针对文献报道的鲁棒自适应波束形成(robust adaptive beamforming, RAB)算法, 分析了在存在相干干扰时其性能严重下降甚至失效的原因: 通过将接收信号协方差矩阵分解为阵列流形矩阵左和共轭右乘一个矩阵P的描述形式, 在存在相干干扰时, P为非对角阵, 其非对角元素表征了信号与干扰间的互相关, 该成分造成了RAB算法的失效; 另表明: 快拍数有限可视为特殊的相干干扰情况。为此, 提出了一种构建P为对角阵的协方差矩阵拟合方法; 并据拟合的协方差矩阵, 给出了对非平滑相干干扰RAB方法。仿真验证了分析的有效性, 所提方法在相干干扰时仍能实现非相干干扰时的性能, 且收敛速度优于报道方法。

稀疏阵列布阵灵活, 增大阵列孔径的同时还能减少阵元间耦合, 但基于稀疏阵列的传统波达方向估计会导致角度模糊混叠, 带来估计精度差和稳健性不足的问题。针对以上问题, 提出一种适用于稀疏阵列波达方向估计的加权截断奇异值投影(weighted truncated singular value projection, WT-SVP)的鲁棒矩阵填充算法。在填充迭代过程中根据奇异值的大小分配权重, 突出大奇异值包含的阵列信息, 减少小奇异值中不必要的噪声信息, 从而优化传统奇异值投影算法。该算法可以实现稀疏阵列的孔洞信息恢复, 对不连续阵元充分利用, 同时WT-SVP填充算法实现了稀疏阵列波达方向估计的高精度、高分辨以及在低信噪比、低快拍时的高鲁棒性。

气压高度计可以获得精确高程数据，且不受外界电磁干扰，利用气压高度计辅助全球导航卫星系统(global navigation satellite system, GNSS)进行欺骗检测具有显著优势。为了评估气压高度计在GNSS欺骗检测中的能力并提高检测概率，首先对系统误差进行建模分析，并利用差分整合移动平均自回归(autoregressive integrated moving average, ARIMA)模型对气压高度计和GNSS测量结果进行处理。同时，通过计算欧氏距离构建数据空间，提出一种基于移动方差的自适应门限检测方法。试验结果表明，在虚警率为10^-6的情况下，检测率达到了92%，所提方法能够在高程信息上有效监测潜在的欺骗威胁，增强了GNSS系统的可靠性。

在极化合成孔径雷达(synthetic aperture radar, SAR)图像降噪领域, 常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量, 忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量, 提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性, 从而得到更合适的像素权重。此外, 本方法还引进变异系数对邻域窗口的权重进行评估, 通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明, 所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。

针对低脉冲重复频率条件下的无人机微动特征提取问题, 提出一种基于原子放缩正交匹配追踪(orthogonal matching pursuit, OMP)分解的微动参数估计方法。首先, 通过计算时频谱熵从无人机回波数据中筛选出具有显著微动特征的信号。其次, 采用变分模态分解(variational modal decomposition, VMD)算法提取旋翼叶片的旋转频率, 提出了基于原子放缩的OMP分解方法实现了对无人机旋翼叶片长度的估计。仿真实验表明所提方法相比于传统的OMP方法和VMD-OMP方法都具有明显优势。最后, 采用实测数据验证了所提算法的有效性。

针对侧扫声纳水下目标图像稀缺，获取难度大、成本高，导致基于深度学习的目标检测模型性能差的问题，结合光学域类目标数据集丰富的现状，提出一种基于通道和空间注意力(channel and spatial attention, CSA)模块、最小二乘生成对抗生成网络(least squares generative adversarial networks, LSGAN)及循环对抗生成网络(cycle generative adversarial networks, CycleGAN)的侧扫声纳水下目标图像样本扩增方法。首先，受CycleGAN的启发，设计基于循环一致性的单循环网络结构，保证模型的训练效率。然后，在生成器中融合CSA模块，减少信息弥散的同时增强跨纬度交互。最后，设计了基于LSGAN的损失函数，提高生成图像质量的同时提高训练稳定性。在船舶光学域数据集与侧扫声纳沉船数据集上进行实验，所提方法实现了光学-侧扫声纳样本间信息的高效、稳健转换以及大量侧扫声纳目标样本的扩增。同时，基于本文生成样本训练后的检测模型进行了水下目标检测，结果表明，使用本文样本扩增数据训练后的模型在少样本沉船目标检测的平均准确率达到了84.71%，证明了所提方法实现了零样本和小样本水下强代表性目标样本的高质量扩增，并为高性能水下目标检测模型构建提供了一种新的途径。

针对经典的旋转电场矢量法仅适用于校准小规模相控阵天线的不足，提出了一种适用于校准大规模相控阵天线的改进旋转电场矢量法。该方法选取单个阵元作参考通道并依次选取其他阵元作测试通道。通过测量这两种通道的合成电场幅度完成相控阵天线的幅度与相位校准。实测结果表明，该方法得到的校准数据具有较高的精度，可用于补偿大规模相控阵天线且能获得优良的远场方向图。

大掠射角下，对海雷达导引头观测到的海杂波强度激增, 舰船目标检测困难。本文结合全极化雷达导引头挂飞实测数据, 分析了回波幅度和相位特性。首先, 采用典型分布对回波幅度分布进行拟合, 并利用拟合优度对拟合效果作出评估; 然后, 分析了平均相位变化量。结果表明: 在大掠射角条件下, 雷达导引头各极化通道海杂波幅度服从K分布; 海杂波与舰船回波幅度在同极化通道服从K分布, 在交叉极化通道服从对数正态分布; 交叉极化通道回波信杂比高于同极化通道; 海杂波与舰船回波相位平均变化量小于海杂波。

脉内频率捷变雷达通过自身“主动”抗干扰特性, 利用传统间歇采样转发干扰的不连续性和周期性的特点, 结合抗干扰算法, 可以有效抑制间歇采样转发干扰。为提高干扰机对脉内频率捷变雷达的干扰效能, 本文提出采用非均匀间歇采样转发干扰对脉内频率捷变雷达进行干扰, 首先对截获到的脉内频率捷变雷达信号通过时频脊线提取与小波变换进行参数估计, 获取子脉冲宽度, 然后根据子脉冲宽度约束干扰参数, 构造非均匀间歇采样转发干扰。理论分析和结果表明, 通过非均匀间歇采样转发使得脉内频率捷变雷达在时频域等多域难以抑制干扰, 极大地提升了干扰机的干扰能力。

弹道中段目标为一个目标群, 包括弹头、诱饵、碎片等, 并且由于距离传感器较远, 红外成像为点目标, 可用信息较少, 因此单一的红外传感器往往难以满足识别要求, 需要融合多个传感器进行识别。针对红外多传感器的融合识别问题, 本文提出了基于增量支持向量机和D-S (increment support vector machine-Dempster-Shafer, ISVM-DS)证据理论的融合识别方法。首先, 训练多个波段传感器红外特征的支持向量数据描述(support vector data description, SVDD)模型, 生成壳向量并训练其ISVM模型; 接着, 采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment, BPA); 最后, 利用D-S证据理论对多个证据的BPA进行融合, 输出分类结果。实验结果表明, 该方法能有效提高目标识别的准确性。

在无人艇利用导航雷达进行环境感知的过程中, 针对雷达回波图中出现的区域破碎现象以及对运动目标进行跟踪时存在较大误差的问题, 提出了一种应用于导航雷达的目标检测跟踪方法提高无人艇对水面目标的检测能力。首先, 对雷达原始回波图像解析并进行预处理操作; 其次, 在图像连通的基础上, 设计自适应阈值分割Hausdorff匹配算法对回波图和地图进行匹配, 区分属于目标和陆地的回波; 然后, 对连续两帧的雷达回波图进行目标匹配; 最后, 通过加入预测序列模型的经验模态分解算法优化检测跟踪结果, 提高获取目标信息的准确性。实验验证结果表明: 对1 km内相对运动速度低于30节的水面目标, 所提方法目标检测概率提升了6.5%, 距离误差低于2%, 航速误差低于6%, 航向误差低于6°, 整体性能优于工程中常用的检测跟踪方法。

分布式相参雷达(distributed coherent aperture radar, DCAR)所发射信号仅能在感兴趣点处完全相参叠加，在一定发射相参效率约束下，因相参位置失配会出现能量弥散现象。对此，定义“相参景深”用以描述该能量弥散现象，并给出相参景深形成原因，指出其有界性和周期性特征，分析其影响因素，以具象化和定量化的方式揭示发射相参效率空间分布规律，可有效支撑DCAR发射信号参数和阵列构型选择等工程实践。最后，以多节点单元雷达的DCAR设计仿真实验，证明了所提方法的有效性。

间歇采样转发干扰凭借快速准确的采样和转发手段, 利用脉压雷达的匹配滤波特性形成假目标群, 严重影响目标检测和跟踪性能。针对这一问题, 结合波形设计和滤波思想, 设计一种脉内频率-时延捷变波形, 并在此基础上提出一种基于时频分析的抗间歇采样转发干扰方法。首先, 将线性调频信号划分为多个子脉冲, 并在子脉冲之间增加随机时延。然后, 提取未被干扰的子脉冲进行目标位置的准确判断, 结合子脉冲的频率和随机时延等先验信息, 利用迭代阈值分割算法去除强干扰信号。最后, 通过构造时频域和时域带通滤波器分别进行子脉冲滤波和时域滤波处理。仿真实验结果表明, 所提方法在不同干信比、信噪比和非同步采样情况下具有较好的抗间歇采样转发干扰性能。

针对数据不平衡情况下的降水粒子分类问题, 提出了一种基于纠错输出码(error correcting output code, ECOC)平衡随机森林的双偏振气象雷达降水粒子分类方法。首先, 将多类别降水粒子数据集编码为多个二分类数据集; 然后, 对二分类数据集进行有放回的平衡重采样, 构建多棵分类回归树; 最后, 利用所有的分类回归树联合进行降水粒子分类。对实测数据的处理结果表明, 所提方法能够在保证总体准确率较高的情况下, 大幅提高少数类的分类效果。

针对核事故现场的物理屏蔽严重、应急处置作业条件复杂、作业对象不明确等特点, 研究并设计了一款基于动态自组网的机器人遥操作系统。在自组织网络实时Mesh保持良好通讯的情况下, 利用叠加在真实回传视频中的虚拟模型, 提出一种基于空间梯度的人工势场力觉引导算法。操作者可通过观察视觉交互系统中模型的变化和感受施加在自研主手的引导力, 提高时延条件下的操作效率和临场感。实验表明, 核辐射条件下遥操作系统130 m的通讯时延在30 ms以下, 可满足视频传输的带宽要求。力觉引导下的物体避障抓取实验验证了算法的可行性和遥操作系统的工程实用性。因此, 本文设计的基于动态自组网的机器人遥操作系统, 可使操作者以更加直观自然的方式参与到遥操作系统中, 有效提高操作员完成复杂遥操作任务的安全性和操作性能。

针对传统卫星温度预测方法在预测精度和鲁棒性方面表现不佳，难以满足高维度耦合数据预测需求的问题，提出一种针对卫星温度遥测数据的多元时序数据预测模型——改进的时间序列处理模块(advanced time series processing module, ATSPM)-Net。首先，构建了包含一维卷积和门控循环单元(gated recurrent unit, GRU)的ATSPM，以对高度耦合的遥测数据中的时间依赖关系进行多尺度提取。接着，设计了多元时序数据预测模型ATSPM-Net。通过堆叠ATSPM，ATSPM-Net确保模型的灵活感受野，从而实现高准确率和鲁棒性的遥测数据预测。最后，在5个数据集上进行的数值实验结果表明，相较于其他类型的时序数据预测模型，ATSPM-Net在参数量较少的情况下能展现出更优异的温度预测性能。

随着深度学习和强化学习而来的人工智能新浪潮, 为智能体从感知输入到行动决策输出提供了“端到端”解决方案。多智能体学习是研究智能博弈对抗的前沿课题, 面临着对抗性环境、非平稳对手、不完全信息和不确定行动等诸多难题与挑战。本文从博弈论视角入手, 首先给出了多智能体学习系统组成，进行了多智能体学习概述, 简要介绍了各类多智能体学习研究方法。其次, 围绕多智能体博弈学习框架, 介绍了多智能体博弈基础模型及元博弈模型, 均衡解概念和博弈动力学, 学习目标多样、环境(对手)非平稳、均衡难解且易变等挑战。再次, 全面梳理了多智能体博弈策略学习方法, 离线博弈策略学习方法, 在线博弈策略学习方法。最后，从智能体认知行为建模与协同、通用博弈策略学习方法和分布式博弈策略学习框架共3个方面探讨了多智能体学习的前沿研究方向。

基于多机器人系统的区域覆盖中的区域划分问题, 分析现有区域覆盖任务发现, 在任务区域中存在危险区域或优先级更高的特殊区域。针对特殊区域需要分配给最少的机器人的情况, 设计了一种基于Morse分解的离散区域划分方法。该方法用放射状Morse分解来定义离散任务区域的空间结构, 并提出一种改进回溯法来确定最优分割线, 以避免分割特殊区域并保持多机器人工作量均衡。仿真给出了在特殊区域分布不同、机器人数量不同的场景下的区域划分结果, 并与两种现有算法进行了比较。结果表明, 所提方法能够生成稳定的解, 有效减少特殊区域的分割, 合理分配多机器人的工作量。

民机数量是反映民航运输能力的重要标志, 而对民机数量进行预测, 能够研究分析未来民航业的发展趋势。本文重点研究了民机需求预测的模型架构和实施方法, 首先以2013年到2020年民机数量和其他关键因素作为原始样本, 然后把2021年的数据作为检验样本, 最后通过构建灰色-神经网络组合预测模型对未来的民机需求进行预测。从预测结果来看, 灰色模型GM(1, 1)与反向传播(back propagation, BP)神经网络模型结合效果较好, 组合模型预测精度高, 充分证明了该模型的有效性和可行性, 同时预测结果对分析未来航空运输情况也具有一定的参考意义。

针对云模型在评估方法使用过程容易出现雾化特性差、评估结果不能直接使用的问题, 提出一种改进的高斯云模型。该模型针对相同指标的专家评估结果, 利用相似关系矩阵对专家进行聚类并赋权, 求解每类专家的评估高斯云模型, 并将其与权重结合形成该评估指标的评估云模型; 综合所有指标的评估云模型形成综合评估云; 将综合评估云与云标尺进行比对得出评估结果。运用该方法对装备保障体系能力进行评估, 并与传统云模型所得评估结果进行对比, 证明了改进高斯云模型的可行性和有效性, 为其在评估方法中的运用提供参考。

新一代信息技术的高速发展为制造业的转型与发展提供了机遇, 同时也推动了制造质量管理方式的重大变革。本文结合制造业发展实际情况, 概述了质量4.0的基本理论及关键技术, 并进一步探讨了质量4.0的实施与落地应用。具体而言, 将印制电路板(printed circuit board, PCB)缺陷检测作为研究案例, 设计了基于质量4.0的PCB智能缺陷检测方案, 并提出了缺陷检测的5个关键评价标准; 提出的检测方案可有效帮助PCB制造企业过滤缺陷假点、控制产品良率、获取缺陷解决建议, 并为员工掌握专业检测技能提供学习和培训平台。本文旨在研究质量4.0环境下的智能缺陷检测及其PCB中的应用, 以推动制造业质量管理数字化和智能化转型。

出动离场是舰载机作战效能发挥的基础环节, 本文研究其出动作业优化调度, 将作业过程抽象为柔性车间调度问题, 考虑优先序、资源及空间约束建立了混合整数规划模型, 提出了一种基于种群进化搜索与邻域改进能力的混合遗传-模拟退火算法, 并给出了作业扰动时的重调度策略, 通过引入任务表的生成构建了实际作业调度仿真架构。该架构融合了问题输入、动态扰动与算法, 实用推广性强。仿真结果表明, 所提算法收敛性快、解的准确性好、效率高, 可有效解决任务表驱动下的出动调度问题; 灵敏度分析发现, 保障点-军械加工对全局调度影响最为显著。

为解决海量数据情况下学习贝叶斯网络(Bayesian network, BN)结构的算法性能急剧降低问题, 基于Spark框架设计了一种全流程并行遗传算法用于BN结构学习(简称为SparkGA-BN)。SparkGA-BN包含互信息计算并行化、遗传算子并行化和适应度评分并行化3个部分。互信息并行计算可以高效减少搜索空间; 在演化前增加对种群信息与选择信息的广播来对全种群执行选择操作。选择与交叉算子共用选择信息以并行执行, 从而高效演化并减少数据落盘时间。对约束和评分两阶段产生的中间数据作记忆化存储, 提升数据复用率和全局执行效率。实验结果表明, 所提算法在执行效率和学习准确率方面均优于对比算法。

本文提出一种基于模型的通信中继无人机运动控制方法, 旨在提高地面车辆编队的网络连通性和通信性能。通过联合考虑未知多用户移动性、环境对信道特性的影响以及接收信号的不可用到达角信息来解决中继无人机运动控制问题。该方法主要由两部分构成: ①利用图论中的最小生成树构建网络连接性并定义通信性能指标, 该网络连接性同时考虑了地面节点与无人机的通信链路及地面节点与地面节点的通信链路; ②针对移动节点的通信中继, 提出一种改进粒子群优化(particle swarm optimization, PSO)和非线性模型预测控制(nonlinear model predictive control, NMPC)相结合的中继无人机运动控制策略, 其中移动节点的未来位置由卡尔曼滤波器进行预测。在单一环境和复杂环境下的仿真结果表明, 所提出的运动控制方法可以驱使无人机到达或跟踪最优中继位置的运动并提高网络性能, 同时论证了考虑环境对信道的影响是有益的。

在目标-攻击弹-防御弹群(target-attacker-defenders, TADs)系统中, 防御弹群通过与目标(载机)异构协同、弹群间同构协同以保护载机并降低单弹脱靶的风险。针对TADs系统在二维平面下的协同主动防御模型进行了研究, 采用机/弹协同和防御弹群协同的两层制导策略。在机弹协同方面, 防御弹领弹与载机进行异构协同, 考虑载机及防御弹领弹的机动能力限制, 采用协同视线制导律(cooperative line of sight guidance, CLOSG)分别得到载机和防御弹领弹的制导指令; 在防御弹群协同方面, 考虑单弹计算能力约束, 拦截时间约束和加速度约束, 设计出基于分布式模型预测控制(distributed model predictive control, DMPC)的算法实现弹群从弹和防御弹领弹协同同时抵达并拦截攻击弹。仿真结果表明, 多防御弹协同一致拦截制导算法能够实现TADs系统中载机和防御弹群的异构协同主动防御, 并实现防御弹群的一致性同时拦截, 以降低单弹脱靶的风险。

为大幅度提高导弹的超大角度机动能力, 提出一种新型迅捷弹箭多源力组合控制方法。首先通过在传统直接力/气动力复合控制敏捷导弹尾部加装一类柔性可控伞, 设计一种新型弹箭构型, 然后基于合理假设将柔性可控伞简化为作用在敏捷导弹尾部的可控柔性力, 并给出可控柔性力大小、方向、驱动机构动态响应特性的量化描述方法, 进而建立铅垂平面内引入可控柔性力的动力学模型, 最后针对强耦合、强不确定性、快时变性、强非线性的多输入多输出系统, 设计柔性力/直接力/气动力复合控制律, 实现了新型弹箭的迅捷转向。通过仿真验证了所提方法的合理性和有效性, 并与传统敏捷导弹进行仿真对比, 验证了所提方法有利于提高超大角度机动能力。

针对舰载机在甲板狭小、复杂环境下的调运过程, 结合闭环快速随机搜索树(close loop rapidly exploring random trees, CL-RRT)和模型预测控制(model predictive control, MPC)提出一种舰载机牵引系统的路径规划算法。首先, 在CL-RRT中采用纯追踪器与线性二次型(linear quadratic, LQ)控制器得到系统的控制输入并向前仿真得到规划路径。其次, 将已得路径进行等比缩放与插值作为MPC的初始解。最后, 设置MPC的目标函数等并解得最终路径。展开自定义三个场景下的仿真实验, 通过与CL-RRT算法的实验结果进行比较, 验证本文算法的优越性。实验结果表明, 所提算法可有效解决因采样随机性带来解质量不佳的问题, 提升舰载机在甲板上的调运效率与安全性。

针对无人机(unmanned aerial vehicle, UAV)三维航迹规划问题, 提出一种增强型多策略蜣螂算法的UAV航迹规划方法。首先, 将飞行接近率和响应时间的动态约束添加到威胁成本代价中, 并考虑UAV转弯性能的影响, 建立三维任务空间模型与航迹代价函数。其次, 在蜣螂算法中引入偏移估计策略、变螺旋搜索策略、准反向学习策略和逐维变异策略, 提高算法的全局寻优能力和收敛速度。最后, 给出了改进算法在三维环境下航迹规划的仿真结果。结果表明: 综合考虑UAV机动性能和转弯性能, 规划出的路径可以更加安全有效地避开危险源。相比其他算法, 改进算法的寻优能力更好, 规划的航迹质量更优。

航迹规划是无人机(unmanned aerial vehicle, UAV)任务规划系统的核心部分之一, 其主要任务是结合战场环境等约束条件, 寻找一条安全系数高、满足任务需求且飞行代价小的UAV最优飞行航迹。基于现有蚁群优化(ant colony optimization, ACO)算法, 在其并行能力基础上提出一种多精度规划窗口方法。该方法在初始航迹基础上, 进一步针对局部飞行环境特点, 自动配置局部规划窗口、规划精度和规划参数, 并行地开展多精度窗口航迹调整, 可在较短时间内优化出一条适应战场环境的飞行航迹。仿真分析表明, 不同战场环境下所需的算法参数配置、规划精度各有不同, 通过多精度规划窗口的优化与调整, 最终飞行航迹可适应不同战场环境, 且具备较好的规划效率与精度。

针对两颗天基光学卫星对低轨非合作目标进行无源定位跟踪的问题, 提出了一种基于Newton迭代与扩展卡尔曼滤波(Newton iteration and extended Kalman filter, N-EKF)的定位跟踪算法。首先, 将基于角度测量信息的双星观测模型转化为双直线公垂线中点问题, 并进一步转化为非线性方程问题, 使用Newton迭代算法得到非合作目标的初始定位信息。然后, 采用扩展卡尔曼滤波(extended Kalman filter, EKF)方法, 在初始定位信息基础上, 结合近地轨道动力学模型, 实现对非合作在轨目标的精确跟踪滤波。最后, 通过仿真验证了所提方法的可行性及优势。

实际应用中的扩展BCH(Bose Chaudhuri Hocquenghem)码具有码率高、码长多变、结构复合等特点, 在编码识别领域, 对高码率编码码长估计、特定码型识别等方面仍缺乏研究成果。针对上述问题, 提出了一种基于码重奇偶性的码长估计方法, 在此基础上, 利用有限域傅氏变换识别编码码型, 实现了扩展BCH码的识别。该识别过程有别于其他文献中已知码型、再识别其他参数的方法, 更加符合实际情况。仿真结果表明, 所提方法能够实现二进制对称信道下的高码率扩展BCH码的识别。当误码率小于1.5×10^-2时, 除了码长为128的编码, 对其他码长的编码识别准确率能达到94%以上, 当误码率小于7×10^-3时, 识别准确率接近100%, 识别性能优于现有算法。所提方法能有效实现对扩展BCH码的识别, 具有较好的误码适应能力。

针对低轨巨型星座网络星间路由复杂、网关卫星负载不均衡等问题, 在星地接入策略中考虑星间路由代价, 提出一种基于最小路由代价的接入策略。该策略分为3个阶段: 在最短跳数估计阶段, 根据用户终端和信关站位置估算用户终端至网关卫星的星间路由跳数; 在网关卫星分配阶段, 基于估计跳数建立二分图模型, 采用带权最小代价匹配算法确定网关卫星和接入卫星类型; 在接入卫星选择阶段, 以星间路由跳数和星地仰角加权构造接入准则, 在确定类型的可视卫星中选择最优接入卫星。仿真结果表明, 所提方法能够显著降低系统整体星间路由跳数, 提高网关卫星负载均衡性和用户接入成功率。

动态数字信道化接收结构通过检测所有子带, 判断信号是否存在, 为综合滤波器组处理提供依据, 因此子带检测在接收结构中起着关键作用。针对传统检测算法存在低信噪比(signal-to-noise ratio, SNR)下检测性能不高的问题, 依据随机矩阵理论, 提出了基于最大最小特征值之差与平均特征值之比的检测算法, 利用平均特征值和最小特征值的极限分布规律来推导算法的检测门限。其次, 根据所有子带数据获取的特征值信息对所提算法进行了优化。最后, 在动态数字信道化接收结构中, 分析不同因素下算法的性能, 表明了所提算法能够克服低SNR的影响, 子带检测的性能更好。

第五代移动通信技术(5th generation, 5G)中高可靠低时延通信(ultra reliability and low latency communication, URLLC)应用场景, 十分契合航空5G机场场面宽带移动通信系统建设要求。以丢包率为定义的可靠性指标没有反应时变无线信道的时间依赖性和不同URLLC服务所需的持续时间。针对以上存在的问题, 运用生存分析的方法, 将URLLC关键技术与可靠性理论中失效率相结合, 提出了可靠连通度指标, 基于接收端信号强度, 建立理论分布模型和数据驱动模型, 对时变信道在未来1子帧内可靠连通度进行预测, 并建立城市宏单元-非视距-簇时延线信道模型算例对模型进行对比分析, 并在不同雨衰条件下, 分析信道系统的可靠连通度。结果表明，数据驱动模型可靠性预测的均方误差(mean square error, MSE)可达0.1%，优于理论分布模型，且在恶劣天气情况下，多输入多输出信道可靠性相比于多输入单输出信道具有更高的抗衰落能力。

为了解决当前识别算法只能识别一种或者两种码字类型以及人工提取特征复杂的问题, 提出了两种基于深层神经网络模型的信道编码类型识别器, 即卷积神经网络(convolutional neural network, CNN)识别器和递归CNN (recursive CNN, RCNN)识别器, 用于识别接收数据中不同类型的信道码字。将待识别的软解调序列作为自然语言处理中文本分类问题的句子向量进行处理, 输入到预先训练好的深层神经网络识别器中进行识别, 并分析了字长度对识别准确率的影响, 得出了最合适的字长度。实验结果表明, 两种识别器都能够有效识别接收数据中多种类型的信道编码, 且在信噪比为3 dB时CNN识别器的识别准确率能够达到99%以上, 而RCNN识别器在1 dB时就能够达到99%以上的识别准确率。