针对原始局部投影降噪算法的局部邻域选取问题和子空间划分问题, 提出了一种基于模糊递归图和最优硬阈值准则的局部投影降噪算法。首先，利用模糊递归图确定局部邻域范围; 然后，再对邻域矩阵进行奇异值分解, 并利用最优硬阈值准则对局部邻域的信号子空间和噪声子空间进行划分; 最后，进行投影去噪。Lorenz信号的仿真结果表明, 所提方法能够提高信噪比并降低均方误差, 恢复原始吸引子的形态结构。对实测含噪心电图信号进行处理后, 信噪比显著提高, 验证了本方法的有效性。
针对混合多基线系统构型下由动目标高程导致的目标径向速度估计偏差和定位偏差问题，提出一种基于路网信息辅助的动目标径向速度估计与重定位方法。首先，利用目标邻域杂波样本估计动目标的高程干涉相位导向，并结合路网先验信息补偿目标成像位置与其真实位置之间的高程差；然后，采用自适应匹配滤波算法估计目标的径向速度，并进一步将目标径向速度估计及重定位结果与路网信息进行匹配，以消除虚假估计；最后，将目标径向速度估计与重定位结果用于辅助目标高程补偿，并通过迭代处理获得最终结果。基于多星仿真数据的实验结果表明，所提方法能够有效消除目标高程影响，提升多星编队系统在地形起伏背景下的目标径向速度估计和重定位性能。
由于侦察干扰机设备具有发射功能, 为使发射的干扰信号还具有探测的效果，考虑将探测信号隐藏在干扰信号中, 提出一种基于非均匀间歇采样重复转发的探测干扰一体化信号波形。首先，建立一体化信号模型, 并利用非均匀间歇采样重复转发技术实现幅度编码调制；然后，在优化过程中，从模糊函数以及雷达检测环节分析一体化信号的特征, 根据距离、速度分辨率以及脉压后幅度的均值与标准差之比，构造相应的目标函数；最后，利用深度Q学习算法求解目标函数, 获取最优的幅度编码方式。仿真结果表明, 当编码状态量小时, 深度Q网络(deep Q-network, DQN)算法与强化学习算法收敛效果一致。与遗传算法相比, DQN算法最优解的质量提高了13.10%;当编码状态量增大时, 相对于遗传算法和强化学习算法, DQN算法的收敛值更优, 最优解更稳定。
对半实物射频仿真中的三元组馈电系数计算公式进行了修正, 使之能够克服比相式单脉冲雷达导引头的射频仿真的三元组近场效应问题。通过分析仿真场景与真实场景之间的等效性方程, 给出了可以方便使用的馈电系数修正公式。该公式可以仅依赖导引头天线基线长度, 而无需依赖基线的方向。还给出了三元组近场误差的解析表达, 指出三元组构型是造成近场误差各向异性的原因, 并指出三元组近场误差可以分解为与导引头自旋无关的固定误差部分，以及与导引头自旋有关的可变误差部分。
船载重力测量是获取海洋地球重力场的重要方法之一, 为提高船载重力测量数据的精度, 采用Db8小波和Haar小波两种小波变换方法, 分别对添加了两种随机噪声的某海域重力测量数据进行降噪处理与分析。结果显示, 经Db8小波处理的数据绝对精度分别提高了1.024 2 mGal和9.274 7 mGal, 相对精度分别提高了71%和93%;采用Haar小波变换后, 绝对精度分别提高了0.804 4 mGal和9.109 5 mGal, 相对精度分别提高了56%和91%。两种小波变换方法处理后的数据均能够很好地保留数据基本变化趋势、为重力勘探判别物体提供判别依据。
现有时频分析方法对目标进行微多普勒分析时的时频分辨率不足。针对该问题，提出了基于聚类先验求解前后向时变自回归(time-varying autoregressive, TVAR)模型的时频分析算法，来进行空间锥体目标的微多普勒分析。使用基于扩展块稀疏贝叶斯学习(extended block sparse Bayesian learning, EBSBL)的改进算法对TVAR模型的时不变块稀疏系数采用了聚类结构的先验, 通过适当处理邻域的超参数来促进相邻稀疏系数之间的相关性, 并结合刚体目标的时不变块稀疏系数的块边界已知的先验信息来求解时不变系数。电磁仿真和实测数据实验结果表明, 所提算法在微多普勒分析时能够得到较传统方法更高的时频分辨率, 时频聚集性更高, 并且抗噪声性能较好。
为解决传统多维分配算法在多局部节点航迹关联中的运算量爆炸问题, 提出一种应用于多局部节点的异步航迹快速关联算法。首先, 引入虚拟航迹插值重构量测航迹, 然后定义虚实混合航迹序列的时序离散度(temporal discrete degree, TDD), 并在此基础上采用重新设计的多维次序匹配算法进行航迹关联判定, 待判定结束后进行TDD线性趋势系数(TDD-linear trend coefficient, TDD-LTC)检验, 以排除关联的多义性。仿真结果表明, 相同条件下, 所提算法在不损失正确关联率的同时, 可极大提升关联速度, 且在多局部节点、目标密集等情况下关联速度更具优势, 明显优于现有算法。
现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction, GTD)的模型参数, 但不能处理非均匀不完备的雷达散射截面(radar cross section, RCS)数据。此外, 通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上述问题, 提出一种基于迭代加权最小二乘(iteratively reweighed least squares, IRLS)的跳频模式下GTD散射参数提取和RCS重构方法。该方法将稀疏重构理论与GTD散射模型相结合, 能够在RCS数据非均匀不完备的条件下反演散射参数和实现RCS重构。仿真数据和电磁计算数据用于验证所提方法的有效性, 实验结果表明该方法对降低暗室步进频率RCS的测量成本和扩增雷达RCS数据具有重要意义。
主瓣距离欺骗式干扰对真实目标的估计精度以及目标跟踪的准确性都会产生极大的影响。针对主瓣距离欺骗式干扰抑制问题, 基于脉冲编码-多输入多输出(element pulse coding-multiple input multiple output, EPC-MIMO)雷达, 针对主瓣距离欺骗式干扰的脉冲重复频率(pulse repetition frequency, PRF)大于等于两个发射脉冲重频情况, 提出了一种抑制主瓣距离欺骗式干扰的算法。在EPC-MIMO雷达主瓣距离式干扰抑制算法中, 首先利用线性调频信号对雷达系统中雷达发射-接收通道的信号进行幅相误差校正; 其次通过分析雷达回波中真、假目标的脉冲信号差异, 对EPC-MIMO雷达的回波进行匹配分离, 从而获得转发式干扰的规律; 最后对雷达回波的筛选达到抑制假目标的目的。通过对雷达实测数据的分析, 验证了该方法能够有效解决主瓣距离欺骗式干扰抑制问题, 提升雷达在复杂电磁环境的抗干扰性能。
当干扰从雷达波束主瓣进入时, 传统的空域抗干扰方法不仅无法抑制主瓣干扰, 还会引发主瓣畸变、旁瓣抬升等问题, 严重影响机载雷达目标检测性能。针对该问题, 提出了一种基于双基地配置的机载雷达杂波和主瓣压制干扰抑制方法。该方法首先针对主、辅雷达分别形成多个相邻空域波束; 然后, 对波束形成后的数据进行脉冲多普勒(pulse Doppler, PD)处理, 并在距离-多普勒域对主、辅雷达的干扰信号进行配对处理。在此基础上, 在主、辅雷达对应的多普勒通道通过时域自适应滤波抑制干扰; 最后, 联合相邻波束的数据通过降维空时自适应处理(reduced-dimension space-time adaptive processing, STAP)抑制剩余的杂波。仿真结果表明, 所提方法能够有效抑制杂波和主瓣压制干扰, 与传统采样矩阵求逆(sample matrix inversion, SMI)方法和局域联合处理(joint domain localized, JDL)方法相比, 对信干噪比性能分别改善了约20.6 dB和21.5 dB。
针对预警雷达对气动目标协同识别的需求, 提出一种自适应权重双输入自注意力残差融合识别方法。通过分析不同波段雷达对气动目标的微动差异性, 在传统卷积块注意力模块(convolutional block attention module, CBAM)残差网络的基础上进行针对性改进, 设计加权双输入CBAM(weighted double input-CBAM, WDI-CBAM)残差结构, 对两种波段的时频图浅层特征自动分配权重并融合, 从而均衡不同波段对目标识别的贡献度。仿真和实测数据处理结果表明, WDI-CBAM残差网络训练代价小, 在信噪比较低及驻留时间较短的情况下识别率高。可视化结果进一步证明了所提方法能够合理分配不同波段输入对气动目标分类的重要性。
针对低信噪比条件下雷达信号识别率低, 以及分类网络不具备识别样本库新添加信号类型的局限, 提出了一种基于深度残差收缩注意力网络的雷达信号识别方法。通过网络将一维雷达信号映射到32维向量空间。网络中的残差连接能有效强化特征的传播能力, 解决网络过深无法训练的问题; 注意力机制的引入, 不仅构建掩码支路充当主干支路的特征选择器, 还能够帮助网络自适应地选择合适的阈值进行软阈值化, 从而减少网络中噪声或者冗余信息的影响, 提高网络对噪声的鲁棒性。训练过程中排序表损失(ranked list loss, RLL)和分类损失函数共同指导网络训练。RLL能够有效克服传统度量学习损失函数忽略类内特征的问题, 分类损失函数能够弥补度量损失优化下对样本整体分布不敏感的问题。实验表明, 该方法在提高低信噪比雷达信号识别准确率的同时仍具有识别样本库新添加信号类型的能力。
多视角多频带逆合成孔径雷达(inverse synthetic aperture radar, ISAR)融合成像技术克服了单雷达成像分辨率受发射带宽和观测视角的限制, 是提高ISAR成像的二维分辨率的新手段。在宽带小角度观测条件下, 针对目标散射系数随频率变化的情况, 提出一种基于几何绕射理论(geometrical theory of diffraction, GTD)模型的多视角多频带ISAR融合成像方法。首先, 以GTD模型为基础建立ISAR成像回波模型; 然后, 将多视角多频带ISAR融合成像问题转化为信号稀疏重构问题, 并采用正交匹配追踪算法求解, 在保证融合成像质量的同时提高了的成像效率; 最后, 利用仿真实验验证了所提方法的有效性。
针对作战体系(operational system-of-system, SOS)因装备功能各异、交互关系复杂、高对抗性导致的关键装备难以识别的问题, 引入杀伤链的分析思想对其进行求解。首先, 提出了作战体系网络模型构建方法, 给出了杀伤链的定义与基本类型。其次, 提出了基于蒙特卡罗抽样的网络状态转化方法, 实现了网络边权值与边存在性的转化; 根据子图同构匹配理论, 给出了基于改进Ullmann算法的杀伤链搜索方法; 以对杀伤链形成的综合影响为切入点, 构建了节点重要度指标R。最后, 利用所提方法对某空中拦截任务体系网络的关键节点进行识别, 并与现有方法的结果进行对比, 验证了所提方法的合理性和有效性。
实现对卫星网络空间威胁的态势感知, 是太空网络安全防御的前提。针对卫星网络空间安全防御, 提出了卫星网络空间威胁态势感知需要回答的一系列问题, 构建了卫星网络空间态势感知本体(ontology of cyberspace situational awareness for satellite, OntoCSA4Sat), 用于对卫星网络空间多源情报进行自动关联和推理。通过对一个案例进行表示和推理实验, 验证了OntoCSA4Sat的一致性和用于推理解决卫星网络空间威胁态势感知问题的可行性, 表明OntoCSA4Sat可为卫星网络空间威胁的态势感知提供分析框架, 为太空网络安全防御辅助决策提供支撑。
对于由一般灰数型面板数据的指标排列顺序变换引起的灰色关联序不一致问题, 构建了灰色重心三角曲面关联分析模型。首先, 基于排列组合原理将样本矩阵分解为二元指标子矩阵, 并给出样本矩阵的一般灰数元素的核和上下界。其次, 给出由二元指标子矩阵相邻四点的上下界所确定的几何体的重心, 并确定了由核及重心所构成的空间重心三角曲面。然后, 以空间重心三角曲面作为曲顶的柱体体积, 构建了关联系数公式, 得到一般灰数型面板数据的灰色关联分析模型。最后, 将所提模型应用于复杂装备供货商的选择问题, 验证了所提模型的合理性和有效性。
构建精确航空安全预测模型确定事故及其致因因素变化规律, 对航空安全智能管理与主动决策具有重要意义。为此, 提出一种基于Bow-tie模型组合的随机森林算法用于航空安全因果预测, 完成安全预测模型参数优化、致因变量贡献排序。首先, 基于Bow-tie模型开展航空安全致因因素的关联辨识, 确定安全致因变量。其次, 以某航空公司2017~2019年民航安全数据: 管理因素、环境因素、飞机因素、人的因素、外在因素等为研究对象, 基于随机森林构建航空安全因果预测模型, 开展预测变量的重要性分析、模型构建和预测精度分析。结果表明, 该方法能有效预测航空安全关键因素及航空安全态势的变化趋势。同时，该方法与相关向量机、神经网络做了性能对比, 所提模型在预测性能和稳健性均占优。此外, 变量重要性分析结果表明: 环境因素对2017~2019年航空安全影响最大, 需要重点管控; 反之, 管理因素对于航空安全影响最小, 可忽略。
兵棋推演是预演战争、模拟作战的科学方法, 全球化趋势对兵棋推演的推演范围和灵活程度提出了更高要求。采用六边形全球离散格网系统建立广域多尺度兵棋地图，并在推演案例中检验了其作用。首先, 提出栅格及矢量数据六角格量化方法; 其次, 建立环境要素与作战要素联合作用的部队机动时间效能模型, 设计了最优路径规划算法; 最后, 构建兵棋地图，并以部队海陆两栖机动推演为例加以验证。实验结果表明, 六边形全球离散格网系统兼具数据建模和分析计算功能, 既可被用于构建海陆广域多尺度兵棋地图, 又可作为作战推演的统一计算框架, 弥补了传统兵棋地图空间范围受限、尺度变换不灵活的缺陷, 具有较好的应用前景。
海上要地防空武器火力分配(weapon target assignment, WTA)是防空反导作战的关键环节, 属于典型的组合优化问题。针对海上要地防空反导战场态势的不确定性、复杂性和动态性问题, 提出了一种基于非支配排序的多目标量子遗传算法的模糊动态WTA(dynamic WTA, DWTA)方法。首先, 在确定条件下, 建立了以防御效率和作战资源损耗为目标的多目标DWTA模型; 然后, 根据战场态势的不确定性构建了多目标模糊DWTA模型, 利用期望值法将模糊问题等价刻画为确定性问题, 并基于非线性问题特征提出了线性化方法; 最后, 利用所提算法对该问题进行求解。仿真结果表明, 所提算法具有较好的收敛效果。
基于近年来兴起的无人机和车辆协同配送模式的研究, 主要从无人机和车辆映射关系的角度着手进行了分析, 包括单车单机映射模式、单车多机映射模式和多车多机映射模式。在单车单机映射模式中，主要总结了无人机和车辆协同配送的4种模式, 包括无人机和车辆同步配送模式、无人机和车辆并行配送模式、车辆保障无人机配送模式和无人机保障车辆配送模式。在单车多机映射模式中，主要总结了基于车辆保障无人机配送模式的相关文献; 而在多车多机映射模式中, 主要总结了基于无人机和车辆同步配送模式的相关文献。探究了3种映射模式中的相同变体和不同变体, 并归纳分析了目前无人机和车辆协同配送模式中的目标、算法、相关参数及约束条件。展望了无人机和车辆协同配送模式中需要考虑实际性能分析和异构无人机优化, 对未来研究和实际运用具有重要参考价值和指导意义。
在卫星应急恢复过程中, 为了控制太阳电池阵的对日方位, 需要确定太阳电池阵相对于卫星本体的转动角度。为此, 提出一种用于卫星应急恢复的太阳电池阵转角估计方法。首先, 基于卫星本体坐标系和太阳电池阵坐标系的关系以及卫星的姿态运动学方程, 给出了太阳电池阵转角的解析解。在太阳电池阵转角解析解的基础上, 进一步提出一种基于卡尔曼滤波的估计方法, 来抑制太阳敏感器测量噪声的影响、提高转角估计的准确性。通过数值仿真和某实际在轨卫星的遥测数据实验验证了所提方法的有效性和实用性。
针对临近空间动能拦截器, 提出了一种高精度、低能耗的姿轨一体化复合控制方法。首先, 基于拦截器运动学、动力学方程、执行机构特性及全捷联导引头结构, 建立了全捷联姿轨复合控制拦截器制导控制系统模型；其次, 利用反正切函数设计了包含体视线角约束的映射函数, 并针对姿轨耦合问题, 结合高阶滑模控制设计了姿轨一体化复合控制律, 在满足体视线约束和交会角约束的同时，完成了多个控制任务；最后, 基于李雅普诺夫稳定性理论证明了控制律控制下系统的稳定性, 并通过仿真验证了一体化设计方法的优越性、映射函数约束的有效性，以及控制律的鲁棒性。
针对传统方法在空间非合作目标小脉冲轨道机动检测过程中性能不佳的问题, 在构建了一种基于相对角动量的新型待检特征量的基础上, 提出了利用无源光学相机仅测角信息的轨道机动检测新方法。首先, 在轨道坐标系下建立了基于Clohessy-Wiltshire方程的相对动力学模型和相机偏离质心安装时的相对视线角测量模型; 然后, 给出了相对角动量的定义并量化分析了以相对角动量作为机动检测特征标志的优越性; 接着, 设计了基于二次滑窗方差比值的机动检测算法框架; 最后, 通过数值仿真对所提算法进行了有效性验证和性能分析。仿真结果表明, 该方法可以实现对近圆轨道目标的快速轨道机动检测, 机动时间点检测误差在60 s以内。
针对传统矢量定姿方法精度较低的问题，研究了主流的星敏感器多矢量天文定姿算法, 从理论上对奇异值分解(singular value decomposition, SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square, LS)算法、四元数估计(quaternion estimator, QUEST)算法和线性估计算法进行了详细推导。其中, 线性估计算法先将各矢量对的坐标变换等式分散表示, 推导出对应的四元数形式, 再联立所有矢量的坐标变换等式, 基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化, 再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作, 具有良好的创新性与实用性。以最小化Wahba损失函数为目标, 对定姿算法的性能进行对比分析。仿真和实验结果表明, 线性估计算法较之于其余4种算法, 具有更快的解算速度、更高的定姿精度。
针对传统的全球导航卫星系统/惯性导航系统(global navigation satellite system/inertial navigation system, GNSS/INS)紧组合系统容错方法对故障处理方式单一、环境适应性差的问题, 提出了一种基于长短期记忆神经网络的自适应故障容错方法。该方法基于长短期记忆神经网络建立GNSS伪距、伪距率预测模型。发生故障时, 通过分量检测法定位故障观测的维度, 并引入相对差分定位精度分析故障观测对系统定位精度的影响, 从而实现隔离与重构策略的动态选择。利用实测数据从可见星数、几何构型、故障持续时间3个角度设置多组环境进行仿真实验。仿真结果表明, 所提方法对复杂环境具有更好的适应能力, 可有效降低故障存续期间系统的定位误差, 提高系统的故障检测性能。
海上弹着点位置测量是海上靶场舰炮武器精度试验中非常关键的一步, 对加强靶场建设、提高部队战斗力具有重要意义。采用被动声探测技术, 在单三元阵定位基础上进行布阵方式的改进, 提出了一种基于双十字阵的海上弹着点定位方法, 推导阐述了定位原理, 重点对三元阵定位与双十字阵定位做出了详细的误差分析与仿真。最终得出, 在假设的理想算例情况下, 基于双十字阵的弹着点定位方法的定位误差降低为单三元阵定位的4.66‰, 更好地满足了海上弹着点定位需求, 具有一定的应用价值与发展前景。
针对具有Lipschitz非线性动力学特性的无人机(unmanned aerial vehicle, UAV)集群系统的分组编队跟踪控制问题, 提出了一种基于一致性理论的分组编队协同控制方法。首先, 建立分层双虚拟结构的协同控制框架, 将多编队生成、保持以及组内组间协同变换等复杂编队任务作为控制目标, 基于参数组的队形描述方法, 在分层控制框架内分别设置轨迹导引UAV和基准UAV, 并利用UAV之间的局部运动信息设计编队控制律, 克服了采用现有多编队控制策略编队间难以协同的缺陷; 其次, 设计多编队控制和目标跟踪一体化控制策略, 确保在多编队进行协同变换的同时实现对机动目标的精确协同跟踪; 最后, 仿真结果验证了所提的控制算法能够实现分组编队的跟踪控制。
面向多载波系统的分集方案对于通信技术的发展而言至关重要，针对混合载波系统设计分数域四分量计算分集(fractional domain four-component computation diversity, FDFC-CD)方法，利用分数傅里叶信号含有多个时频分量的特点提高混合载波系统的分集性能，并基于多分量扩展的计算分集方法存在能量分布不均匀的背景, 提出高阶计算分集方法, 并进行了相应的仿真验证。针对高阶分数域四分量计算分集数据块内部部分点位相关性过高的问题, 提出了基于数据块反转的能量平均化策略。仿真结果表明, 高阶计算分集可以使系统比特误码率得以降低, 且分集阶数越高，降低效果越好, 其阶数选择受限于系统资源、链路衰减和接收机灵敏度。能量平均化策略的提出完善了高阶计算分集方法, 二者结合良好, 分集效果得到了进一步提高。
车联网通信通过多个车辆对车辆(vehicle to vehicle, V2V)链路复用同一车辆对基础设施(vehicle to infrastructure, V2I)链路的资源来缓解频谱短缺问题, 但频谱复用会导致V2I通信服务质量下降, 因此降低系统干扰、提高系统容量成为研究热点。提出一种基于图着色和三维匹配的车联网资源分配算法, 首先用图着色法对V2V链路分簇, 然后求解V2I链路和V2V链路的发射功率, 最后通过三维匹配算法对V2I链路、V2V簇和资源块进行信道资源的优化分配, 从而降低使用同一资源的链路之间的干扰。理论分析及仿真结果表明, 所提方法提高了V2I链路总和速率, 并在相对较少的迭代次数下收敛到次优解。
针对多中继传输系统在同信道干扰下面临的保密信息安全传输和系统节点能量受限的问题, 提出了一种联合中继选择和基于能量采集的友好干扰机辅助的物理层安全传输方案。首先, 建立基于解码转发(decode-and-forward, DF)中继模式的多中继系统模型。其次, 当发射机仅获得部分信道状态信息时, 在第一时隙, 以最大化系统保密容量为目标, 给出了一种最佳中继节点选择策略。同时, 友好干扰机基于功率分裂(power splitting, PS)协议从合法信号和同信道干扰中采集能量。在第二时隙, 友好干扰机利用采集的能量, 向窃听者发送人工噪声, 进行协作干扰, 从而实现两个时隙保密信息的传输。接着, 推导了系统的保密中断概率闭合表达式。最后, 利用蒙特卡罗仿真方法分析了发射信噪比、同信道干扰源数目及干扰信噪比等参数对系统保密性能的影响, 验证了理论推导的正确性, 仿真结果显示所提方案具有更优的保密性能。
未来天基信息网络(space information network, SIN)领域将面临由结构复杂、环境动态、业务多样等发展趋势带来的挑战。数据驱动的深度强化学习(deep reinforcement learning, DRL)作为一种应对上述挑战的可行思路被引入SIN领域。首先简要介绍了DRL的基本方法, 并全面回顾了其在SIN领域的研究进展。随后, 以星地网络场景的中继选择为例, 针对大规模节点问题提出了基于平均场的DRL算法, 并提出一种基于微调的模型迁移机制, 用以解决仿真环境与真实环境之间的数据差异问题。仿真证明了其对网络性能优化的效果, 且计算复杂度和时间效率均具有可行性。在此基础上归纳和总结了DRL方法在SIN领域的局限性与面临的挑战。最后，结合强化学习前沿进展, 讨论了此领域未来的努力方向。
针对当前非协作通信中多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)系统子载波的调制识别问题, 提出了一种基于一维卷积神经网络(one-dimensional convolutional neural network, 1D-CNN)的调制识别方法。首先, 利用特征矩阵的联合近似对角化(joint approximate diagonalization of eigenvalue matrix, JADE)算法从接收端的混合信号中恢复发送信号; 然后, 提取恢复信号的循环谱切片和四次方谱作为浅层特征; 最后, 利用1D-CNN对特征进行训练, 使用测试样本对所提出的调制识别方法进行仿真验证。仿真结果表明, 所提方法对MIMO-OFDM系统中的5种信号可以进行有效识别, 在信噪比为10 dB时的识别精度即可达到100%。
冷备系统是提高系统可靠性的重要手段。然而, 由于结构复杂, 对于n中取k冷备系统剩余寿命的研究相对较少。为此, 提出了一种冷备系统剩余寿命近似计算方法。首先, 通过解析法、数值方法以及仿真方法获得冷备系统任意时刻的可靠度。在此基础上, 进一步利用组合辛普森公式, 得到冷备系统剩余寿命的点估计与区间估计近似值。算例分析部分首先研究了这种计算方式的偏差及影响近似计算精度的因素, 在此基础上通过实验验证了所提近似计算方法简单高效, 具有较高的准确性。通过与已有方法进行对比, 进一步说明了所提方法的适用性。
针对非正态响应的稳健参数设计问题, 提出一种考虑噪声因子的贝叶斯建模与参数优化方法。首先, 考虑经验贝叶斯先验信息, 利用贝叶斯广义线性模型构建设计因子与输出响应之间的函数关系; 其次, 假设噪声因子服从已知的分布, 在此基础上利用贝叶斯抽样技术获得考虑噪声因子波动的输出响应模拟抽样值; 然后, 在给定产品规格的基础上, 利用输出响应的抽样值构建符合性后验概率函数, 并利用遗传算法对所构建的符合性后验概率函数进行优化, 获得对噪声因子波动具有稳健性的参数设计值; 最后, 结合实际的案例验证了所提方法的有效性。研究结果表明, 所提方法有效地刻画了噪声因子的波动对产品或过程质量的影响, 从而获得了更为稳健可靠的参数设计值。
针对机械设备的关键退化信息易淹没在非线性、多维度、长时间、大规模监测数据中的问题, 提出了一种基于残差卷积神经网络和注意力双向长短时记忆网络融合(residual convolutional neural network-attentional bidirectional long short-term memory network, RCNN-ABiLSTM)的机械设备剩余寿命预测方法。首先通过训练RCNN提取监测数据的深度空间特征; 然后通过引入注意力机制, 优化双向长短时记忆网络提取时间相关特征的权重参数, 加强关键退化信息对剩余寿命预测的表达; 最后通过航空发动机数据集验证了方法的有效性。分析结果表明, 对于运行条件复杂和故障模式多变的多维监测数据, 所提方法能够准确寻找退化时间点, 有效提高长时间运行设备的剩余寿命预测准确度。
