作为一种非平稳时频信号，正弦调频(sinusoid frequency modulation, SFM)信号在雷达和无线通信领域得到广泛应用。为了解决常规时频分析方法无法有效估计多分量SFM信号参数的问题，提出离散正弦调频变换(discrete sinusoidal frequency modulation transform, DSFMT)。利用SFM信号在DSFMT域的聚敛特征，提出基于DSFMT的多分量SFM信号参数估计方法。给出多分量SFM信号和DSFMT变换的数学模型，论证了多分量SFM信号在DSFMT域聚敛特征的差异，仿真分析基于DSFMT的多分量SFM信号参数估计方法的技术性能。理论分析和实验结果表明：多分量SFM信号在DSFMT域有明显的聚敛特征差异，基于DSFMT的多分量SFM信号参数估计方法可有效估计多个SFM信号幅度和调制指数。
随机跳频和随机脉冲重复间隔等随机调制信号的处理可以等价为随机调制信号中的参数估计问题。针对抽象的随机调制复正弦信号模型，借助Fisher信息矩阵推导了其复幅度和调制系数估计的Cramer-Rao下限并分析了其统计特性。求解了单个和多个随机调制复正弦信号的最大似然估计，利用“广义周期图”研究了其分辨及模糊性能，为后续的信号设计与处理提供了理论参考。计算机仿真实验验证了相关结论。
物理绕射理论是计算尖劈绕射的重要方法，其重要意义是消除了几何绕射理论所带来的奇异值。本文导出了这两种绕射系数的另一种表达式，可以非常明确地说明奇异值消除情况。将绕射系数写成余切函数的形式，奇异点就体现在宗量为0的情形，这种情形恰好就是入射边界或反射边界。物理绕射理论在绝大多数情况下消除了几何绕射理论带来的奇异值。但在一种特殊情形下，仍然存在着奇异，即绕射波沿着劈面且双站角为180°。这种奇异会导致在有些情形下，双站散射计算误差非常大，而在单站情形不会发生奇异。最后，通过二维方柱和三角形柱的散射算例进行了相关验证。
根据均匀圆阵阵列结构的特点，提出一种利用相邻阵元间相位差进行二维波达方向(direction of arrival, DOA)估计的方法。分析了均匀圆阵相邻阵元间接收信号相位差的变化规律，得出了其与入射信号的方位角和俯仰角的对应关系，在此基础上推导出入射信号方位角和俯仰角的闭式解。同时，针对相位差测量中存在相位模糊的问题，提出一种循环搜索算法有效地实现了相位差的解模糊，极大地提高了利用相位差进行DOA估计的稳健性和适用范围。理论分析和仿真结果表明，该二维DOA估计方法可以在存在相位模糊的情况下稳健有效地工作。
提出了一种新型的离散信号形式——三值自相关四进序列偶，对周期是偶数的这种信号作了重点研究，得到了周期为偶数的三值自相关四进序列偶的自相关函数值的最大副峰模值至少是2的自相关特性，并给出了一种使得到的四进序列偶的副峰值是{0,-2},满足这种自相关特性的四进序列偶的构造方法。当构造方法中所用的伪随机二进序列偶具有好的平衡性时，构造得到的四进序列偶不仅具有很好的相关性而且具有很好的平衡性。
针对战场环境中电子起爆装置易受电磁干扰影响的特点，研究了电子起爆装置的电磁敏感特性，提出了基于谐振效应的全波物理建模和本征特性仿真相结合的分析方法，使用该方法计算了某型地雷非触发引信的电磁敏感性，并从仿真和实验两个方面进行了验证。结果表明，该方法计算精度高，稳定性好，对电子起爆装置电磁兼容性设计具有重要参考价值。
提出了一种包络相位联合自聚焦运动补偿算法，解决了机载高分辨合成孔径雷达(synthetic aperture radar, SAR)成像过程中复杂的运动误差问题。该方法不但可以实现对高阶运动误差的估计，而且可以同时补偿包络和相位误差。通过对运动误差进行归一化多项式拟合建立关于运动误差多项式系数的最小熵优化方程，同时利用阻尼牛顿法对其进行求解，实现高效精确的多项式系数估计。另外，设计了交替联合自聚焦算法，以实现对较大运动误差的精确估计。最后，应用实测机载聚束SAR数据验证该方法的有效性和优越性。
天波超视距雷达的最终任务是检测、跟踪我方感兴趣的目标。将这些目标从跟踪器输出的航迹集合中提取出来是一个难点。考虑一类存在先验航路信息的航迹辨识问题，基于假设检验理论与分类思想，提出了一种多航迹-多航路情况下的天波超视距雷达航迹分类算法。在建立的空中走廊模型基础上，先后利用目标位置、航向信息与航路做相关判断，计算航迹-航路相关代价，据此将航迹分为航路目标航迹及非航路目标航迹。仿真结果表明，提出的航迹分类算法在航路数量适中的情况下正确分类概率达到90%。
分析了在无源双基地脉冲雷达中，利用从直达波信号中提取的初始相位来补偿目标散射回波随机初相的过程。指出了由于接收通道噪声和天线噪声的存在，从直达波参考信号中提取的初始相位是一个随机变量。为使相位补偿误差影响分析结果并不依赖于哪一种特定的相位同步方案，给出了相参积累过程的一般数学模型和相位补偿误差的概率密度函数，推导了系统互模糊函数处理后的峰值输出，定义了相参积累损耗以分析相位同步误差的影响，并根据数学模型数值分析了不同信噪比条件下的积累损耗。结果表明,当直达波信噪比为30 dB时，相位补偿误差带来的信噪比损失约为0.3 dB，而当直达波信噪比大于40 dB时，相参积累损失可以近似忽略。
针对雷达密集多目标探测问题，考虑一个单发多收多基地雷达系统，在分析空间相关多基地雷达模糊函数的基础上，通过传感器部署、波形选择这两种方法来改变模糊函数形状，达到改善目标分辨性能的目的。文中以模糊函数3-dB投影面积值为指标，对比空间非相关多基地雷达，分析了不同传感器部署和波形选择情况下的目标距离分辨性能，并给出了相应的仿真结果。研究成果不仅能用于对多基地雷达密集多目标探测性能的分析，还能为多基地雷达布站、波形设计等提供一定的理论参考。
多传感器管理是对一组传感器或测量设备进行自动或半自动控制的一种处理过程，它实现了整体性能的优化和资源的有效利用。首先提出了面向任务的多传感器资源预先分配问题。为了解决这一问题，考虑目标优先级函数与传感器对目标的效能函数，建立了多传感器资源预分配数学模型，将目标检测、目标跟踪与目标识别三种任务下的预分配统一到一个框架下；然后利用改进匈牙利算法结合三种任务下的目标函数进行了求解。最后通过仿真验证了模型的可行性与求解方法的快速准确性。
为把集中式多传感器系统顺利应用于需要较小耗时和准确跟踪的工程场景，基于对现有算法优缺点的理论分析，提出了并行处理结构的集中式多传感器广义相关算法；该算法建立了多传感器广义相关算法得分函数，并基于得分函数完成了点航互联、跟踪滤波、航迹质量管理和航迹起始；经仿真及实测数据验证，该算法能够同时满足集中式多传感器系统对算法耗时及跟踪准确性的需求，整体性能优于顺序处理结构的集中式多传感器联合概率数据互联算法和并行处理结构的集中式多传感器概率最近邻域算法。
体系结构是装备体系开发的前提。针对装备体系特点，借鉴美国国防部体系架构框架(department of defense architecture framework, DoDAF)建立了一个基于功能和联接的装备体系结构框架，并且在此框架下提出了基于功能和联接的装备体系结构建模方法。该方法通过分析装备体实体及其关系，给出了一种装备体系结构不同视图产品的开发流程。最后，以航母体系的典型任务为例进行了实例分析，验证了框架和方法的可行性。
结合作战指挥决策领域中作战行动方案开发问题的复杂性和不确定性，描述了作战行动方案的开发问题，提出了使用对象Petri网对作战规划问题的建模和仿真的方法。该方法综合考虑了任务、条件、效果、资源、不确定性对方案生成过程产生的影响，所得的模型也便于重用。最后,案例说明了所提方法的可行性和适应性，并分析了所建模型的复杂度。
针对战场环境中信息的不确定性和交互关联性问题，将直觉模糊推理理论与认知图推理相结合，提出一种基于认知图和直觉模糊理论的态势评估方法。首先，分析当前认知图推理的特点与不足，建立基于直觉模糊集理论和有序加权平均算子的直觉模糊认知图模型；其次，提出直觉模糊认知图的态势评估推理过程；最后，用实例给出评估结果，验证方法的有效性和正确性。该方法能更准确地描述战场客观环境，为决策者提供更多的决策信息和决策偏好自由度。
针对处置突发事件本身具有时间敏感性的特点，运用多Agent建模方法，设计了一种快速、灵活的“处置单元”自组织应对突发事件协同模型。在考虑事件会向周临动态扩散的情况下，对“处置单元”自组织协同应对突发事件，进行了仿真分析。通过与传统的“层级式集中控制”组织机制下突发事件处置模型进行对比，发现当突发事件初始规模较大时，采用该自组织协同组织机制能更快地控制突发事件，并且将事件的扩散控制在更小的范围内。
针对集团企业大型装备虚拟采办应用中，存在多层次、多方位的模型异构性，以及已有大量专业沉淀，需要提高模型的可重用性和可组合性水平的问题，本文基于一种复杂异构系统统一建模的理论框架，给出复杂异构系统统一建模方法的形式化定义，从可信度分析的角度探讨统一建模方法的自洽性，并从工程化的角度提出统一建模方法的实现方式及其文本描述规范。最后，以某装备虚拟采办为背景，对本文所提出的统一建模方法进行应用验证。结果表明，所提出的统一建模方法可有效支持在集团企业开展大型装备的虚拟采办。
针对属性权重信息完全未知和属性值为连续型随机变量的多属性大群体决策问题，提出了一种大群体决策方法。该方法将正态分布的3σ原则推广到任意分布，将随机属性值转化成区间数；并把实数范围内的模糊聚类算法扩展到区间数上，通过该算法将大群体中的成员按偏好形成若干个不同的聚集；在此基础上定义并计算群体中各个聚集和整个大群体的区间评价矩阵；然后利用不确定性有序加权平均算子获得决策方案的综合排序。最后通过一个实例对方法进行了验证。
针对方案区分度（方案综合评价值之间的差异性）较低而导致难以有效决策问题，将主观权重与客观权重作为样本点，采用规划方法建立组合赋权优化模型。基于统计学相关原理，提出了组合权重信度概念，分析了其对决策结果的影响，给出了信度判别准则。以方案区分度较快改善为目标，提出了组合权重修正的具体步骤。最后运用民营企业进入军品市场的算例说明方法的有效性。
利用模糊数相关理论及数据融合技术,对不同决策者对同一个方案的评价值具有不同程度冲突,属性值和属性权重均为模糊数的多属性群决策问题提出了解决方案。对模糊数的排序问题,利用可信性测度概念,通过模糊模拟方法对两个模糊数比较的大小进行计算,并建立互补判断矩阵得到最终的排序结果。算例的结果证实了该方法的可行性、有效性和合理性。
针对新型六旋翼飞行器，提出一种轨迹跟踪控制策略。首先，给出了六旋翼飞行器的运动学模型和动力学模型，同时给出存在复合干扰情况下的运动学模型，并提出了一种新的复合干扰估计算法，该算法是由干扰估计误差驱动而非传统的状态跟踪或者预测误差。随后，设计了飞行器动力学和运动学模型的backstepping控制器，在动力学模型的控制器设计中将指令滤波和线性跟踪微分器用于其中，以提高系统对控制指令的响应速度。最后，通过仿真验证实验，验证了所提干扰估计算法和轨迹跟踪策略的正确性和有效性。
因为微分运算会给系统带来不良影响，所以为了避免在迭代学习算法中使用微分运算，同时又可以取得比单纯比例型迭代学习算法较快的收敛速度,将比例差分型迭代学习策略应用到故障诊断中，提出了一种新的故障诊断算法。该算法利用残差以及相邻两次残差的差分信号对引入的虚拟故障信号进行逐次修正，使虚拟故障逼近系统中实际发生的故障，从而达到对系统故障诊断的目的，并通过压缩映射方法，对故障跟踪估计器的收敛性进行了严格证明。该方法不仅可以有效地检测出系统不同类型的故障，还可以精确估计出各种故障信号。最后仿真结果验证了该方法的有效性。
对于一类工作点时变的光滑非线性多变量系统，采用状态相依自回归(state-dependent auto-regressive with exogenous, SD-ARX)模型描述系统的非线性状态特征，用高斯径向基函数(radial basis function, RBF)神经网络近似SD-ARX模型的函数型系数，利用结构化非线性参数优化方法(structured nonlinear parameter optimization method, SNPOM)离线估计模型参数，并以状态信号量引导模型实时反映对象的动态特性，在此基础上设计的非线性预测控制器因避免了在线模型参数估计，可提高系统的实时性，并具有较好的控制效果。对四旋翼飞行器的实验结果验证了建模方法的有效性和控制方法的可行性。
研究了具有控制时滞的不确定线性分布参数系统的迭代学习控制问题，允许系统在迭代过程中初始状态值存在一定偏差。提出了基于时滞已知的P型迭代学习控制算法，给出了其L2范数收敛的充分条件，并利用Green公式、以及Gronwall-Bellman不等式等从理论上进行收敛性证明。数值例子验证了该算法的有效性。
针对机器人通讯范围受限的问题，提出一种新的多机器人协作同时定位与建图(simultaneous localization and mapping, SLAM)方法。多个机器人采用基于最优控制的主动探索策略，创建自身周围区域的子地图，在每个建图周期内使用扩展的卡尔曼滤波器(extended Kalman filter, EKF)估计和维护子地图状态，并在一个周期结束后联络其通讯范围内的其他机器人，进行子地图的传递与融合。同时，为避免由通讯范围受限带来的地图过度融合问题，每个机器人保存每个建图周期内的局部子地图，待与其他机器人相遇时只传递并融合子地图的增量部分。仿真实验验证了该方法的有效性。
多输入多输出（multiple input and multiple output, MIMO）和智能天线（smart antenna, SA）是第四代移动通信系统的关键技术，其结合的MIMO/SA多天线系统所采用算法的不同，直接影响系统性能，准确评估MIMO/SA多天线系统的算法性能，对于实际应用十分重要。结合波达方向估计算法、空时编译码算法、波束成形算法的算法性能指标，应用模糊层次分析法建立了层次结构模型，确定了各算法性能指标的权重和隶属度，得到了MIMO/SA多天线不同实现方案中不同算法的模糊综合评估方法，进行了仿真验证。仿真结果表明，评价方法能在不同的MIMO/SA多天线实现方案中选择出优化方案，对MIMO/SA多天线系统的方案设计与算法实现有较好的参考价值。
针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题，将人工蜂群算法引入到认知无线电频谱分配中，提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型，将离散人工蜂群算法中的蜜源位置离散化，与模型中的可用频谱矩阵相结合产生分配矩阵，对目标函数进行优化，并且使用了一种新的比例公平性目标函数评价该算法的性能；通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能，同时在使用电视频段的认知无线电系统进行了验证，结果表明本文算法的高效性和优越性。
针对两个用户、一个中继节点、一个基站的多址接入中继系统提出了一种基于低密度奇偶校验（low density parity check，LDPC）乘积编码的网络编码方案。为了进一步提升系统性能，方案中采用了一种基于外信息转移（extrinsic information transfer， EXIT）图的LDPC乘积码度分布优化算法。该算法主要是对中继节点的LDPC乘积编码进行优化设计，同时可预测LDPC乘积码的迭代译码性能。性能分析与仿真结果表明：优化的网络编码方案进一步改善了传输网络的误码率性能，利用EXIT曲线图实现了迭代译码性能的近似估计。
正交频分复用（orthogonal frequency division multiplexing, OFDM）技术具有频带利用率高、抗多径干扰能力强等优势，但具有较高的峰值功率是限制其应用的一个主要问题。针对OFDM信号具有高峰值，提出一种新型的降低OFDM信号峰值功率的方法。该方法基于混合信号扩频技术，将OFDM时域信号分解为若干段，其中有一段为连续信号，其余几段为离散信号，这些信号经交织后发送。在接收端，提出新的部分信号恢复法对信号解交织和重新组合。仿真表明，该方法能够有效地降低OFDM信号的峰值功率，同时可以获得扩频处理增益，从而改善系统的误码性能。
针对图像配准中的优化问题,利用量子遗传算法全局寻优能力强以及和声算法的微调特性,提出了一种新的和声量子遗传算法（harmony search quantum genetic algorithm， HSQGA）。并将其应用到航拍图像配准当中。仿真结果证明了该算法比原有的和声算法和量子遗传算法在图像配准参数优化过程中具有更好的优化性能。此外,利用两个标准基本测试函数对新算法进行了测试，结果表明在一定的迭代次数内，该算法对一些复杂的优化问题也能精确寻优。
首先从离散方案对推理功能的影响出发，提出将条件信息熵作为评判离散方案好坏的标准；其次从降低问题求解的复杂度出发，提出将贝叶斯网络划分为多个极小简单子网分别进行离散化；最后，依据离散化问题与路径规划问题的相似性，设计了一套利用蚁群算法进行问题求解的方法。实验表明，采用所提方法进行贝叶斯网络连续变量离散化，能很好地将连续变量的取值空间进行分类，从而达到良好的推理效果。
上下文感知计算是普适计算研究领域中最为重要的一个方面，针对上下文感知计算中缺乏与自动推理支持的问题，提出了一种基于本体描述语言（web ontology language, OWL）的上下文感知建模与推理方法。OWL是以描述逻辑为基础的本体形式化语言，可以满足上下文知识共享与上下文本体自动推理的需要。该方法首先提出了一种本体引导的上下文模型框架，根据抽象层次的不同将上下文分为元模型与领域特定模型两层结构，然后采用OWL形式化描述该上下文模型，设计了上下文模型到OWL的转换算法，并利用本体自动推理工具完成了上下文推理，并以一个实际案例说明该方法的可行性。
为了在移动平台中得到高质量、高实时性的纹理显示，设计并实现了一种基于查找表的各向异性纹理映射方法。该方法通过改变归一化椭圆足迹模型的自变量选择，精确测量各参数量化对图像质量的影响，由此建立查找表获得足迹组合滤波中的所需参数。在此基础上，根据系统有效带宽的限制，加入动态调节纹理映射带宽需求的参数选择功能。实验表明，该滤波方法显示质量高，计算复杂度低，且具有带宽可控的优点，适于移动平台实现。
动态贝叶斯网络是解决非线性动态系统不确定性推理问题的一个重要工具。通过对改进前向后向算法计算方式的改变，提出了一种快速前向后向算法。不仅从理论上推导了快速前向算法、快速后向算法，并且将这两种算法结合推导出快速前向后向算法。由复杂度分析可知，提出算法的复杂度较低，仿真实验验证了快速推理算法的正确性和推理的高效性。
基于Markov模型对航天测控通信系统进行可靠性分析的过程中，若系统中测控通信设备数量较多，模型中的状态空间随设备数量呈指数增长，将会导致数值计算困难。提出了一种基于改进Krylov子空间技术的可靠性分析方法，该方法利用Arnoldi过程构造正交基，并采用了类似于常微分方程求解的差分递推形式。分析了算法的局部截断误差，提出了算法迭代步长的计算公式。实验结果证明，改进的Krylov子空间方法简化了问题复杂度，提高了测控通信系统的可靠性分析效率和精度。
航天电子装置的多余物检测对航天器安全可靠运行作用重大。目前微粒碰撞噪声检测（particle impact noise detection, PIND）是多余物检测中应用最普遍的方法，检测系统采用的驱动形式多为冲击和正弦振动。为了提高多余物检测的检出率和准确度，在PIND中引入随机振动，但这给多余物信号的特征分析带来困难。经验模态分解（empirical mode decomposition, EMD）和希尔伯特-黄变换（Hilbert-Huang transform, HHT）可适应非线性、非平稳信号的处理，同时具有不需预先知识的自适应处理能力，引入EMD和HHT方法用于多余物特征分析，以解决目前存在的困难。实验数据的仿真研究证明了该方法的有效性和优越性。
