针对传统到达时间定位中出现的目标节点与传感器锚节点不同步的问题,提出了一种时钟同步与目标定位联合估计算法。该算法分为两个阶段,首先通过引入辅助变量,根据加权最小二乘准则求出时钟偏差和目标位置的初始值;在此基础上,利用线性校正技术对初始值的偏差进行校正。理论分析和实验结果表明,与传统方法相比,该算法不仅可以得到闭式解,而且在目标位于传感器内部和外部两种情况下都可以逼近克拉美罗下界,具有较高的定位精度。

二维稀疏信号的重构可以通过解多观测向量的稀疏表示问题来实现。然而,当各向量的稀疏结构不同时,将稀疏恢复算法拓展到多观测向量模型的方法将不再有效。提出了一种序列降采样重构的方法用于实现稀疏矩阵的重构。该方法通过构造降采样矩阵,大幅降低稀疏矩阵信号的稀疏度,再通过多观测向量序列观测和恢复,完成对稀疏矩阵的重构。理论分析表明,所提方法能够实现对高稀疏度矩阵的高概率重构。实验表明,所提算法能够有效地实现二维稀疏信号和图像重构。

为了提高高动态条件下接收机对全球卫星导航系统定位信号的比特同步性能,基于新一代民用信号包含数据信号和导频信号的结构,提出一种比特同步方法。以比特跳变的候选位置为起点,将数据信号的相干累加值和导频信号的相干累加值的共轭相乘,并将共轭相乘的结果进行相干累加和非相干累加,根据不同候选位置为起点的非相干累加值判断比特跳变的实际位置。理论和仿真结果证明:该方法能够有效消除高动态条件下的多普勒频偏,比特同步性能优于传统方法。

传统的全球定位系统(global positioning system,GPS) L1C/A码信号和新型L1C信号同处于L1频段(1575.42MHz),充分利用了有限的频带资源。基于此特点,针对GPS L1C/A和L1C信号联合捕获中多相关峰引起的误捕问题,提出一种新的单元相关的方法。将本地L1C/A和L1C码序列分别拆分为奇、偶两个单元信号,对单元信号与接收信号的单元相关函数进行重组,完全消除L1C/A码信号引起的9个次峰,提高主峰峰值,得到尖锐的窄相关峰。仿真结果表明,该方法得到的相关峰跨度为0.5个码片,大大提高捕获精度,且捕获灵敏度比单通道联捕提高约2 dBHz,同时算法复杂度低,可应用于工程实际。

全球卫星导航系统、捷联惯导、里程计、零速更新等多源信息的融合为地面移动测量系统提供了精确的位置和姿态参考信息。针对进行多源信息融合时,由于数学模型偏差和观测值粗差的影响,传统的联邦滤波不能有效隔离故障子系统的影响的问题,提出了利用验前新息计算联邦滤波的信息分配系数,基于联邦滤波和自适应滤波的等效性和抗差滤波原理,实现实时调整信息分配系数的自适应联邦滤波算法。通过一组车载数据的分析表明,自适应联邦滤波算法相对于传统联邦滤波算法,能有效地抵御观测值粗差和数学模型偏差的影响,显著提高了组合导航系统的精度和可靠性。

针对现有的主瓣航迹欺骗干扰技术进行航迹规划时仅考虑运动参数限制和单部干扰机为主的问题,通过参考具有普遍适用性的航迹关联准则,提出虚假航迹设定方法,推导干扰机运动参数和干扰信号调制参数。在单部干扰机航迹欺骗干扰的基础上探究多机协同干扰组网雷达的可行性,仿真结果表明干扰信号最终能被敌方雷达识别,并且在两部干扰机对抗两部雷达情形下可以达到预期效果,为复杂情形下的组网雷达对抗奠定了基础。

提出一种可探测远距离气象目标的机载气象雷达探测方法。该方法采用多扫描技术,能有效越过雷达地平线而不受地杂波干扰。对于多波束扫过的近距离空域,采用加权融合的方法,根据各波束自身回波强度来确定权值,以提高目标探测概率;对于超过130 km的远距离气象目标,采用充塞系数校正的方法,可以有效提高目标检测精度。仿真结果表明,该方法能够有效探测载机航路前方600 km以内的气象目标分布情况,可以为飞行安全、航路选择和绕飞策略提供有效参考。

为提高滤波后极化合成孔径雷达图像的边缘清晰度和保持目标的极化特性,提出了基于典型散射差异指数(typical scattering difference index, TSDI)的PolSAR图像Lee滤波算法。算法根据滤波像素和邻域像素之间的TSDI,采用自适应阈值法筛选出滤波像素的同质像素,然后用同质像素进行Lee滤波。针对筛选阈值,首先利用Parzen窗估计同质区域TSDI概率分布,然后根据估计结果计算阈值。用美国AIRSAR系统和UAVSAR系统采集的极化数据进行实验。实验结果表明该算法相对于精致Lee滤波算法相干斑抑制更加彻底,同时图像边缘清晰度和目标极化特性保持更完好。

从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。

针对低信噪比条件下雷达信号脉内调制方式识别算法识别率低的问题,提出了基于奇异值熵和分形维数的雷达信号识别算法。该方法首先通过ChoiWilliams分布得到信号的时频图像,提取时频图像的奇异值熵;然后再提取信号频谱的盒维数与信息维数,组成三维特征向量;最后使用基于支持向量机的分类器实现雷达信号的分类识别。对8种典型雷达信号的仿真试验结果表明该方法抗噪性强、识别率高,在信噪比大于1 dB时,平均识别率能达到95%以上。

当分布式高速雷达组网平台存在大的惯导误差时,要实现多目标环境下的组网信号级融合检测,必须解决多目标的空间配对问题。因此,提出了一种利用目标距离信息,结合多路径信息冗余特点的方法来实现多目标空间配对。首先,从理论上推导了判别目标正确配对的表达式,并分析了表达式结果与目标配对情况的对应关系。然后,根据当前目标配对情况设计出相应的目标配对方法。最后,仿真结果验证了该目标配对算法的有效性。

研究互耦背景下双基地多输入多输出(multiple input multiple output,MIMO)雷达中联合波离角(direction-of-departure,DOD)波达角(direction-of-arrival,DOA)的估计问题。为利用阵列信号的多维结构,将匹配滤波后的雷达数据表述成一个三阶张量模型。考虑到均匀线性阵列互耦矩阵的带状Toeplitz特性,利用部分阵元方向矩阵具有共同的尺度变换特性消除互耦的影响。结合前后平滑技术和酉变换技术,构建去耦后数据的增广输出三线性模型,再将联合DOD与DOA估计与三线性模型相联系。所提算法能够获得自动配对的目标角度估计,且由于平滑技术的使用,所提算法对相干源具有一定的分辨能力。此外,由于增广三线性模型为实数,因而所提算法的计算复杂度低。最后,通过仿真实验验证了所提算法的有效性。

研究了采用基于agent的建模与仿真(agent based modeling and simulation, ABMS)进行飞机拦截作战效能评估的方法。针对拦截作战的特点,提出了一种基于信息过程、以任务状态机为核心的agent模型结构。在此结构下,提出了信息域映射agent的概念以及基于此概念进行传感器探测与跟踪建模的方法,并给出了雷达探测与跟踪的通用模型。针对两类典型拦截作战情形进行了仿真和参数影响分析,验证了方法的合理性和有效性。分析结果表明,在单机作战、多机平台中心战和多机网络化作战3种不同作战模式下,飞机性能对效能的影响方式存在一定差异。

由于影响舰载机出动的因素复杂多样,且具有层次性、矛盾性和相关性等特点,因此利用主观的层次分析法难以准确获得客观的评估结果。为此,提出一种基于主成分约简与突变级数相结合的两级综合评估。首先,采用主成分约简,将相关的指标转换成相互独立分量,并根据贡献度确定主分量。其次,利用突变级数对约简后的主分量进行处理,实现两级综合评估。最后,以“尼米兹”航母高强度演习为例,对舰载机出动能力进行综合评估,将所得结果与层次分析法相比较,验证给出方法的有效性和可靠性。该方法易实现,消除评估指标之间的相关关系的影响,不用权重,大大减少评估的主观性,解决传统的评估方法对矛盾目标难以处理的问题。

针对传统方法在求解不确定多目标规划问题过程中存在的不足,提出了该问题在新准则下的求解方法。首先,提出了求解方法的基本框架,并通过引入不确定变量之间的序关系定义了不确定多目标规划的帕累托有效解;其次,根据线性加权或理想点法将原问题转化为不确定单目标规划问题,再利用期望方差准则将不确定单目标规划问题转化为确定的单目标规划问题;再次,通过相关理论推导证明了在该准则下转化后的问题求得的最优解是原不确定问题的帕累托有效解;最后,设计了决策变量分别为连续型和离散型的数值算例对该方法的有效性加以说明,考虑算例的复杂度,分别采用遗传粒子群算法和二进制狼群算法进行了求解。

针对复杂系统故障快速模糊诊断问题,提出了一种基于相关矩阵和概率模型的故障模糊诊断方法。通过建立故障测试相关矩阵,在概率空间中获取故障判据,并考察非理想测试条件下故障出现某种征兆的概率值,继而利用概率最值原则推理故障、利用最小模原则进行故障筛选以降低虚警,实现了对复杂系统故障的高效便捷诊断。以阿波罗飞船发射前测试数据为对象对该方法进行了验证。实验结果表明,该方法具有足够的诊断精度,以及较低的运算复杂度,并且支持图形化快速诊断、便于现场应急使用。

针对卫星资源失效或应急任务加入对敏捷成像卫星前摄式调度的影响,构建了鲁棒模型,提出了一种改进差分进化(differential evolution,DE)算法。首先,考虑卫星资源失效概率、任务执行主从窗口构建了期望收益和松弛时间指标,将这两个指标作为优化目标构建了前摄式调度鲁棒模型;然后,针对该模型的多目标优化特性,在传统DE算法的基础上,重新设计了变异、交叉和选择算子,增加了外部存档更新策略,优化了Pareto解集评价指标,提出一种多目标离散差分进化(multi-objective discrete differential evolution,MDDE)算法,并给出了算法的实现步骤;最后,仿真结果表明,与NSGA-Ⅱ算法相比,MDDE在Pareto解集评价指标上提高了10.42%左右,在求解时间上降低了9.72%左右,为敏捷成像卫星前摄式调度提供了一定的方法支撑。

随着人们对维修费用和维修效果的追求,基于状态的维修(condition based maintenance, CBM)得到了进一步发展,作为CBM的关键问题之一,故障预测已经成为装备维修领域的一个主要研究方向。当前,对故障预测的综述主要局限于对故障预测方法的总结,并未对故障预测的研究有一个全面、综合的阐述。为了对故障预测的研究有一个系统、全面的认识,本文从故障预测的内容、对象、方法3个维度对基于状态的武器电子装备故障预测研究进行了综述,并对相关的故障预测方法进行了分析和梳理。针对装备故障预测问题,立足于文献综述,提出一种基于状态的装备故障预测分析方法,为部队对装备进行合理、科学的故障预测提供借鉴。

围绕无人直升机实际飞行中的不确定性问题,将扩张状态观测器(extended state observer, ESO)与自适应反步法相结合设计控制器来实现无人直升机轨迹的鲁棒跟踪控制。首先,建立了无人直升机的数学模型,建模过程中考虑未建模动态、模型简化误差、外界大气扰动以及燃油消耗导致的惯性参数摄动等多种不确定性来源。同时,将主旋翼一阶挥舞动态耦合进无人直升机6-DOF刚体动力学方程,建立了简洁且又反映无人直升机旋翼挥舞这一重要特征的等效模型。然后,基于ESO和自适应反步法设计了位置控制器、姿态控制器以及力矩控制器,其中利用自适应策略对无人直升机质量及惯性矩阵等慢变摄动参数进行估计,利用ESO对未建模动态及外界阵风等高频扰动进行观测,并通过前馈补偿实现对系统不确定性的综合抑制。最后,通过数值仿真验证了方法的可行性和有效性。仿真结果表明,该方法比纯自适应反步法具有更高的不确性抑制效率和控制精度,能够实现无人直升机在多种不同类型扰动同时作用下轨迹的鲁棒跟踪控制。

为了提高导引头隔离度及其时域特性的综合性能,提出了一种基于隔离度特性的导引头控制系统内外回路优化设计方法。通过建立导引头隔离度模型,推导隔离度传递函数,分析了导引头隔离度与内外回路的关系。将导引头幅值裕度和相位裕度约束,采用幅值相位测试方法转化为求解控制参数的稳定域,分别建立了以隔离度特性最优的稳定回路目标函数和以时域响应特性最优的跟踪回路目标函数,通过在稳定域内求解优化问题,得到导引头的优化设计参数。仿真结果表明,采用基于隔离度特性的导引头控制系统内外回路优化设计方法,能够保证控制系统具有更好的时域性能和隔离度特性。

针对滑翔制导炮弹姿态控制系统设计时存在的交叉耦合、执行机构响应延迟、控制能力约束以及不确定内外扰动等问题,基于自抗扰控制技术,设计了自抗扰姿态解耦控制器。该控制器结构简单、计算量小、需调控制参数少且不依赖精确的数学模型。通过数值仿真验证了该控制器的可行性和有效性。结果表明设计的姿态控制器能有效地实现俯仰/偏航解耦,并具有快速精确的跟踪性能以及良好的抗干扰能力。此外,控制参数对较大范围内的模型参数摄动不敏感,具备较强的适应性和鲁棒性,可为该类制导炮弹的控制系统设计提供一定的参考依据。

针对巡航飞行器同时存在较大外部干扰和模型参数不确定性时自适应预测控制性能下降的问题,设计了带有模糊干扰观测器(fuzzy disturbance observer, FDO)补偿的鲁棒自适应非线性模型预测控制(robust adaptive nonlinear model predictive control, RANMPC)方法(简记为FDO-RANMPC方法)。首先,利用具有未知参数限制条件的递推最小二乘方法在线辨识模型参数;其次,利用模糊干扰观测器输出值抵消幅值较大的复合干扰,再利用Tube鲁棒预测控制策略设计了飞行器底层姿态系统具有稳定保障的FDO-RANMPC控制器;最后,在考虑复合不确定性情况下对指令姿态角跟踪的仿真中验证了控制器的有效性及其渐进稳定性。

视觉和惯性融合姿态测量系统,可以发挥视觉测量重复性、稳定性好和惯性测量输出频率高、不受环境光干扰的特点。针对融合测量中,系统噪声和观测噪声的统计特性不完全可知及在出现异常测量值时融合测量鲁棒性较差的问题,提出一种基于矩阵对角化变换的鲁棒四元数容积卡尔曼滤波(quaternion cubature Kalman filter, QCKF)算法,分析了鲁棒滤波参数对测量系统鲁棒性和测量准确度的影响,使用矩阵对角化变换代替标准CKF中的Cholesky 分解以改善数值计算的稳定性。结合搭建的视觉和惯性融合姿态测量系统平台,实验结果表明与标准CKF算法相比,具有更高的准确度、鲁棒性以及稳定性。

针对惯性元件在低成本全捷联制导弹药中应用难度大的问题,设计了一种利用理想弹道弹体运动参数代替惯性元件测量值的弹目视线角滤波估计方法。根据坐标系转换关系及弹目视线几何关系,将理想弹道参数作为系统不确定性参数,建立非线性滤波系统;针对具有参数不确定性的非线性系统滤波问题,提出了一种基于理想弹道的鲁棒容积卡尔曼滤波(ideal trajectory robust cubature Kalman filter,ITRCKF)算法,将具有不确定性系统的滤波问题转化为带参数κ的误差协方差上界最小化问题;最终利用导引头探测器测量得到弹体视线角,结合ITRCKF对非线性系统状态进行估计。实验结果表明:在小扰动条件下,ITRCKF偏角估计最大误差值较容积卡尔曼滤波(cubature Kalman filter,CKF)下降了85.57%,误差均方根(root mean square error, RMSE)下降了81.93%;在大扰动条件下,ITRCKF倾角估计值最大误差较CKF下降了31.64%,误差均方根下降了46.39%。所提方法对弹目视线角的估计值满足精度要求,并且相对于CKF估计值具有较好的鲁棒性能。

针对基于交错正交幅度调制的多输入多输出正交频分复用(multiple input multiple output orthogonal frequency division multiplexing with offset quadrature amplitude modulation,MIMO-OFDM/OQAM)系统的信道估计问题,构造了基于导频的时域信道估计模型,利用导频符号估计信道的时域脉冲响应。与传统的频域信道估计方法相比,这种方法需要的导频数量较少,并且在存在严重频率选择性衰落的信道条件下也有较好的估计性能,理论分析和仿真结果表明了算法的有效性。

针对当前已有的基于位置服务隐私保护技术在用户较少的情况下很难保障用户隐私保护级别的情况,借鉴网格计算和密码学理论,提出了一种改进的位置隐匿方法。该方法利用随机变化的网格区域,在移动节点之间进行简单位置计算并实时进行用户位置更新,通过移动终端和匿名服务器之间的协同计算完成位置隐匿。最后,通过理论分析阐述了该方法所具有轨迹不可追踪性和身份不可关联性等特点。同时,仿真实验进一步表明该方法的计算复杂度和通信复杂度满足位置服务中的即时通信的要求。

针对基于速率自适应准则的正交频分多址自适应资源分配中系统容量和用户公平度的问题,提出了一种采用子载波分配和功率分配两步来解决该问题的新方案。该方案主要通过基于公平度的子载波分配算法和基于惩罚函数的功率分配算法来实现。在子载波分配算法中,当满足公平度约束时就提高系统的容量,否则就提升用户的公平度。而子载波分配后,并不能较好地兼顾系统容量和用户公平度。所以,在功率分配算法中,又基于惩罚函数提出了一种新的功率寻优策略,并且该策略利用基于模拟退火思想的改进人工蜂群算法来实现系统容量和用户公平度的折中。仿真结果表明所提出的方案不仅可以有效地提升系统容量,同时也可以实现给定的公平度约束,进而证明所提方案的有效性。

针对大规模监测系统中经常出现的监测点失效、数据异常等问题,提出基于深度降噪自编码网络的监测数据修复方法。首先,通过堆叠降噪自编码构造深度降噪自编码网络来提取监测点之间隐含的深层关联关系,进而,基于这种深层关联关系训练一种支持向量回归模型以预测待修复的监测数据。在某机场噪声实测数据上的实验表明,通过深度降噪自编码网络学到的深层关联关系能够有效地重构噪声监测数据;相比传统数据修复方法,所提出的数据修复方法具有更好的鲁棒性,数据的修复具有更高的精度。

针对当前图论频谱分配模型下寻找最优解困难,容易陷入局部最优等问题,将蝙蝠算法引入到认知无线电频谱分配中,并利用图论频谱分配模型的特点,对二进制蝙蝠算法进行改进,以达到更好的效果。首先,将蝙蝠算法的选择策略改为贪婪选择,增强了蝙蝠算法在当前位置的开发能力。其次,统计种群中各蝙蝠经历的最好位置的分布情况,利用蝙蝠位置的统计特性指导蝙蝠寻优,加快算法的收敛速度。最后,在局部搜索时,直接在离散域操作,减少实数到二进制的映射,缩短搜索时间。仿真结果表明,本文算法在效益优于过去的算法的情况下收敛速度更快。

针对传统模糊认知图学习算法仅优化概念结点间有向弧的权值误差而造成模型拟合准确程度不高的问题,将多目标演化的思想用于模糊认知图学习算法,设计了以有向弧权值误差与误差权重同时最小化为目标的多目标模糊认知图学习模型,降低了学习算法对权值的依赖。为有效求解该多目标优化模型,提出了一种基于坐标变换的多目标演化算法,分析了算法的参数设置方法与计算复杂度。实验结果表明,基于多目标演化的模糊认知图学习算法可以有效降低结点数据误差与模型误差,能够更准确地得出概念结点间的因果关系。

为了进一步拓宽度量学习在图像分类中的适用范围,同时提高分类的性能,本文提出一种基于椭圆双曲线马氏度量的图像分类算法。该算法首先将颜色特征和局部二值模式描述的纹理特征相结合来表示图像特征;然后引入对样本数据具有更好的适应性的椭圆双曲线度量,根据数据统计特性定义椭圆双曲线马氏度量,给出椭圆双曲线马氏度量学习算法,从而获取最优的度量矩阵;最后利用椭圆双曲线马氏度量矩阵将样本变换到新的特征空间,从而降低特征各维度间的相关性,同时计算图像特征间的距离从而完成分类。实验表明该算法提高了图像分类的有效性。

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。

为了解决柔顺复杂装备精密产品在不确定性结构参数情形下,其多质量特性波动与冲突的工程难题,提出一种灰色关联多项式混沌扩展(greypolynomial chaos expansion,Grey-PCE)稳健优化设计新方法来解决这一工程难题。该方法基于多项式混沌扩展方法,建立柔顺复杂装备精密产品多质量特性代理模型;在此基础上,采用6σ稳健优化设计建模方法,构建了柔顺复杂装备精密产品多质量特性PCE稳健优化设计模型,通过NSGA-Ⅱ算法获得多质量特性解集;并采用接近度灰色关联分析法对多质量特性解集排序分析,获取了最佳稳健设计方案;最后,柔顺复杂装备精密产品算例验证了所提出方法的有效性和稳健性。

针对多部件系统维修策略优化问题,在考虑失效相关和经济相关的基础上,从建模和求解算法两方面展开了研究。建立了多部件系统折扣准则模型,得到了维修费率的最优方程,并转化为线性规划问题。采用聚合算法减小线性规划问题的规模,并利用迭代算法求得其最优解。最后通过数值算例,说明了失效相关程度对折扣总成本以及最优维修策略的影响,探究了模型中成本参数对维修策略的影响。算法对比的实验结果显示,采用聚合迭代算法可以有效提高运算速度,降低内存占用。