认知无线电技术是解决当前频谱资源紧缺情况的有效手段，其中动态频谱分配技术是一个非常重要的环节。首先基于图着色理论建立了分配模型，分析了基于着色理论的频谱分配算法，并针对认知网络节点的动态性提出动态的频谱分配算法，该算法建立在已分配频谱的基础上，通过冲突节点相应信道的释放和寻找空闲信道算法减轻节点移动对频谱分配的影响。实验结果表明，此算法在不减少系统效用的情况下能有效减少参与重新分配信道的节点个数，减小动态频谱分配的复杂度。

在多用户认知无线电系统中，针对认知无线电用户合作频谱感知中联合检测性能的提高与控制信道带宽受限的矛盾，提出了一种基于能量检测的合作频谱感知方法。该方法放弃携带信息量较少的感知信息，并将携带信息量较多的感知信息量化后传送至数据融合中心。这种方法在兼顾认知无线电频谱感知性能的前提下，有效降低了控制信道开销。

针对多输入多输出（multiple input multiple output, MIMO）雷达虚拟阵列孔径大，典型的降维空时自适应处理（spacetime adaptive processing, STAP）方法——m-Capon法无法适用的问题，对子阵级m-Capon法进行了研究，并与相应的相控阵雷达3-Capon方法进行了比较。计算机仿真结果表明，处理器维数相同时，子阵级3-Capon方法性能明显提高，但非主杂波区误差鲁棒性差；子阵级1-Capon法在非主杂波区性能明显提高，但主杂波凹口太宽。在实际应用中，可综合运用两种方法对主杂波和非主杂波区分开处理，为工程实现提供可靠依据。

针对同频干扰下的混合信号时延估计问题进行研究，提出了一种基于最大似然准则的联合定时估计算法。该算法在推导似然函数的基础上，采用分级搜索方法估计信号时延，能同时实现干扰信号与有用信号的联合定时。相比传统的单信号时延估计，该算法需要有更长的观测数据长度；算法对频偏误差不敏感，在归一化频偏（相对于符号速率）小于2％时性能损失很小。仿真结果验证了算法的有效性。

针对配对算法中可能出现的配对错误及运算量较大的问题，提出一种基于双L型阵列的三角函数配对法。首先用一维波达方向(direction of arrival, DOA)算法得到由仰角和方位角三角函数组成的向量，而后利用双L型的阵形特点和三角函数之间的关系完成配对过程，有效地解决了不同信源之间的仰角和方位角之差较接近时所出现的配对错误。此方法在不依赖于信号形式和一维估计方法的前提下，提高了配对检测概率和估计精度，同时大大降低了运算量。仿真结果证实了算法在配对成功率和估计性能上的提高。

针对相参体制的脉冲雷达波形, 在综合考虑雷达平台及低飞目标运动规律的基础上，采用半空间物理光学结合图形电磁学，快速准确地计算了半空间低飞复杂目标的雷达散射截面,并按照真实地形的地形高程数据和地形地物特征，生成地杂波模拟数据。最后，采用频域信号处理方法对包含目标和杂波信息的雷达回波信号进行研究，实现对目标探测、测速、测距的功能。给出了仿真系统的总体架构和各模块的功能原理,并用仿真实例进行验证。

针对现代通信系统大量使用的二相相移键控、调幅等非圆信号，为了降低基于扩展传播算子的非圆信号测向算法——扩展传播算子方法(extended propagator method, EPM)的计算量，提出了EPM实值算法。该算法将阵列输出的实部和虚部拼接使用，即对EPM算法中的阵列输出矩阵进行复加权，用实运算实现了EPM算法，降低了计算量。仿真实验证明，新算法的阵列扩展能力及测向精度与EPM算法相当。

瞬态极化新体制雷达，通过单脉冲获得瞬时极化散射矩阵来提取目标特征信息，提高了雷达系统在复杂电磁环境中的探测、抗干扰和反隐身等方面能力。基于该雷达工作原理，提出“同时正交双极化”的射频前端设计方案，完成了国内首部瞬态极化雷达试验系统射频前端的研发。采用正交双通道和幅相一致性技术保证了雷达实现瞬态极化的功能，采用滤波技术保证了射频系统的频谱纯度；采用低噪声放大技术有效降低了接收机噪声系数；采用直接频率综合技术提高了射频系统频率稳定度和相参性能；结构集成一体化设计保证了射频收发前端的电磁兼容性能和便携性。射频前端测试结果均优于指标要求，并支持试验系统初步解决了目标极化散射特征提取与识别领域的基础性和共性难题。

为了降低准循环低密度奇偶校验（quasi-cyclic low-density parity-check， QC LDPC）码编码的复杂度，提出了一种利用近似满秩（approximate full rank, AFR）矩阵实现QC LDPC码的高效编码方案。基于有限域GF(q)乘群、加群构造出AFR校验矩阵，利用AFR矩阵可以快速得到其系统循环形式的生成矩阵。此方案不但可以实现线性化编码，而且编出的码都为系统码。仿真表明，该编码方案对于列重较小的QC LDPC码具有较好的通用性和实用价值。

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法，详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理，提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果，给出了一些接近Shannon限的优秀度序列和分析比较。

雷达高分辨距离像目标识别算法通常对目标回波的噪声大小比较敏感，如果测试样本和训练样本的信噪比不等，那么将会导致识别性能的下降。在实际应用中，需要识别算法在不同噪声强度下都能够保持稳健的性能，因此在概率主分量分析模型的基础上，提出一种稳健的雷达高分辨距离像自动目标识别算法。该算法能够让模型随着噪声强度的不同而自适应地调整其参数，并且分析了雷达数据的能量归一化处理对模型参数的影响。由于算法搜索时间较长，为提高算法的搜索效率，推导了一个快速算法。基于实测数据的仿真实验结果验证了方法的有效性, 对噪声有较好的稳健性。

针对客观世界本身的多尺度特性及多尺度分析方法的有效性，提出了能够体现目标宏观和微观固有多尺度信息的SAR图像目标识别方法。该方法通过引入目标先验信息分割出反映目标形状的区域；并根据SAR图像目标对Gabor滤波器组的不同响应，利用多尺度信息及尺度间的相依性提取新的多尺度特征；最后按照方位信息建立多尺度特征库用以指导目标识别。通过MSTAR的实测SAR目标数据集进行了多尺度特征建立和目标识别测试，试验结果表明了该方法的有效性。

针对合成孔径雷达（synthetic aperture radar, SAR）图像相干斑噪声抑制问题，提出了一种基于支持向量回归（support vector regression, SVR）分析的空间域自适应滤波方法。将SAR图像看做连续二维函数，利用SVR方法对其进行逼近。基于图像的逼近结果描述像素关联性，并基于关联性破坏程度对噪声进行类型分析，对不同类型的噪声采取确定性的抑制算法。为了保证精度，选择小波核函数构建支持向量回归机。实验结果表明了该方法的有效性和对经典方法的改进。

针对高速旋转目标三维成像的问题，提出一种有效的GRTCLEAN方法。该方法首先进行平动补偿,将高速目标的回波信号转换为高速转台模型。然后利用基于旋转散射点各次距离像回波的变化曲线所具有的特征，采用广义Radon变换(generalized Radon transform, GRT)得到目标散射点空间位置的近似估计。最后把该目标参数估计方法与修正的CLEAN技术相结合得到每个散射点的特征估计,并进一步得到目标三维像。理论推导与仿真结果验证了该算法的有效性。

研究了末制导合成孔径雷达（synthetic aperture radar, SAR）宽波束高分辨率成像问题，提出一种基于频谱分析的算法。将初始距离相同的目标作为多普勒分辨的处理对象，建立成像几何模型，分析了回波相位、方位分辨率、距离徙动。将波束照射区域分为若干方位角带，针对每一方位角带，采用相应参数进行距离徙动校正、二次相位补偿和频谱分析，根据各处理结果，合成波束照射区域内所有目标的高分辨率图像。给出了算法流程，仿真实验验证了算法的有效性。

针对在相干积累期间转动引起导向矢量误差的分布式目标检测问题，提出了一种稳健检测算法。利用极大似然方法和拉格朗日乘子法对各个距离单元的信号进行估计，得到稳健的广义似然比检测算子。理论分析表明该算法的恒虚警率特性。对两类飞机实测数据的多个仿真结果表明，与传统的广义似然算法相比，该算法检测性能有明显的提高。

针对机载前视阵雷达近程回波距离依赖性严重，直接距离采样估计杂波协方差矩阵会导致地面动目标检测(ground moving target indication, GMTI)性能下降，提出了一种完全基于数据的前视阵雷达处理新方法。该方法利用最小二乘准则对近程的杂波进行变换，然后再进行空时自适应处理(spacetime adaptive processing, STAP)。该方法不需要知道雷达的先验参数，在存在误差的情况下具有稳健性。基于计算机仿真数据的实验结果表明了方法的有效性。

针对现有机动目标跟踪中粒子滤波算法的不足，提出了一种改进的粒子滤波方法。该方法在高斯粒子滤波的基础上通过利用当前时刻量测值对量测误差的分布参数进行实时的统计和更新，并以此得到粒子的权值，从而考虑到了量测值对估计值的影响，该方法适合于量测误差分布为高斯白噪声且状态量与量测误差相关条件下的非线性估计。仿真结果表明，与传统的自举粒子滤波(boottrap particle filter, BPF)、高斯粒子滤波（Gaussian particle filter, GPF)以及无迹粒子滤波（unscented particle filter, UPF)相比，该方法具有较高的精度和较少的计算量。

分析了弹道导弹突防过程中有源假目标航迹的运动学特性，指出和实体目标相比，真假目标运动学特性的差异是一种非显著性差异，这种非显著性差异可以体现在初始参数估计的残差上。对于实体目标而言，其最优估计的归一化残差为高斯分布，而假目标残差为非高斯分布，可以作为鉴别的依据。设计了初始参数的最大似然（maximum likelihood, ML）估计算法，采用LevenbergMarquardt (LM)迭代法进行求解，并利用估计残差设计了假目标的鉴别算法。该方法的优点是不仅可以鉴别假目标航迹，而且对真目标而言，该算法同时是最优定轨算法。仿真结果验证了算法的有效性。

为了有效解决非线性系统中的多传感器多目标跟踪问题，提出了一种修正并行式多传感器不敏多假设滤波算法。算法运用概率数据互联的思想对各传感器的估计量进行概率加权，克服了并行式多传感器算法的误差积累现象，得到了一种修正的多传感器并行式算法。各传感器中量测点迹与航迹的数据互联问题通过多假设方法予以解决，并通过不敏卡尔曼滤波器完成非线性系统中的目标跟踪。仿真结果表明，从跟踪精度及稳定性方面看，所提出的算法性能要优于MSJPDA/EKF算法。

提出了一种改进的辅助粒子滤波算法，采用基本的常规波束形成法对声信号函数进行处理，得到目标的方位谱估计，推导了以目标方位谱函数作为重要采样密度函数的辅助粒子滤波算法。并将此改进的辅助粒子滤波算法同当前统计模型相结合，提出一种基于目标方位谱的辅助粒子滤波当前统计模型自适应跟踪滤波(current statistical modelimproved auxiliary particle filter, CSM-IAPF)算法。最后通过仿真验证此方法能够减少跟踪误差，具有较好的实时性和稳定性。

针对传统匹配滤波对非高斯杂波中的多输入多输出（multiple input multiple output, MIMO）雷达信号分离性能下降的问题，提出一种基于分数低阶统计量的匹配滤波算法。该方法将对称Alpha稳定分布(symmetric Alpha stable, SαS)作为MIMO雷达的非高斯杂波模型，以滤波器输出分数低阶信杂比最大为准则导出最优匹配滤波器系数。分别对相关SαS和非相关SαS杂波条件下的MIMO雷达信号分离进行了仿真。结果表明，该方法可有效实现非高斯杂波中的MIMO雷达信号分离，且在高斯杂波条件下与传统匹配滤波的性能是一致的。

为提高支持向量聚类法对分布复杂、不均匀雷达辐射源信号样本聚类的正确率，提出一种结合剪辑近邻法、K-近邻法和支持向量聚类的无监督分类新方法。先采用支持向量聚类对所有未知样本作预分类，再按照一定的剪辑规则剪掉错误类别，最后利用K-近邻法对剪掉的样本按各已知类别不同分布进行加权分类。IRIS数据和辐射源信号聚类实验结果表明，此方法能平衡数据样本各局部分布，获得全局最优聚类分配。

体系具有复杂性、巨大性和交互性等特征，体系需求的获取和分析则面临方案的不确定性和方案空间庞大等难题，利用启发式搜索算法可以求解规模较大的能力方案，但效率较低。在分析能力方案构成描述中定性、定量等要素特点的基础上，针对不同能力方案求解时算法执行效率差异较大的特征，提出面向智能Agent的三维概率选择矩阵算法，利用智能Agent自学习存储方式，将多种启发式优化算法求解不同类型的能力方案时的效率存储起来，建立三维选择矩阵，求解时动态选择效率高的算法，提高算法整体执行效率。在求解某体系能力规划方案时体现了此算法根据问题动态选择算法的优势。

利用时序加权平均(time order weight averaging operator, TOWA)算子和时序几何平均(time order weighted geometric averaging operator, TOWGA)算子对时序立体数据进行降维处理，并给出了确定时间权重的最小方差法。在事先给定的时间度的情况下，尽可能地寻找一组最稳定的时间权重系数来集结样本值，即寻找一组时间权重系数使其波动最小。最后，运用该方法进行了算例分析，并且将算例结果与熵值规划法进行了比较分析，验证了方法的有效性，总结了最小方差法的特点。

对多指标灰靶决策模型进行了研究。提出了对三种类型指标进行标准化处理的强“奖优罚劣”算子，相较于原有的线性的“奖优罚劣”算子，这种非线性算子进一步加大标准化后同指标各方案的数据的区分度，从而可以提高决策质量。以各方案靶心距平方和最小为目标建立了优化模型，并使用拉格朗日函数求解来得到各指标权重，并以此为基础构建了灰靶决策模型。最后，以实例说明了基于强“奖优罚劣”算子灰靶决策模型的合理性及算法的有效性。

外P-集合(outer packet sets)是P-集合(packet sets)的一个部分,它是P-集合的一个概念；利用外P-集合,提出F-数据与F-数据内-恢复概念；给出F-数据内-恢复定理及内-恢复的属性删除无效原理,利用这些结果给出应用。

针对单机多目标的突防任务，提出了包括干扰时机选择、干扰样式选择以及干扰功率分配的干扰决策策略。在给出干扰时机和干扰样式的模型后，重点分析了干扰功率分配的方法，采用贝叶斯推理算法，构建空战威胁等级评估模型，计算出多个目标的不同威胁权值，最终给出基于威胁等级评估的干扰功率分配方法。仿真结果表明，该方法能充分利用有限的干扰资源，有效地降低敌方威胁，提高载机的突防概率。

针对低轨星座目标连续跟踪的传感器资源调度问题，通过对调度约束因素的分析，提取跟踪精度、资源松弛度和资源分配均衡因子三个优化参数，建立了传感器实时调度模型；并建立长时调度决策树，将标准代价搜索方法和分支剔除技术相结合，提出了一种基于分支剔除的实时传感器调度算法。仿真实验表明，标准代价搜索和分支剔除技术的引入明显降低了调度算法的运算量，尤其对于多目标和大步长的情况，且调度传感器跟踪目标的误差略小于短时调度方法。

针对卫星数传调度问题，建立了任务调度启发式信息体系框架，提出了基于任务开始时间、任务调度收益、任务可用资源灵活度和任务调度冲突度的启发式信息，研究了任务调度启发式信息在卫星数传蚁群优化算法中的应用。针对不同规模场景的仿真结果表明，任务调度启发式信息有助于蚁群算法求解卫星数传调度问题。

飞行器航迹规划方法种类繁多且涉及的领域知识庞杂,快速掌握各规划方法的特点并从中选取合适的方法进行规划十分困难，其原因在于缺乏航迹规划相关领域知识的表示和重用。为了实现方法重用，提高规划效率，采用本体技术描述航迹规划领域中的常用概念、概念的层次结构及概念间的关系，建立了航迹规划领域本体。它不仅能够对航迹规划领域知识进行规范描述，实现从规划问题概念建模到规划模型软件实现的自然过渡，还可以完成规划算法类型的自动推理，帮助规划人员快速分析比较各类算法，建立规划模型，从而实现领域知识重用。

为了解决多属性决策中各属性权值常依赖主观确定的问题，提出了一种基于模糊集和连续粗糙集的武器系统作战能力评价模型。对连续系统样本值归一化后，采用模糊偏序模型对各样本进行排序，建立连续值决策信息表，解决了一般粗糙集需要有决策信息表的问题。进而基于粗糙集属性的广义重要度，计算各属性值的权重系数，避免了因属性值离散化对噪声的敏感而造成的不良后果。结合战斗机空战能力评估，验证了该方法对武器系统作战能力评估的可行性和有效性。

针对多频带雷达融合成像中不同雷达信号间的相干配准问题，提出了一种新的基于雷达测量数据相关的相干配准方法。该方法在相干配准时不需对各雷达数据分别建模，相对于现有文献中采用的基于信号模型的相干配准法，降低算法复杂度的同时消除了建模误差，提高了相位参数估计的精度。对相干配准后的各雷达数据，通过超分辨和最优迭代方法建立全局信号模型，并对空白频带进行数据预测，得到整个频域范围的目标频率响应。仿真结果表明，该方法相干配准时相位参数的估计性能和最终的融合成像性能均优于现有的模型相关方法，且具有良好的抗噪性能。

阐述了基于单轴旋转的捷联惯导系统误差抑制原理。针对旋转捷联惯导系统的粗对准问题，对比分析了解析法和惯性系粗对准法的本质区别与适用范围，利用惯性系对准过程是动态过程这一性质，提出在旋转捷联惯导系统中引入惯性系粗对准法，并进行理论推导与分析。〖JP2〗在三轴摇摆运动形式下，对单轴旋转捷联惯导系统的粗对准过程进行仿真分析，并与不旋转时的粗对准结果相对比。结果表明，惯性系粗对准过程中，惯性测量单元(inertial measurement unit, IMU)的转动调制了惯性器件常值偏差，有效地提高了旋转捷联系统的粗对准精度

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息，并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合，提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。

针对传统的滤波方法容易受系统动态模型不确定性和噪声协方差不准确的限制这一问题，提出一种将高斯过程回归融入平方根不敏卡尔曼滤波（unscented Kalam filter,UKF）算法中的滤波算法。该算法用高斯过程对训练数据进行学习，得到动态系统的回归模型及系统噪声的协方差；采用标准的平方根UKF算法，状态方程和观测方程，相应的噪声协方差由高斯过程实时自适应调整。将应用于飞行器SINS/GPS组合导航，结果表明，该方法能够自适应系统噪声，收敛速度快，导航精度高。

针对一类不确定性系统，进行了重构容错控制算法的研究，通过设计一个虚拟执行器，使故障系统的输出等同于原系统的输出。当执行器部分失效时，提出了一种基于李亚普诺夫理论的重构控制律。当某些执行器完全失效时，提出了一种基于D稳定极点配置和H_∝干扰抑制理论的重构控制律，运用线性矩阵不等式技术寻找可行解，实现了容错的目的。最后，一个飞机模型的仿真实例表明了算法的有效性。

针对同时存在网络时延和数据包丢失的网络环境,研究了执行器故障下一类非线性网络控制系统的鲁棒H_∞容错控制问题。基于不确定T-S模糊模型描述的非线性网络控制系统模型,考虑了更实际、更常见的执行器部分失效情况。通过引入一个积分不等式,获得了此类系统的时滞相关鲁棒稳定性条件,且采用锥补线性化算法给出了此类系统的鲁棒H_∞容错控制器设计方法。仿真算例表明,对于任意容许的不确定性以及执行器故障,所设计的控制器能使系统鲁棒渐近稳定,且具有H_∞范数界。

针对我国导航星座的自主定轨问题，提出基于抗差UD(upper triangular matrixdiagonal matrix)分解滤波的导航星座整网定轨方法。该方法对卫星轨道参数进行整网估计，通过对所有观测资料加权以避免观测粗差的影响，并利用UD分解算法来避免对协方差矩阵的直接求逆而导致的计算机舍入误差过大从而滤波发散。推导了整网定轨的数学模型，给出了抗差UD分解滤波的详细步骤。通过性能分析和仿真计算表明了该方法的可行性与有效性。

传统的卫星导航系统的多系统兼容性分析方法只适用于分析长码、码速率高和数据速率高的信号兼容性。通过推导信号模型，讨论了信号参数对干扰系数的影响，提出了一种更精确的多模全球卫星导航系统（global navigation satellite system, GNSS）系统兼容性分析方法。该方法加入了多普勒的影响，并且考虑了与期望信号同频段内的所有卫星导航信号，适用于任意伪码结构、数据结构的卫星导航信号兼容性分析。最后通过仿真GPS系统内干扰与系统间干扰验证了方法的正确性，并得出Galileo 在E1采用的MBOC信号对GPS C/A信号产生的干扰在0.1 dB以内。

利用非线性动态逆方法的精确线性化功能，结合H_∞控制理论，提出了一种阻力加速度能量标准轨迹的跟踪方法。通过动态逆将非线性的高超声速飞行器系统等效为线性对象，继而考虑非结构不确定性及参数不确定性，采用H_∞控制理论设计外回路鲁棒控制器,实现了标准轨迹的精确跟踪，同时给出了闭环系统的鲁棒稳定性证明。仿真结果验证了该方法的有效性。

提出一种基于最小二乘支持向量机(least square support vector machine, LS-SVM)在线误差补偿非线性动态逆控制器设计方案。首先运用动态逆的双阶段设计方法设计了导弹的逆控制器，即第一阶段采用动态逆方法设计快回路控制器实现对滚转、偏航和俯仰三个通道角速度的跟踪；第二阶段实现慢回路对滚转角、侧滑角和攻角的跟踪；然后，设计LS-SVM在线补偿器，以增强导弹控制系统的鲁棒性。通过仿真分析，验证了该方法的有效性。

蛋白质二级结构预测是公认的生物信息学领域的国际性难题。以基于内在认知机理的知识发现理论(knowledge discovery theory based on inner cognitive mechanism, KDTICM)理论的扩展性研究与数据库中的知识发现（knowledge discovery in database*, KDD*)模型为基础,提出一种基于结构序列的多分类算法——SAC(structural association classification),可以有效地解决蛋白质二级结构预测问题。该算法借助设定支持度阈值的精化知识库的方法,其预测准确率能够超过85%。以该算法为核心，构建了一个蛋白质二级预测模型——复合金字塔模型。实验证明,在RS126、CB513、ILP数据集上的预测准确率均超过80%,超过目前已知的国际主流水平。

针对求解贝叶斯网络最大主子图存在的NP(non-deterministic polynomialtine)难问题，提出了一种基于全条件独立结构的最大主子图连接树（maximal prime subgraph decomposition junction tree， MPD-JT）构造算法。该算法通过道义图上的全条件独立结构得到贝叶斯网络最大主子图，并利用构成这些最大主子图的节点作为簇节点构造连接树，避免了三角化过程，而且在求解过程中通过删除一些符合条件的点，大大降低了算法复杂度。给出了算法的理论证明，通过具体案例分析验证了算法的有效性。

针对条件线性高斯状态空间模型，提出一种新的状态滤波方法，称为Rao-Blackwellized卷积滤波（Rao-Blackwellized convolution filtering, RBCF）算法，算法用卷积滤波器（convolution filter, CF）估计模型中的非线性状态，用卡尔曼滤波器 （Kalman filter, KF）估计线性状态；与Rao-Blackwellized粒子滤波器（Rao-Blackwellized particle filter， RBPF）相比，算法使用了基于核函数的CF，提高了在小噪声条件下的估计精度。RBCF滤波算法应用于机动目标跟踪的仿真结果表明：在小噪声条件下,RBCF的估计精度明显高于RBPF，其对位置和速度估计的均方根误差比RBPF低一个数量级以上。而且随着噪声进一步的减小，这种优势将更加明显。

采用粒子滤波的目标跟踪算法在粒子数目较多时计算量大、实时性差，针对该问题提出了一种新的基于支持向量机数据融合的实时粒子滤波算法。该算法在估计窗实时粒子滤波的基础上，使用支持向量机融合窗内不同时刻粒子集，并根据融合的结果更新粒子权值，实现对目标状态的快速跟踪。相对于原算法采用最小化Kullback-Leibler距离来调整估计窗混合分布的权值，该方法的计算复杂度低、速度快，进一步提高了算法的实时性。对纯角度目标跟踪问题的仿真结果表明了该算法的可行性和有效性。

针对传统运动背景补偿算法难以适应大角度旋转的应用场合，提出了一种改进的圆投影向量的背景补偿方法。该算法首先利用图像熵自动选择合适的图像参考块，以增强算法的实用性；其次对传统的圆投影向量进行了改进，增加了相位向量以获取背景的旋转参量，并采用核函数定义各像素点的距离权值，从而可以获得更加准确的结果。最后给出了算法步骤,并利用实测数据进行验证。通过仿真实验证明了该算法在各种场景、各种运动情况下的有效性以及对噪声、光照等因素具有鲁棒性。

针对并行测试任务调度复杂、难以优化的问题，提出了一种基于自然数遗传算法的任务调度优化算法。该算法将并行测试任务调度转化为对串行测试任务序列的搜索，为了提高搜索效率，引进自然数编码遗传算法搜索最优解或近似最优解，将串行测试序列作为染色体，进行选择、交叉、变异等操作。通过仿真证明该算法能够迅速得到并行测试任务调度的最优解或近似最优解。对自然数编码遗传算法的各个算子对模式的作用进行了理论分析，并得到了对应的模式定理，从理论上说明了该方法的合理性。

针对多用户多输入多输出正交频分复用(multiple input multiple output-orthogonal frequency division multiple, MIMO-OFDM)系统的上行链路提出一种基于非合作博弈模型的跨层资源分配算法。基站为用户分配初始上行速率后，各用户间通过非合作博弈方式实现功率最小化。功率未饱和的用户向基站申请增加吞吐量，基站在调整用户吞吐量时综合考虑用户信道条件与媒体访问控制（media access control, MAC）层缓存的状态。仿真表明，算法既降低了用户终端的功率开销，同时兼顾了多用户间的公平性。