在复杂电磁环境中，如何对电子设备产生的电磁辐射进行准确测量一直是亟待解决的典型工程问题。提出了一种具有环境干扰抑制效果的外场辐射发射测试新方法，不同于传统的基于自适应噪声抵消方式的虚拟暗室测试方法，其采用空间谱估计和自适应宽带波束形成等阵列信号处理方式以实现对环境干扰的空域滤除。计算机仿真以及试验结果证明，所提方法在保证受试设备辐射特性无失真的情况下，能同时有效滤除被测信号中混迭的同频、宽带等不同体制的环境干扰，弥补了虚拟暗室测试技术的不足，提高了外场电磁辐射测量的速度和精度。
针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique， ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计，且当信源数估计出现误差时性能易受影响的问题，提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival， DOA）估计算法。该算法通过引入导向矢量信号，以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数，从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证，仿真实验结果表明该算法是有效的。
大多数解相干测向算法只能应用于均匀线阵，而不能用于均匀圆阵。针对这一问题提出了一种基于虚拟均匀线阵的快速解相干波达方向估计算法，该算法对均匀圆形阵列的输出信号进行模式激励，使其成为虚拟均匀线阵，在色噪声协方差矩阵为复对称Toeplitz结构的情况下，利用空间差分方法和矩阵重构相结合来估计相干信号，并且去除非相干信号以及色噪声。该算法提高了阵列的信源过载能力，不需要进行高阶累积量的计算以及特征分解，计算机仿真结果证明了算法的有效性。
分析了非参数化谱估计方法，分析表明，它们所解决的优化问题都是加权最小二乘（weighted least square， WLS），不同在于如何估计广义噪声协方差矩阵来构建加权矩阵。基于统一框架，提出了一种能同时估计信号频谱和观测噪声的自适应迭代非参数谱估计方法。该方法在每一次迭代时都利用上一次估计结果来逐步逼近真实的广义噪声协方差矩阵。分析和仿真表明，本文方法具有分辨率高，谱泄漏抑制好，并能增强信号协方差矩阵的可逆性和频谱范围选择的随意性等特点。
提出了一种基于Worldview-II多光谱遥感数据的纹理特征提取方法。该方法针对WorldviewII的8个波段，通过主成分分析(principle component analysis， PCA)变换进行多光谱遥感数据压缩，针对压缩后的数据特点建立主成分灰度差频空间(gray level difference frequency space， GLDFS)，并利用GLDFS对多光谱遥感数据进行纹理特征提取。实验结果表明，与传统的灰度共生矩阵(gray level cooccurrence matrix， GLCM)单波段纹理分析方法相比，该方法能够保持多光谱数据之间的协同关系，具有更高的分类精度和执行效率。
当信噪比(signal-to-noise ratio, SNR）较低时基于数据处理的多径估计算法的估计性能显著降低。提出了基于Kalman滤波和Teager-Kaiser (TK）算子/最小二乘(least square, LS）相结合的多径估计算法，简称KTK/KLS算法。该算法通过Kalman滤波消除低SNR的高斯噪声对相关输出的影响，然后将滤波后的相关输出用于TK算子/LS估计直接信号时间延迟或多径参数。KTK/KLS算法有效解决了仅使用TK算子和LS算法进行参数估计时对噪声比较敏感的问题，保留了二者对多径比较敏感的优点。最后，通过仿真将KTK/KLS算法与其他高效的基于数据处理的多径估计算法进行比较，结果表明所提出算法的多径估计精度优于对比算法。
运用结合了扩展手段的非线性对比源反演算法解决二维弹性波矢量情况的成像问题，其中采用的扩展手段为正则化方法和并行频率方法。测量二维实测弹性波数据的实验设置是多收发分置的。以矢量方式对二维实测弹性波数据的重建结果验证了扩展后对比源反演算法的有效性和精确性，是一种非常有前景的解决弹性波成像问题的处理方法。
在多传感器数据融合系统中，航迹关联是后续融合处理的基础。由于随机噪声、系统误差以及虚警漏报的干扰，航迹关联结果中常常包含错误关联，错误关联对后续融合处理的影响是灾难性的。目前尚缺乏一种有效的错误关联检测手段。根据系统误差估计与航迹关联相耦合的特点，提出了利用系统误差估计残差来对错误关联进行检测的高斯检测器和卡方检测器。仿真实验表明，所提两种检测器能够有效地检测错误关联，具备良好的实际应用前景。
机载预警雷达发射中高脉冲重复频率信号时，会导致接收杂波存在距离模糊现象。对于机载非正侧视阵雷达(non-side looking airborne radar, nonSLAR)，其近程回波具有强烈的距离依赖性，导致通过统计方法估计的杂波协方差矩阵不准确，使得空时自适应处理（space-time adaptive processing， STAP）的杂波抑制性能急剧下降。接收天线为均匀线阵条件下，由于阵列没有俯仰维自由度，无法直接对近程杂波进行抑制。针对这种情况，提出了一种近程杂波对消方法，该方法首先估计出近程模糊距离门对应的俯仰角，然后利用空时二维杂波谱的先验信息对近程的杂波进行估计，最后对原始的接收数据进行近程杂波对消。该方法能够对近程杂波进行有效抑制，获得的杂波抑制性能高于直接处理法。仿真实验结果验证了该方法的有效性。
上升段弹道目标相对于雷达不仅具有很高的径向速度，而且转动速度也近似为匀加速转动，使得去斜后的差频信号和多普勒回波均为多分量线性调频（linear frequency modulation, LFM）信号，若仍采用基于离散傅里叶变换的距离-多普勒(range-Doppler, RD)方法成像，将造成图像在径向和横向的散焦。本文借助分数阶傅里叶变换完成距离压缩和方位压缩，分别在能量聚集性最佳的分数阶谱域提取散射点的距离像和横向像，获得良好的聚焦效果。最后，通过对GRECO软件模拟数据的处理，验证了本文方法的有效性。
针对多输入多输出(multiple-input multiple-output, MIMO)雷达反向投影(back projection, BP)成像算法运算量大、实时性差的问题，提出一种基于距离补偿和波束形成的高运算效率改进型MIMO雷达BP成像算法。首先通过匹配滤波完成距离压缩和发射波形分离，然后在极坐标下对各个距离单元散射点的时延特性进行分析并简化，将传统BP算法中的延迟相加过程转化为波束形成过程，从而完成方位向聚焦。所提方法避免了对所有像素点逐个求时延，减小了运算量，并且便于数据的并行批量处理，极大地提高了运算效率。仿真实验验证了所提方法的成像性能和高运算效率。
在无线传感器网络(wireless sensor networks, WSN)中采用任播技术可以均衡数据流及能耗。传统算法常采用节点不相交路由策略，但隐终端问题仍会造成任播路径间的传递碰撞。针对该问题，提出基于区域不相交策略的WSN任播路由算法。该算法采用扇形通道技术和基于不同时隙的区域不相交发送策略以减少任播路径传递碰撞问题。仿真实验数据表明，相比较节点不相交路由策略和最短路径优先区域不相交路由策略，本文算法在分组投递成功率和节点平均能耗上具有较好的性能优势，从而提高网络生存期。
作为一类重要的对地观测卫星，成像卫星多星组网协同工作可提高处理复杂任务的能力，其中的任务规划属于多时间窗口、多优化目标和多约束条件的组合优化问题。针对任务协同规划技术，主要完成两项工作：第一，建立协同规划模型，引入了元任务间的3类协同作用关系，并进一步考虑了风险控制的要素；第二，在阐述引入启发式信息的遗传禁忌选择的求解算法基础上，提出算法协同进化模型求解技术。最后，利用卫星工具箱（satellite tool kit, STK）提供仿真数据，评价几种典型的求解算法，并验证了本文算法在收敛速度和鲁棒性上的有效性。
为解决多反舰导弹的协同航路规划问题，建立了基于空间和时间协同的航路规划模型，并设计了航路可行节点动态开辟算法和协进化多子群蚁群算法。节点开辟算法在任务空间建立搜索树的同时滤除不可行节点，缩小了航路优化搜索范围；多子群蚁群算法结合协进化的基本思想，通过引入蚂蚁子群间的协同进化策略，并对蚁群算法状态转移规则、信息素更新机制进行设计，进而并行搜索多导弹最优协同航路集合。仿真结果表明，本文方法能够为多反舰导弹构建优化的协同飞行航路，不但适用于导弹发射前的预先规划，而且适用于航路分段的局部实时重规划。
针对反舰导弹对海攻击中传统“纯方位”攻击方法存在的末制导雷达开机早、易被干扰的不足，提出一种新的“纯方位”攻击方法。所提方法利用导弹航路规划能力，将传统方法中朝目标散布区长轴方向攻击改变为朝短轴方向迂回攻击，推迟了末制导雷达的开机时间，可有效避免导弹被敌方电子干扰设施提前发现，增强了导弹的隐蔽性和末端突防能力。对所提方法中由于航路规划所带来的导弹可攻击范围的改变进行了建模和评估，从而为采用新方法的反舰导弹作战能力和需求的匹配提供依据。
针对水面舰艇编队防空反导作战中的武器-目标分配问题，建立了编队防空火力分配模型，将自适应差分进化算法应用到模型的求解与仿真中，并根据参数优化，改善了问题求解的收敛特性。针对模型求解的特殊要求，采用适当的编码方案，使种群个体编码满足约束条件，利用混沌序列初始化种群，加强种群的搜索多样性，变异、交叉参数的动态自适应策略和混沌序列扰动避免算法陷入局部最优等方法对算法进行优化改进，较方便快捷地解决了多平台多类型武器-目标分配问题。实例证明，该方法能够获得满意的结果，与其他智能算法相比，在优化性能上有较大改进。
为提高武器-目标分配（weapon-target assignment, WTA）模型求解的实时性与精确度，针对人工免疫算法（artificial immune algorithm, AIA）提出了一系列改进措施。在采用自适应锦标赛选择算子的基础上，引入“(1+λ)-选择”全局更新技术以提高算法的全局寻优能力，引入Memetic局部更新技术以提高算法的局部搜索能力，采用最优抗体抑制机制减小了AIA陷入局部最优的危险。仿真实验结果显示，改进的人工免疫算法（improved AIA, IAIA）具有较快的收敛速度及较高的收敛精度，满足WTA问题解算需求。
针对C4ISR系统中服务人工智能(artificial intelligence， AI)规划组合存在的服务数量大、不能处理服务执行过程中动态产生的新个体、业务流程和服务质量不确定等问题，提出了一种基于离散事件演算和马尔可夫逻辑网(discrete event calculusMarkov logic network， DEC-MLN)的服务自动组合方法。首先给出了面向服务的海战场C4ISR系统的流程图，用对事件演算进行拓展形成的DEC-MLN对服务的输入、输出、前提条件和执行效果及基本服务流程进行建模，用MLN的权重刻画组合过程中业务流程和服务质量的不确定性。接着提出了一种基于模板的服务自动组合框架，并给出了溯因DEC规划方法。所提方法克服了基于传统AI规划组合方法限于顺序组合的问题；且DEC-MLN的谓词规模较小，提高了服务组合效率；DEC-MLN在处理不确定性的基础上又能解除封闭世界假说的限制，可以处理组合执行过程中新增个体，增加了组合的动态性。最后用实例验证了所提方法的可行性与有效性。
针对故障预测中存在数据采样时间间隔不均匀、采样难度大、数据量小等问题，借鉴信息融合技术和灰色预测理论，提出了一种基于信息融合和改进不等时距灰色模型(improved unequal interval grey model， IUGM)的预测方法。首先，运用一元二次非线性回归思想建立不等时距灰色预测模型，并通过初始值改进、残差修正和新陈代谢相结合的方式对模型进行改进；然后基于加权思想提出隶属度加权法，以确定特定个体和同类产品的隶属度权值；最后基于加权思想和IUGM(1,1)模型建立特定个体的故障预测模型。实例仿真验证了所提方法的有效性。
传统GM(1,1)模型存在不能预测波形序列的问题。在GM(1,1)模型和残差GM(1,1)模式的基础上引入了新陈代谢数组，经重新推导后得到递推GM(1,1)模型和残差递推GM(1,1)模型，将前者模型的解与后者取对数后的模型的解反相相加后，得到自适应GM(1,1)模型的解。以实例数据对上述4种方法进行仿真和比较，结果表明，自适应GM(1,1)模型较其他方法有更好的预测效果，从根本上解决了GM(1,1)模型对波形序列的预测问题。
挠曲变形是影响传递对准精度的重要因素之一，在对准过程中载体的机动会引起挠曲变形模型较大的参数误差和系统模型噪声统计特性的不确定性，现有基于单一模型的滤波方法在解决这类问题时存在局限性。针对以上问题，提出了一种基于不确定挠曲变形参数变化模型集的多模型滤波对准方案，以“速度+姿态”的匹配模式为例进行仿真分析。结果表明，所提出的对准方法同基于单一模型的对准方法相比提高了对准精度和算法的环境适应性，是解决存在不确定挠曲变形干扰下的传递对准问题的一种有效方法。
为解决惯性测量组合误差模型中与过载相关的动态误差难以在地面精确标定的问题，提出了一种基于正弦直线过载试验系统的惯性测量组合动态误差标定方法。所提方法通过构建满足惯性测量组合测试要求的正弦直线过载试验系统，并利用该系统提供过载的正弦特性和直线往复运动的周期特性，结合惯性测量组合在正/负半周期内的脉冲输出标定惯性测量组合动态误差。试验结果表明，采用所提方法标定的惯性测量组合动态误差重复性、一致性好，可为惯性测量组合动态误差的地面精确标定提供一种有效的手段。
针对传统的航姿系统（attitude and heading reference system, AHRS）在微型无人飞行器、机器人等应用上所体现的成本高、体积大、功耗大的问题，提出了一种低成本高精度AHRS。该系统以数字信号处理器为硬件平台，集成了陀螺仪、加速度计、磁罗盘等9自由度微机电系统传感器，采用了基于四元数的姿态估计方法，建立了传感器输出模型和系统状态空间模型，考虑了加速度对系统精度的影响，解决了四元数协方差奇异性问题，通过扩展卡尔曼滤波〖JP3〗器进行数据融合以获得姿态的准确输出。经数值仿真分析和三轴飞行转台测试，姿态角的静态精度优于0.5°、动态精度优于2°，并在微型无人飞行器上进行了飞行验证，结果表明其能够满足小型无人飞行器等的应用需求。
针对网络控制系统(networked control system, NCS)中随机时延导致系统性能下降的问题，利用粒子群优化(particle swarm optimization, PSO)的最小二乘支持向量机(least square support vector machine, LS-SVM)建立NCS中随机时延预测模型，精确预测未来时刻的时延；同时利用该预测算法预测的时延通过快速隐式广义预测控制算法对NCS随机时延进行补偿。仿真结果表明，PSO优化的LS-SVM算法对随机时延具有较高的预测精度，同时快速隐式广义预测控制算法可使系统的输出很好地跟踪参考轨迹，保证系统良好的控制效果。
航路飞行阶段的导航台选择是区域导航（area navigation， RNAV）运行的主要环节。在RNAV选台过程中通常会遇到换台频繁或台站跳变问题。根据测距机（distance measure equipment， DME）/DME导航方式提出了实际导航性能（actual navigation performance， ANP）的计算方法，并通过设定ANP阈值结合最小ANP值的方法设计航路飞行阶段DME台站选择算法。对京沪航线及其周围的DME台站数据进行了仿真实验，结果表明，该选台算法在满足导航精度要求的情况下有效避免了换台频繁和台站跳变问题。
为满足高精度导航及隐蔽性要求，基于方位旋转技术，给出了针对水下平台惯导系统惯性器件(inertial measurement unit, IMU)误差无阻尼估计算法。首先分析了状态转换对固定指北式平台惯导系统的影响；其次利用Laplace变换，求解了方位旋转式平台惯导系统误差；然后基于舒拉振荡和平台旋转周期，利用间断获得的外测信息建立系统短时速度、位置误差模型并作不确定度评估；最后采用Kalman滤波对惯性器件误差作了事后估计。仿真结果表明，建立的速度、位置误差模型可信度高，算法可准确估计出东、北向陀螺常值漂移以及加速度计零位偏置，有效抑制导航误差发散，提高导航精度。
针对现有基于误差反向传播算法的多层感知器神经网络分类器在信号识别中存在收敛速度缓慢、出现假饱和现象等问题，采用蜂群算法提取信号的联合特征模块，提出快速支持、超级自适应误差反向传播、共轭梯度3种不同算法分别应用于多层感知器神经网络分类器，实现对通信信号的自动识别。所提算法和误差反向传播算法相比有更高的识别率。仿真结果表明，所提算法能够克服误差反向传播算法的缺陷，在隐藏层神经元仅为20个、信噪比为4 dB条件下，3种算法的识别率均高于95% ，且系统易于实现，在信号识别中具有广泛的应用前景。
在数字通信中，90°或者180°的相位模糊是影响正交相位偏移键控（quadrature phase shift keying， QPSK）相干接收机性能的重要因素。差分正交相位偏移键控（differential QPSK， DQPSK）可以克服相位模糊,但是会导致约2.3 dB的性能损失。为了消除DQPSK的性能损失，提出一种低复杂度的基于迭代译码的联合卷积DQPSK编码调制方法，并且基于外信息转移图，提出了一种在DQPSK调制下优化卷积码生成多项式的算法。仿真结果表明，所提差分编码方案不仅可以克服相位模糊，而且通过迭代译码完全补偿了差分编码所导致的差分代价损失，甚至获得了3.5 dB的性能增益。优化后的卷积码与IEEE 802.11n协议中给定的卷积码相比，获得了大约0.3 dB的信噪比增益，和第3代合作伙伴计划（3rd generation partnership project， 3GPP）长期演进（long term evolution， LTE）协议中的Turbo码相比，有大约1.1 dB的性能增益。
提出了一种正交频分复用(orthogonal frequency division multiplex, OFDM)技术与协作复数域网络编码有机结合的OFDM-协作复数域网络编码(OFDM-cooperative complex field network coding, OFDM-CCFNC) 算法。理论分析了该算法的系统误帧率和频谱利用率，仿真结果表明，该算法能够克服无线信道的频率选择性衰落影响，提高系统频谱利用率。另外，基于最小化系统误帧率给出了该算法下的一种最优系统功率分配策略。
提出了一种具有最优误码率性能的变换域通信系统基函数门限设计方法。首先分析干扰存在条件下变换域通信系统调制及解调信号的组成，推导出系统误码率与基函数门限的关系式，然后以误码率最小化为准则，采用遍历搜索门限的办法对系统的最优误码率进行求解，从而得到基函数的最佳门限。仿真结果表明,采用该方法得到的系统误码率是全局最优的，且适用于各种干扰条件的基函数门限设计，具有较低的计算复杂度。
阐述了复合大系统（system of systems, SoS）的特点及基于仿真的性能分析需求，介绍了传统的自底向上和自顶向下两种基本系统仿真方法，并分析了各自的优缺点。在对状态图、随机状态图和代理模型等基本概念介绍的基础上，提出了一种新的适应于SoS性能分析的仿真方法，并通过一个弹道导弹预警信息系统仿真案例对新方法的可行性进行了验证。
针对目前shepherding行为生成方法中，shepherd的运动方式缺乏速度和时间约束的缺陷，提出了一种改进的shepherding行为生成方法。通过在shepherd的路径规划中，把基于概率路径图（probabilistic roadmap， PRM）的多智能体解耦式规划方法和基于速度调节的时变规划算法相结合，使得shepherd的运动满足时间和速度的约束，同时利用优先级策略实现shepherd之间的信息交互能力，因此产生的shepherding行为更加真实。仿真结果表明，改进的shepherding行为更符合骚乱事件中真实人的运动特性。
提出了一种正交指数约束的平滑非负矩阵分解方法，该方法将非负矩阵分解为基矩阵、列归一化平滑矩阵和系数矩阵之积，同时在目标函数中加入了正交指数约束，保证了低维特征的非负性和局部化，减小了分解误差，提高了稀疏性的调节能力。将该方法应用于数据降维、特征稀疏性比较、有遮挡人脸识别和视频运动特征提取。实验结果表明，该方法比同类方法具有更好的性能。
针对蚁群算法收敛速度慢，容易陷入局部极值的缺点，提出将量子进化算法与蚁群算法相融合的新算法。在该算法中，蚂蚁当前位置用量子比特的两个概率幅表示，与普通蚁群算法相比，个体数量相等时，新算法的搜索空间将加倍，同时用量子非门来实现变异操作，相比传统算法，在寻优过程中具有更好的种群多样性并有效克服了蚁群算法的早熟及停滞现象。将此算法用于图像分割，实验结果表明，该方法有效解决了蚁群算法收敛速度慢和容易陷入局部极值的问题，而且在分割速度和精度上得到了较大提高。
