神经网络的月表先验图像数据增强方法。在获取少量月表图像及障碍背景分割图的基础上, 构建基于对抗神经网络的月表图像数据增强架构, 利用新的障碍背景分割图匹配生成月表图像, 扩充月表先验图像数据, 可用于月球探测中障碍检测算法设计验证。仿真结果证明了所提方法生成的月表图像接近真实拍摄图像, 且通过数据增强图像数据, 使障碍检测结果获得明显提升, 证明了方法的有效性。

针对反舰武器图像制导目标实例分割精度低, 模型中上下文语义交互不充分, 特征融合推理速度慢, 数据集难易样本不均衡导致训练效果差等问题, 提出了一种基于改进滑动窗口的Transformer(shifted windows Transformer, Swin Transformer)的舰船目标实例分割算法。设计了局部增强感知模块用以拓展感受野, 加强语义交互能力; 采用反向特征金字塔网络进行特征融合, 提高算法处理速度; 使用在线困难样例挖掘, 改善数据集样本不均衡问题, 提升网络训练效果。实验结果表明, 改进后的算法相较基线算法在分割准确率上提升了1.5%, 在处理速度上提高了1.3%, 兼具精度和速度优势。

针对探地雷达应用于地雷探测时的强杂波干扰问题, 提出一种基于低秩稀疏分解的杂波抑制方法。该方法将加权核范数(weighted nuclear norm, WNN)引入稳健主成分分析(robust principle component analysis, RPCA)方法, 结合随机奇异值分解(randomized singular value decomposition, RSVD)与交替方向乘子(alternating direction method of multipliers, ADMM)法来求解表征杂波的低秩矩阵及表征目标的稀疏成分, 提高了算法的精度与效率。从实验结果来看, 所提方法能够有效改善成像结果的信杂比, 且运算效率优于RPCA方法5倍以上, 表明该方法能精确划分目标与杂波, 有效实现杂波抑制。

基于目标阴影的跟踪技术是视频合成孔径雷达(video synthetic aperture radar, ViSAR)目标探测的重要手段, 但ViSAR数据存在目标特征不明显且随时间不规则变化、相干斑噪声干扰强等问题, 使得ViSAR目标阴影跟踪精度较低。为此, 提出了一种鲁棒的基于时间信息加权的ViSAR目标阴影跟踪算法。针对目标特征不明显且随时间不规则变化的问题, 将尺度自适应均值偏移(adaptive scale mean shift, ASMS)跟踪算法引入到ViSAR目标阴影跟踪中, 同时在ASMS算法的背景比例加权(background ratio weighted, BRW)技术中添加历史帧的特征, 并对尺度正则项进行时间信息加权修正, 来对目标特征进行整合。针对相干斑噪声干扰强的问题, 对ASMS算法加入局部中值滤波操作的预处理步骤, 在不增加计算量的同时平滑了噪声。在对两类ViSAR数据集上不同尺寸、不同运动状态的目标阴影的跟踪实验结果表明, 与现有高性能跟踪算法相比, 所提算法在保证了实时性的基础上提高了跟踪精度, 且不需要额外的训练样本, 具备较好的工程应用价值。

针对合成孔径雷达(synthetic aperture radar, SAR)图像中不同等级道路兼顾提取的问题, 提出了一种有效的、由粗渐精的层进式SAR道路多尺度提取方法。基于Duda检测算子, 通过对SAR图像中道路目标的多尺度提取和结果整合, 提升了对图像中不同等级道路的提取几率, 增加了对潜在道路片段的链接概率。在此基础上, 通过结合尺度滤波、形态滤波和片段链接的层进式设计, 实现了对SAR图像道路的有效提取。所提方法在实际的SAR图像上进行了试验, 获取了连续、完整的SAR道路提取结果, 验证了该方法的有效性。

针对雷达多目标检测问题中, 并存目标回波能量差异较大导致强目标掩盖弱目标的现象, 提出一种基于平行线坐标变换的峰值自寻检测前跟踪算法。通过对比积累后每个量测点所在参数单元内各时刻量测点能量最大值之和, 找到能量积累值可达最大的单元, 据此形成新的二值积累结果, 设置门限进行峰值提取、航迹回溯和航迹修正。仿真结果显示, 改进算法对多个目标具有较高的全局检测概率, 能够同时检测出不同回波能量的多个目标。

机载预警雷达固有的多普勒盲区(Doppler blind zone, DBZ)会造成目标航迹的中断, 而多目标杂波环境使航迹中断更为严重。在引入多普勒盲区信息的二维分配算法基础上, 提出了一种基于多维分配算法的多目标点迹-航迹关联方法。该方法充分利用目标航迹演变信息, 对雷达的连续多帧量测数据进行滑窗处理, 构建出多维分配的代价函数, 最后求得最小代价条件下函数的解, 该解即为目标点迹-航迹的分配结果。仿真结果表明, 在多目标杂波环境且存在多普勒盲区的条件下, 该方法的航迹中断率较二维分配算法有了进一步的降低。

针对单干扰机生成虚假运动目标干扰方法在对抗具有地面运动目标指示(ground moving target indication, GMTI)功能的合成孔径雷达(synthetic aperture radar, SAR)系统时的固有缺陷, 通常通过利用双干扰机协同干扰的思路来解决这一问题。然而, 目前公开文献关于利用双干扰机协同生成虚假运动目标的干扰方法，均需要提前侦察出SAR-GMTI系统的载机平台速度、干扰机到载机平台最近斜距以及两部干扰机自身位置等关键参数, 而获取这些参数通常需要复杂的侦察设备。针对这一难题, 提出了一种基于侦察干扰一体化的双干扰机系统对抗SAR-GMTI的干扰方法, 该方法利用干扰机和接收机布站以及接收机间的到达时差(time difference of arrival, TDOA)信息, 有效地解决需复杂设备侦察关键参数的难题, 简化了干扰系统的配置。研究表明，在考虑TDOA测量误差以及SAR-GMTI系统两天线间距误差的情况下, 所提方法能够在双通道SAR-GMTI系统中生成速度和方位向位置可控的虚假运动目标。理论分析和仿真实验结果验证了所提方法的可行性。

前视成像技术可用于高速运动平台相控阵雷达对正前方目标的检测和跟踪。为了解决波束内的目标分辨问题, 提出一种联合最小方差与最大似然谱估计的前视成像方法。首先, 进行波束扫描, 采用最小方差谱估计获得初始的距离—方位二维图像; 然后, 对幅度峰值过门限的区域进行搜索, 完成二次估计。仿真结果表明, 所提方法可在相关信号和低信噪比等条件下有效改善目标分辨能力。

针对现有算法不具备识别出未在训练过程中出现的新类别目标的能力问题，提出了针对逆合成孔径成像雷达(inverse synthetic aperture imaging radar，ISAR)隐身目标零样本学习识别方法。首先，基于飞行类动态目标三维网络化物理模型，使用FEKO电磁场仿真软件进行编程，实现ISAR可见的源目标图像数据生成；然后，在此基础上形成不同飞机类目标细节属性的文本语义特征表达。所提出的新类型算法网络模型采用两个变分自编码器，分别进行了图像和语义的特征生成，从而让网络学习到模态不变的特征表达。使用可见类别数据训练网络，并获得能够凭借语义信息生成图像特征的模型。训练识别采用该学习模型不可见的未知新类别目标, 从不可见未知的新类别文本语义生成不可见未知的新目标图像特征信息，支撑了不可见未知的新目标识别, 统计未知的新类别识别正确率为75%。

飞鸟和无人机目标的雷达回波存在高度相似性, 区分难度较大。因此, 对无人机、飞鸟以及动态降水杂波形成的目标航迹的时空间特征进行了研究, 分析了无人机和飞鸟在运动机理以及行为模式上的差异, 提出了一种基于目标航迹的运动特征提取方法，并构建了目标特征向量。基于探鸟雷达系统提供的目标实测航迹数据, 建立了训练和测试样本集, 采用监督类学习方法并结合随机森林模型实现了对无人机、飞鸟和降水杂波目标航迹的区分。实验结果表明，在广域范围内，无人机目标的正确识别率可达85%以上, 分类器模型的运算效率高, 样本适应性强, 具备较好的普适性和实用价值。

为解决航材消耗预测影响因素较多、时间相关性复杂、实际消耗样本少等问题, 鉴于现有方法难以捕捉小样本航材消耗数据在时间顺序上的逐步依赖关系, 提出了基于改进生成对抗网络生成模型和循环神经网络预测模型的航材消耗预测方法。该方法将自回归学习有监督训练与对抗学习无监督训练相结合, 进一步挖掘航材消耗数据的潜在静态分布和时态逐步依赖分布，从而生成更加接近真实数据的样本, 达到扩充样本量、提高航材消耗预测精度的目的。以某型国产民机部件消耗数据为案例, 利用降维可视化方法和预测分数评价模型的生成性能和预测精度。通过与其他方法对比, 所提方法预测值的平均绝对误差减少了3%, 验证了所提方法解决航材预测问题的有效性。

传统作战体系能力需求开发过程周期较长, 面对战场态势动态变化的快速响应能力较弱, 需求来源单一且缺少反馈调整机制。针对以上问题, 提出基于系统工程“V”模型和用户故事思想的作战体系能力需求敏捷开发方法, 重新设计作战体系能力需求开发框架, 构建基于用户故事的作战体系能力需求模型, 提出一套完整的作战体系能力需求开发流程, 并用“清扫雷场”作战任务示例演示了作战体系能力需求的开发过程。示例研究结果表明，所提方法为解决作战体系能力需求的双向来源矛盾问题提供了一种新的技术路径，能够有效提升作战体系能力需求开发的效率。

为确保低空空域内无人机的运行安全, 考虑多旋翼无人机的特点, 提出一种自由空域下多旋翼无人机安全间隔标定方法。首先, 以无人机机体圆柱的最小外接球作为无人机的碰撞盒, 利用无人机的位置信息、速度信息和位置误差信息, 基于三维高斯分布假设, 建立无人机空中碰撞概率模型; 然后, 根据自由空域的特点, 提出基于最大碰撞概率的无人机安全间隔标定方法。以经纬M600 Pro无人机为例, 将5%最大碰撞概率作为安全目标水平, 使用该方法得到的最小安全间隔分别为: 纵向间隔16 m, 横向间隔11 m, 垂直间隔6 m。据此, 可为多旋翼无人机安全间隔标准的制定提供理论依据。

针对发射平台抗毁伤能力评估研究中面临的各子系统相对重要度赋权问题, 提出了基于毁伤流信息传导的发射平台抗毁伤网络分析方法。以某型发射平台为研究对象, 通过构建其抗毁伤网络拓扑模型, 分析网络拓扑性质。针对发射平台功能运行特性, 提出了采用互信息模型对关键部件的权重进行计算的方法, 提出了节点连通度的发射平台抗毁伤能力表征方法。研究结果表明, 基于复杂网络的抗毁伤分析方法综合考虑了总体布置和结构功能关系, 使得评估结果更加系统、全面; 采用互信息模型能够客观地计算出关键节点在网络中的重要程度, 减小了主观赋权的影响; 采用节点连通度可以表征毁伤流信息在发射平台中传导的难易程度。该研究结果可为发射平台抗毁伤能力评估和优化研究提供参考。

如何利用以攻击型无人机(unmanned aerial vehicle, UAV)为代表的新型作战力量增强战斗力, 是智能化、无人化战争研究的重点之一。研究了基于多智能体博弈强化学习的无人机智能攻击关键技术, 基于马尔可夫随机博弈的基本概念, 建立了基于多智能体博弈强化学习的无人机智能攻击策略生成模型, 并利用博弈论中“颤抖的手完美”思想提出优化方法, 改进了策略模型。仿真实验表明, 优化后的算法在原算法基础上有所提升, 训练得到的模型可生成多种实时攻击战术, 对智能化指挥控制具有较强的现实意义。

针对航母舰载机在保障作业调度过程中出现扰动事件, 并打破原调度方案执行计划的情况, 为及时获得新的优化调度方案, 设计了舰载机动态调度优化算法。在禁忌搜索算法框架下, 采用基于工序的调度排班方式作为优化邻域结构, 并以部分映射交叉与普通映射交叉混合的交叉方式作为编码交叉策略, 以双重禁忌方式作为禁忌表内容, 最终实现实时调度。算法可针对调度过程中舰载机添加、舰载机故障、保障组添加、保障组故障以及某保障工序的完成时间提前或推迟等多种突发扰动事件, 在原调度方案基础上, 对调度方案进行快速、有效的更新。基于对静态甲板保障调度数学模型求解得到静态的调度优化方案, 采用扰动事件模拟方法, 利用动态调度策略获取重调度方案, 验证了所提算法的有效性与可行性。

针对作战任务-系统功能映射问题, 建立了作战任务与系统功能的模型。基于任务/能力可以分解的特点，将映射问题转化为智能规划问题, 并利用层次任务网络(hierarchical task network, HTN)方法对该问题进行求解。针对HTN规划器无法处理多属性输入的问题, 基于递归的思想设计了任务分解算法, 使得分解后任务转化的规划问题适配HTN规划器。针对多个映射方案的整合问题, 基于邻接矩阵设计了多方案的整合算法, 从而得到了满足任务需求的系统功能映射方案。仿真实验结果表明, 所提方法能够有效实现作战任务到系统功能的映射。

针对舰载机机群着舰回收排序调度问题，首先对航母甲板环境以及舰载机的返航回收进场模式进行了分析, 建立了基于加权等待时间的回收排序评价指标模型, 并根据舰载机回收着舰排序调度问题中的各种约束, 建立了考虑空中加油条件的舰载机回收排序调度问题模型。然后, 根据所建立的回收调度排序模型以及超启发式算法的思想, 设计了一种带强制着舰规则的遗传规划(genetic programming with mandatory landing rules, MGP)算法, 用于对着舰回收排序调度问题进行求解。进一步, 借助仿真算例验证了所建回收排序调度模型和MGP算法的有效性, 并通过与遗传算法、纯启发式算法以及普通的遗传规划算法进行对比, 验证了MGP算法的优势。最后, 基于算例仿真结果, 分析了逃逸复飞对着舰回收方案的影响。

针对传统的仅依赖点特征的视觉里程计鲁棒性较差的问题，提出了一种结合点特征、线特征以及结构特征的视觉-惯性里程计。结构特征是一个满足曼哈顿世界假设的正交基, 可用于描述结构物体包含的平行与正交信息。结构特征的引入为视觉惯性里程计提供了一个全局的约束, 可有效减少旋转误差的累计。与此同时, 为了保证引入结构特征后系统的实时性, 基于线特征匹配关系以及重力方向, 提出了一种鲁棒且高效的结构特征提取算法。实验结果表明, 相比现有的开源系统, 所提出的系统在保证实时性的同时, 有效减少了旋转累计误差。

航天伺服机构设计对于航天器的控制而言具有重要作用, 其控制算法的研究与仿真模拟平台的搭建具有重要的实用价值。针对航天伺服机构的机械、电、液压等环节完成仿真建模, 完成了伺服机构的整体模型建立。在ADAMS中进行了伺服机构的机械结构搭建, 使用AMESim完成了液压模块的搭建, 并采用H_∞理论设计了鲁棒控制器, 利用Matlab工具箱完成了控制器的构建。结合ADAMS、AMESim的动力学模型, 联合Matlab控制器模型, 实现了各部分模块的联合仿真。通过联合仿真技术完成了对实物系统更加真实的模拟, 并且更直观地展现了实验结果, 对于实际航天伺服机构系统的设计和搭建而言具有重要的指导意义。

为提升多参数不确定性条件下鲁棒轨迹优化求解技术的通用性和效率, 设计了一种基于随机响应面法与混沌多项式的鲁棒轨迹优化方法。首先, 将非嵌入式混沌多项式与随机响应面法相结合, 引入拉丁超立方采样策略, 构建了具有普适性的多维不确定性量化传播模型, 在实现不确定随机问题有效转化的同时, 保证了问题转化的精度和计算效率; 随后, 将该模型与凸优化方法相结合, 设计了一种基于序列凸优化算法的确定性轨迹优化求解策略, 以实现对该高维确定性优化问题的快速求解; 最终, 以考虑初始状态和过程参数等多参数不确定性的高超声速滑翔轨迹优化问题为例进行了仿真, 并与现有方法进行了对比分析。结果表明, 与传统确定性轨迹优化算法相比, 所提方法可获得兼具可靠性和鲁棒性的高超声速滑翔优化轨迹; 与现有典型鲁棒轨迹优化方法相比, 所提方法具有相当的精度和显著的计算效率优势, 且在不确定性维数增多的情况下, 仍能保证鲁棒轨迹优化生成的高效性和可靠性。

针对无人直升机(unmanned autonomous helicopter, UAH)航迹规划中传统狼群算法(wolf pack algorithm, WPA)收敛速度慢和易陷入局部最优的问题, 提出了一种基于改进WPA的UAH三维航迹规划算法。首先, 对UAH飞行三维环境、约束条件及适应度函数进行数学建模; 然后，通过自适应步长的方式对传统WPA中游走、召唤及围攻3种主要行为的步长进行改进。同时, 采用莱维飞行与变方向游走相结合的策略调整游走行为中的搜索方向及范围, 从而提高算法的全局寻优能力和收敛速度；最后，给出了改进WPA在三维环境下航迹规划的仿真结果。仿真结果表明, 改进WPA收敛速度更快, 规划出的航迹质量更优, 验证了该算法在UAH航迹规划中的有效性。

针对中远程反无人机(unmanned aerial vehicle, UAV)集群的制导问题, 提出了一种子母导弹拦截UAV集群的作战构想与制导策略。首先, 综合考虑UAV目标的位置分布与威胁程度, 提出了集群威胁“重心”的选取方法, 将集群目标转化为空间中的一个点目标; 然后, 分析了子拦截弹对UAV目标的零控拦截条件与捕获区, 得到子拦截弹对目标的可拦截性约束条件, 另外结合母舱探测视场角约束、母舱探测距离约束、母舱制导约束, 提出了子拦截弹“释放点”的选取方法, 为母舱制导提供了目标点; 最后, 对集群威胁“重心”与子拦截弹“释放点”的计算模型进行了仿真, 证明了所提制导策略的有效性。所提出的制导策略, 为解决子母导弹拦截UAV集群的制导问题提供了参考。

为解决半球谐振陀螺(hemispherical resonator gyro, HRG)实时输出预测问题, 提高陀螺输出预测精度, 提出了一种基于互补集合经验模态分解的时间序列反向传播(back propagation, BP)神经网络输出预测方法。该方法通过对陀螺输出数据使用互补集合经验模态分解, 对分解得到的信号分量进行平稳性检验, 根据检验结果选择时间序列分析和BP神经网络建模预测, 将预测信号重构得到最终预测信号。所提方法克服了HRG输出非线性和非平稳性较强的特点与传统时间序列分析建模要求的矛盾。进行了该方法与单独使用时间序列分析、BP神经网络建模预测方法的对比, 所提方法的预测精度提高了1~2个数量级, 验证了该方法的有效性和精度。

惯导姿态、速度状态量同时纳入一个群中, 且按照误差的两种定义可构成李群左误差模型和右误差模型。针对基于欧拉角的两种李群误差模型进行了比较研究, 分析了两种李群误差模型的差异。针对捷联惯性导航系统(strapdown inertial navigation system, SINS)/全球定位系统(global position system, GPS)和SINS/多普勒计程仪(Doppler velocity log, DVL)两种典型组合导航系统应用, 提出合适的误差模型选择方案。车载和船载实验结果表明, 两种李群误差模型分别更适用于SINS/GPS和SINS/DVL组合导航系统, 尤其是在大失准角条件下效果更为显著, 两种李群误差模型具有更好的定位精度、收敛速度和稳定性。

针对异构无人集群在目标机动形式未知情形下的分组跟踪-合围控制问题, 基于输出调节策略提出一种分布式分层协同控制框架。系统中各类智能体的模型均为异构的, 领导者以期望输出队形跟踪目标输出的同时, 驱动跟随者的输出收敛至多领导者的凸包内部。基于观测器理论、一致性理论和自适应控制理论, 设计了含时变耦合权值的分布式跟踪-合围控制协议, 克服了控制输入对全局信息的依赖, 并实现对目标未知控制输入的有效抑制。进一步分析得到期望输出编队的可行性条件, 并利用Lyapunov理论证明了闭环系统的稳定性。最后, 通过仿真实例验证了提出的控制策略能够实现无人机-无人车异构分组编队对目标的跟踪-合围。

作为适用于5G/B5G场景的多载波调制方案之一, 广义频分复用(generalized frequency division multiplexing, GFDM)波形具有灵活的时频资源分布。为了进一步降低GFDM系统的带外功率泄露, 提出了一种基于多参数可变的GFDM原型滤波器, 通过多参数的灵活配置实现了更好的带外功率抑制能力, 以及带外功率抑制效能的精确控制, 同时推导了带有多参数可变滤波器的GFDM系统在频率选择性衰落信道下的理论误码率(bit error rate, BER)表达式。此外, 为了进一步提升GFDM系统在复杂信道场景下的BER性能, 提出了适用于多参数GFDM波形的消息传递(message passing, MP)接收机, 根据等效信道矩阵给出了MP接收算法的数学模型。仿真结果表明, MP接收机可有效提升GFDM波形在复杂信道下的BER性能, 同时基于多参数可变滤波器的GFDM系统在有效抑制带外功率的同时, 与传统升余弦(raised cosine, RC)滤波器相比, 在应用MP接收机时仅有很小的BER性能损失。

现有非删余极化码参数识别算法默认冻结比特取值均为0, 不具备判断冻结比特取值的能力。针对该问题, 推导了码字矩阵与生成矩阵列向量之间存在的校验关系, 将比特位类型识别、冻结比特取值的判断转化为该校验关系的检验。在此基础上, 引入平均似然差作为统计量, 给出了统计量的理论分布及判决门限, 并利用判决结果中信息比特位占比随遍历码长变化的规律, 完成码率、码长等参数的识别。仿真实验表明, 相关性质的推导与实际情况一致, 所提算法在保持同一计算复杂度水平且不降低识别性能的基础上, 克服了现有方法无法识别冻结比特取值的不足。在信噪比为5.5 dB时, 对于码长为512的极化码, 算法识别率仍接近100%。

针对不同源信号存在能量差异时的单通道盲源分离(single-channel blind source separation, SCBSS)问题, 提出一种面向能量差异混合信号的单通道盲源分离算法。首先, 针对能量差异信号的分解问题, 提出一种改进的变分模态分解算法, 设置谱相关系数和中心频率的双重门限, 明确该模态分量的来源, 对来自同一源信号的模态分量进行合并得到源信号对应的分量；然后, 将得到的信号分量与混合信号共同构成多通道信号; 最后利用多通道盲分离算法对源信号进行分离。仿真结果表明, 当信噪比满足一定条件时, 该算法能够有效地从频谱混叠的混合信号中分离出存在能量差异的多路源信号。

无人机(unmanned aerial vehicle, UAV)集群通信电磁环境复杂, 存在用户干扰、多径衰落与频移等现象, 传统加性高斯白噪声信道下的波形识别算法在此场景下性能大幅降低。针对此问题, 提出了一种复杂多径环境下的UAV集群通信波形识别算法。首先, 建立Alpha脉冲干扰下的UAV集群通信多径衰落信道模型; 然后, 针对集群用户间存在Alpha脉冲干扰的问题, 提取信号广义循环均值和广义循环谱特征, 建立复杂多径环境下的UAV集群通信波形特征矩阵; 最后, 建立稀疏自编码器深度神经网络UAV集群通信波形识别模型。仿真结果表明: 提出的算法在Alpha脉冲干扰、多径衰落与频移存在的复杂环境下具有较强的鲁棒性, 实现了7种UAV集群通信波形的识别, 且在信噪比为-10 dB时仍能保证80%以上的识别准确率。

为解决轻量化模型下调制信号开集识别准确率不高的问题, 设计了一种数据重建和极值理论生成对抗网络模型, 包含一对相互对抗的网络: 重建网络和判别网络。首先, 重建网络利用自编码器对信号进行压缩重建, 将高维度数据压缩为低维表达。然后, 判别网络对压缩后的数据进行特征提取并建立各类数据的激活矢量集用以拟合极值分布。最后, 通过极值理论求出已知和未知调制方式信号的概率。仿真实验表明, 该模型显著降低了算法复杂度, 不仅能对已知调制方式的信号进行充分学习和表达, 还能干扰未知调制方式的信号, 在信噪比大于0 dB时, 针对8种已知调制方式和2种未知调制方式信号的识别准确率均达到93%。

新一代相控阵雷达针对T/R组件部署了大量传感器, 为数据驱动的组件故障诊断提供了良好基础。然而, 实际监测数据大多没有表征其故障模式的标签。结合深度置信网络(deep belief network, DBN)在特征自学习方面的优势和自编码器(auto-encoder, AE)重构输入数据的能力, 提出一种基于DBN-AE半监督学习模型的故障特征提取及智能诊断方法, 并应用烟花算法优化模型结构。该方法利用原始无标签状态数据训练DBN-AE模型, 提取深层特征, 再通过有监督再训练建立深层特征与故障模式之间的关系模型。所提方法在某型相控阵雷达T/R模块上得到了实验验证, 有效提升了故障识别准确率和智能水准。

滚动轴承退化趋势预测中, 传统特征选择主要依赖人工经验和单一评价算法, 容易造成特征的少选或错选, 且单一深度学习网络无法充分挖掘数据中包含的性能退化信息, 导致模型预测精度较低。针对上述问题, 提出一种基于自适应马氏空间(adaptive Mahalanobis space, AMS)与融合深度学习网络的滚动轴承退化趋势预测方法。首先, 分解原始信号并利用相关峭度系数准则筛选固有模态函数(intrinsic mode function, IMF)分量重构新信号, 从多域视角提取特征; 然后, 构建基于AMS的多目标特征选择算法自动优选特征, 减少人工依赖, 加强自适应性和泛化性, 并将马氏距离(Mahalanobis distance, MD)与指数加权移动平均(exponential weighted moving average, EWMA)方法进行结合，对轴承性能退化趋势进行良好表征；最后, 利用稀疏自动编码器和门控循环单元(sparse auto encoder-gated recurrent unit, SAE-GRU)融合模型进行预测。实验结果表明, 所提方法能够有效筛选最优特征, 显著提高预测精度。

由于航空运行环境复杂, 仅考虑多应力单独作用的试验方法忽略了应力间的相互影响, 难以准确获取国产航空电子零部件的寿命指标, 使得理论结果寿命偏差较大。对此, 提出一种考虑广义耦合的多应力加速寿命评估方法。首先, 建立考虑实际工程条件下基于失效机理模糊映射关系的多应力广义耦合加速模型, 并引入模糊相关性选择最佳耦合项。然后, 构建不同试验类型的多应力广义耦合极大似然估计方法, 采用自适应正弦余弦算法解决多参数求解困难的问题。最后, 以某机载电子设备低噪声放大模块为对象进行三应力加速试验, 实现寿命评估。结果表明, 考虑广义耦合更贴近实际工作环境, 与传统数值计算方法相比, 误差控制在5%以内, 证明了所提方法的快速收敛性和准确性。