给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器。分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l₂范数时, 就构造了一个新的准则。由于Huber损失函数可同时描述l₁和l₂范数, 因此由这个新准则推导的卡尔曼滤波器, 在具有传统卡尔曼滤波器性质的同时, 也有了l₁范数对异常值鲁棒的特性。而当含异常值的观测噪声统计分布未知时, 利用含未知参数的高斯混合模型描述其分布以及变分贝叶斯推理, 提出了对异常值和未知统计分布观测噪声鲁棒的卡尔曼滤波器。仿真和实验在验证了分析结果正确的同时, 也表明提出算法的性能优于现有文献报道鲁棒类的卡尔曼滤波器。

为解决通信辐射源识别中传统的人工特征提取方法鲁棒性不足和深度学习方法需要大量带标签目标域数据的问题, 提出一种基于深度残差适配网络的通信辐射源个体识别方法。应用深度学习技术实现从源域到目标域上的迁移识别, 只需要将带标签的源域数据和无标签的目标域数据进行训练。原始通信辐射源信号经过预处理后输入网络训练, 将源域和目标域的分布差异和网络的损失函数作为优化目标, 反复迭代得到最终模型。在实际采集的通信辐射源数据集上的实验结果证明了该方法的可行性和有效性。

在全球导航卫星系统(global navigation satellite system, GNSS)的应用中, 电离层垂直总电子含量(vertical total electron content, VTEC)是直接决定电离层延迟误差的重要参数。为提高其短期预报精度, 在综合考虑地磁扰动影响的基础上, 提出了小波分解与Prophet框架融合的时间序列预报模型, 并基于全球电离层模型(global ionosphere model, GIM)格网数据进行了对比实验。通过均方根误差、平均绝对误差、平均绝对百分比误差3项指标评估了预测结果, 并分析其预报残差。结果表明在不同条件(电离层平静期与活跃期)下, 该模型的预报精度均较高, 优于未改进的Prophet框架, 显著优于自回归移动平均(autoregressive integrated moving average, ARIMA)模型, 在中、高纬度地区有良好的适用性。

针对正交振幅调制(quadrature amplitude modulation, QAM)信号, 在预测方法的盲均衡框架下, 基于卡尔曼滤波(Kalman filter, KF)提出了一种新的神经网络在线盲均衡算法。采用复数型极限学习机(complex extreme learning machine, C-ELM)作为非线性预测滤波器(prediction filter, PF), 用KF实时更新C-ELM的输出权值以使预测误差达到最小, 再通过自动增益装置调整信号的幅度变化, 最后引入相位调整因子纠正信号的相位旋转。仿真结果表明, 所提算法实现了良好的实时均衡效果, 具有较快的收敛速率和较小的稳态均方误差, 不仅适用于方形, 同时也适用于十字形QAM信号的盲均衡。

针对常见的一维线阵列和二维平面阵存在能量转化率低、成本高和加工精度要求高等问题, 在构建任意三维阵列的指向性函数的基础上, 设计了一种旋转抛物面型换能器阵列。将平面型换能器阵列旋转成抛物面型，利用指向性函数确定旋转抛物面型换能器阵列相应参数的最优值。仿真对比实验及其分析表明, 该新型阵列可以在减少换能器阵元使用数量、增大阵元间距的同时, 改善阵列的指向性, 并能提高声能量转化效率, 使更多的声能集中在主瓣方向。

为提高小样本条件下航空电子设备模块级故障诊断精度, 基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning, LMKL)的局部特征表达能力, 提出一种新的局部多核超限学习机(local multiple kernel extreme learning machine, LMKELM)诊断模型。通过引入局部密度的概念进行自适应确定聚类数目, 并结合模糊C均值聚类对样本进行划分, 在充分体现类内多样性的同时, 约减了计算复杂度, 实现对样本的动态软聚类。通过构造选通函数解决局部权重二次非凸问题, 融合近似得到的局部权重与隶属度信息, 实现对测试样本的故障诊断。将该模型应用于某型机旋转变压器激励发生电路, 实验结果表明, 相比于4种前沿的多核学习方法, 该算法在漏警率、虚警率方面表现优异, 选用的M₁与M₂选通函数分别将诊断精度平均值提升2.78%和4.37%。

针对现有多输入多输出(multiple input multiple output, MIMO)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题，提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法, 通过引入目标块稀疏特征, 提高对空间扩展目标的成像质量。首先, 通过构造距离向和方位向感知矩阵, 建立目标散射系数估计的块稀疏矩阵恢复模型。然后, 采用分块二维序列一阶负指数(sequential order one negative exponential, SOONE)函数对目标块稀疏特征进行提取。最后, 利用梯度投影算法对块稀疏矩阵范数优化问题进行求解, 在欠采样条件下得到目标高质量图像。相比于传统成像算法, 所提算法可以在实现对扩展目标高分辨成像的同时, 降低数据采样量, 且具有较高的准确性、鲁棒性和较低的运算量。仿真实验验证了所提成像算法的有效性。

针对相控阵雷达工作模式识别的问题, 提出一种基于优化序列提取的雷达识别方法。首先，对相控阵雷达搜索和跟踪的工作模式进行分析, 建立工作模式序列模型。其次，通过剔除Needleman-Wunsch方法中的多余数据简化运算流程, 提出一种优化的雷达信号公共序列提取算法。然后，通过理论证明了所提算法的高效性, 并给出算法识别效果的评价准则。最后，结合雷达工作模型和所提算法, 对不同跟踪条件下雷达的识别效果进行仿真, 并对比了优化前后的运算时间。仿真结果表明, 所提算法在多种跟踪条件下, 均有较高的效率, 并且能保持91%以上的识别率。

针对机载雷达风电场杂波建模及影响分析研究相对较少的问题，将机载阵列天线回波模型与风轮机散射点叠加模型相结合, 研究雷达处于机载平台时的风轮机回波信号建模问题。首先，建立了任一观测点处的风轮机回波信号模型, 然后对风轮机回波在距离-多普勒域、时频域和空时域的特征进行了分析, 并与理论分析结果进行对比, 最后验证了回波模型的有效性。

旋转相控阵雷达由于天线面阵旋转和电子波束偏移限制, 每天线周期有66.7%左右的时间不能照射到正在跟踪的目标, 可连续取值的自适应变数据率跟踪算法不适用于旋转相控阵雷达。在Cohen研究基础上, 提出一种离散取值的变数据率跟踪算法应用于旋转相控阵雷达目标跟踪。该算法在直角坐标系下进行运动状态估计, 在球坐标系下计算跟踪残差, 利用量测噪声对残差进行归一化, 根据当前采样时刻天线法线方向与目标的相对位置确定下个周期的采样周期, 避免了过程噪声计算复杂等问题。最后, 以一个圆周机动的目标为例仿真验证了所提算法的正确性和有效性。

针对雷达小样本目标识别问题, 结合元学习和迁移学习提出一套综合解决方案, 旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式, 从而提升雷达小样本目标识别效率和准确率。同时，通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化, 得出两个可有效指导工程化应用的重要结论。元学习模型在源任务信息充足且源任务与目标任务间差异性小时性能表现良好, 否则迁移学习方法更适用; 小样本学习模型对雷达目标外在特征的关注度不同, 以识别为目的的雷达成像应重点关注模型需求的显著性特征。

雷达通信一体化能有效整合系统射频资源, 可利用射频前端同时实现目标探测和通信。针对一体化中存在的随机通信数据引起的高距离旁瓣及严重的回波遮掩性问题, 提出了一种基于离散傅里叶矩阵循环扩展的互补码构造方法, 设计了一种新的基于完全互补码的雷达通信一体化方案, 该方案采用扩频多载波信号形式。理论分析和仿真结果表明, 所提出的信号设计方式能够获得低距离旁瓣, 有效地解决近距离探测的问题, 又可以满足通信多用户传输的需求, 符合基于信号共享的雷达通信一体化设计要求。

由于传统主动学习方法的计算量随着问题规模的增大呈指数增长, 因此很难应用于大规模多类数据分类任务中。为解决该问题, 设计了一种基于子抽样的主动学习(subsampling-based active learning, SBAL)算法。该算法将无监督聚类算法与传统主动学习方法整合, 在二者之间增加了子抽样操作, 该操作能够显著降低算法的时间复杂度, 在保证实验准确率的基础上减少实验耗时, 从而更加高效地处理大规模数据集的分类问题。实验结果显示, 采用SBAL算法的实验性能优于传统主动学习算法, 证明了所提算法可以突破传统主动学习方法不能处理大规模数据集多类别分类问题的局限性。

针对要地反导作战己方目标重要性排序问题, 创新性地提出一种基于图论与网页排名(PageRank, PR)算法的排序方法。首先, 采用图论方法将各目标之间各种静态、动态关系网络抽象成二维拓扑结构图, 确立在不同关系下各目标之间的相互联系。其次, 根据要地反导作战实际情况，结合专家意见对静态、动态关系网络的重要程度进行打分。基于PR算法思想, 根据构建的目标关系模型, 计算己方目标关系矩阵及重要度值, 给出目标排序。最后, 结合要地反导作战案例进行验证分析。结果表明，该方法能够综合目标排序时的多方面因素, 给出科学、合理的重要性排序, 具有一定的可推广性和应用前景。

针对舰船后续批次订货中设计变更对建造成本的影响, 结合累积建造批量对舰船成本的降低作用, 提出采用欧式距离法计算舰船设计变更前后的相似度, 并根据相似度构建设计变更后的批量订货成本估算模型。在此基础上, 针对不同的舰船订货批量, 根据舰船首批次订货成本节约和超支两种情况, 分别通过调整目标价格和目标利润, 构建设计变更下面向成本节约的激励性梯次定价模型和面向成本超支的激励性梯次定价模型, 且在估计成本与实际成本一致时, 面向成本超支的激励性梯次定价模型退化为成本加成模型。最后通过算例验证了所提模型的可行性和有效性。

为了提高机场机位运行效率, 对机位运行过程进行精确分析描述。在分析机场进出港航班机位运行流程的基础上, 将机位运行过程抽象为时空关联网络，定性描述航班与机位的逻辑关系, 使用航班时间窗、机位地理位置等特征参数定量描述机位运行信息, 由此构建一种基于时空关联网络的机场机位运行过程定量描述模型。利用国内某大型枢纽机场实际机位运行数据对所提模型进行分析验证, 结果显示，时空关联网络模型符合幂律分布, 58.62%的节点平均误差为0.172 4 h, 节点度分布均值为0.666 7, 聚集系数均值为0.807 5。节点度分布较高和聚类系数较高的节点为关键节点, 对应影响力较大的关键航班；较现有模型, 描述态势信息的宏观微观特征参数提升了场景描述精度并能有效适应数据规模的变化。

由于高轨高价值卫星在轨时面临诸多威胁, 探索高轨卫星平台在轨顽存技术体系(technology system of on-orbit strong survivability, TSO²S²)有利于提升平台在轨生存能力。针对这一情况, 系统地定义了TSO²S²内涵, 从分析威胁源出发, 建立以告警和防护为手段的顽存技术体系。首先, 将8种威胁分为被动型和主动型, 分别阐述威胁机理, 采用定性和定量结合的方法分析其损伤效应。其次, 提出天地一体的平台防护方案, 设计兼顾空间碎片、激光等5类威胁的综合告警设备。最后, 系统总结了防护技术方法, 为高轨卫星平台提升在轨安全性提供参考。

针对目标威胁评估问题的高维数、时变性等特点, 提出基于动态灰色主成分分析(dynamic grey principal component analysis, DG-PCA)的多时刻威胁评估方法。首先, 以潜艇为分析对象, 构建协同作战模式下的威胁评估指标体系。其次, 提出扩展灰色相似关联度用于表征指标间动态非线性相关度, 构建用于多元非线性时间序列分析的DG-PCA模型。最后, 结合层次分析法(analytic hierarchy process, AHP)与时间序列赋权, 建立基于加权DG-PCA的多时刻威胁评估模型。分析结果表明, 所提方法能够融合多时刻信息, 符合作战实际, 并且在小样本情况下具有较好的数据提取能力。

针对导弹部队多波次作战任务规划问题, 依据无人机的实时数据, 构建了基于路径的多层规划模型, 并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法, 得出了任务规划中的最优路径规划, 并在此基础上进行了冲突的消除。通过仿真案例表明, 用无人机协同配合导弹部队作战, 实时传输作战数据, 能够解决战场信息模糊不确定的问题; 使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法, 能够避免局部最优导致无法输出结果的现象。

将人工智能应用于兵棋推演的智能战术兵棋正逐年发展, 基于Actor-Critic框架的决策方法可以实现智能战术兵棋的战术行动动态决策。但若Critic网络只对单算子进行评价, 多算子之间的网络没有协同, 本方算子之间各自行动决策会不够智能。针对上述方法的不足, 提出了一种基于强化学习并结合规则的多智能体决策方法, 以提升兵棋推演的智能水平。侧重采用强化学习对多算子的行动决策进行决策分析, 并结合产生式规则对战术决策进行规划。构建基于Actor-Critic框架的多算子分布执行集中训练的行动决策模型, 对比每个算子互不交流的封闭式行动决策学习方法, 提出的分布执行集中训练方法更具优势且有效。

考虑战场环境和战时装备维修保障评估合成部队多阶段作战任务成功概率, 对于辅助合成部队作战任务规划和装备维修保障决策具有重要的现实意义。在分析合成部队装备和合成部队装备维修保障模式的基础上, 构建了战时合成部队多阶段任务剖面; 通过对合成部队作战过程的分析, 提出了战时合成部队各阶段任务成功要求; 充分考虑合成部队多作战单元任务的协同性、合成部队装备的多样性及其战时随机共因失效(random common cause failure, RCCF)、战场环境下敌方火力打击和阶段任务时间的随机性、换件修理时间的不确定性等复杂因素, 利用蒙特卡罗仿真(Monte Carlo simulation, MCS)原理给出了合成部队多阶段作战任务成功概率评估的详细仿真流程, 并通过算例进行仿真和结果分析。研究结果表明:本文模型可用于合成部队多阶段作战任务成功概率评估和战斗阶段持续时间优化, 并为战时合成部队备件携行方案优化奠定了模型基础。

针对电动舵机结构, 建立了一种考虑减速器等效刚度的舵机模型。利用描述函数法, 分析了舵机在考虑传动间隙情况下诱导的极限环, 进而分析了在有无舵片所受摩擦力情况下极限环的频率特性。针对该类传动非线性, 提出了一种工程上可实现的负反馈力矩机制来改变舵机在间隙区间的运动模态, 从而抑制极限环振荡, 并且给出了负反馈系数的选取准则。最后进行了数值仿真, 结果表明该模型能预测极限环的频率, 负反馈力矩机制可以在不影响系统伺服性能的情况下抑制极限环振荡。

针对导弹以固定终端攻击角拦截机动目标的制导问题, 提出一种三维自适应有限时间超螺旋滑模制导律。首先，利用相对运动质点模型将三维制导问题转换为二阶视线角系统的控制问题。其次，构造一种多变量非奇异的快速终端滑模面, 结合改进型超螺旋算法, 设计了有限时间超螺旋滑模制导律。同时, 通过参数自适应增益实时在线估计目标机动引起的外部扰动上界, 设计了自适应有限时间超螺旋滑模制导律。然后，利用Lyapunov稳定性理论进行了闭环系统有限时间收敛性能分析。最后，通过仿真分析验证了所提方法在保证良好拦截精度的同时, 具有更强的鲁棒性和更高的终端攻击角控制精度。

为克服时钟钟差对脉冲星方位误差估计的影响, 设计了两步卡尔曼滤波(two-stage Kalman filter, TSKF)算法。首先, 分析时钟钟差对脉冲星方位误差估计的影响, 并通过仿真进行验证。其次, 结合脉冲星方位误差估计原理重新推得考虑时钟钟差的状态和观测方程。再次, 根据TSKF算法, 在估计方位误差的同时解耦估计时钟钟差。最后, 仿真结果显示, 当钟差导致传统算法估计偏差较大时, TSKF算法依然能有效抑制钟差的影响, 使赤经和赤纬误差估计精度均保持在0.1 mas以内。

针对多无人机目标跟踪问题中存在的相位协同时间长和跟踪目标速度受限问题, 基于图Laplacian方法提出一种分布式多机编队目标跟踪算法。首先, 将无人机编队队形控制问题转换为基于旋转、缩放和平移的运动参数组设计问题, 并通过设计编队控制律, 实现动态编队队形的精准生成与变换。其次, 将此编队队形控制方法应用到目标跟踪问题上, 通过分析不同目标速度下的跟踪情况建立相应的跟踪模型, 实现无人机编队对目标进行快速协同跟踪, 并克服跟踪目标速度限制问题。最后, 仿真结果验证了所提方法的有效性和优势。

针对编队卫星的在轨服务任务, 提出一种基于绳系卫星系统的服务方案。该系统由质量较小的服务航天器和质量较大的燃料站通过系绳连接构成, 以被服务编队卫星参考中心为原点建立坐标系与相对动力学模型。基于伪谱法研究了综合考虑系绳的状态与控制约束的绳系多星服务最优控制策略。以空间圆构型的编队卫星为例, 分别分析了绳系卫星系统和单卫星平台服务3/4/5颗编队卫星的推进剂消耗, 并讨论了绳系系统的优势与不足。仿真结果表明, 绳系服务比单卫星平台的方式节省推进剂, 而且服务目标数越多时优势越明显。

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。

大规模多输入多输出(multiple input multiple output, MIMO)系统中，信道估计算法复杂度随着基站侧天线数量的增加而急剧增加, 针对需要在信道估计算法复杂度与算法性能之间进行折中的问题，提出分布式压缩感知线性最小均方误差(distributed compressed sensing linear minimum mean square error, DCS-LMMSE)算法。该算法利用信道的空时共稀疏性, 首先根据先验支撑集信息将接收信号分为密集部分和稀疏部分, 然后分别采用不同的算法进行初始信道估计, 最后采用奇异值分解代替信道相关矩阵求逆进一步降低DCS-LMMSE算法复杂度。所提算法与传统线性最小均方误差算法相比明显地降低了计算复杂度。仿真结果表明, 所提算法与纯压缩感知稀疏信道估计算法相比具有更好的性能。

为了提高稀疏码多址接入(sparse code multiple access, SCMA)系统的资源利用率, 提出一种基于遗传算法的混叠式非正交多址接入(non-orthogonal multiple access, NOMA)方法。该方法利用NOMA的过载特性, 允许相同的资源单元同时混叠承载调度接入和随机竞争接入业务, 从而实现了两种接入方式的细粒度融合。进而, 设计基于遗传算法的混叠式NOMA资源分配算法, 将两种接入方式的总容量作为优化目标以及遗传算法的适应度, 通过交叉和变异操作的多次迭代来优化资源分配效果。仿真结果表明, 所提方法相较于其他方法在各种场景下均能够获得更高的吞吐量性能，能够有效地联合支撑调度接入和随机竞争接入, 提高NOMA系统的资源利用率。

针对传统模糊测试方法虽能发现传输层安全性(transport layer security, TLS)协议实现库内存漏洞, 但无法找到其中逻辑漏洞的问题，基于模型检测的方法, 提取TLS协议实现库的状态机模型, 建立协议安全属性模型, 寻找协议实现中可能存在的异常行为, 实现对协议实现库的自动化和系统化的分析。对利用测试用例生成的协议实现库状态机进行安全属性建模, 利用NuSMV工具, 对提取的模型进行模型检测。实验结果证明所提方法能够有效分析TLS协议实现库的状态机模型, 找到协议实现库存在的逻辑漏洞及与规范不一致的缺陷。

随着卫星星座及卫星数量的不断增多, 卫星测控中海量用户多址问题亟待解决。稀疏码分多址接入(sparse code multiple access, SCMA)技术能在有限信道资源上承载更多用户, 有望解决大规模卫星的多址测控问题。针对传统的SCMA译码方式——消息传递算法(massage passing algorithm, MPA)译码性能不理想的问题, 提出基于SCMA和卷积编码的联合检测译码(joint detection and decoding, JDD)算法, 进行多轮对数似然信息的更新以及多卫星数据交叉提供概率域的迭代, 以提高系统译码性能。分析和仿真结果表明, 采用基于SCMA和卷积编码的JDD算法可有效提高天基测控系统用户容量, 并保证在算法复杂度适中的情况下有效提高系统误比特性能。

针对移动通信流量需求持续增长的需求, 同时考虑用户接入点选择和下行功率控制, 对去蜂窝大规模多输入多输出(multiple input multiple output, MIMO)系统的用户体验进行优化。基于最大信号干扰加噪声比, 为每个用户选择有效的服务接入点子集。在此基础上, 针对为不同优先级用户提供不同服务质量的目标, 建立长期功率约束下的下行链路加权功率控制优化问题模型。将该问题转化为凸优化问题, 求解得出一组优化的下行链路功率控制系数。算法经仿真验证, 能将去蜂窝大规模MIMO系统的95%用户频谱效率提升约11倍, 同时有效提升高优先级用户的体验, 对于去蜂窝大规模MIMO系统的研究具有一定参考意义。