针对对数频偏频率分集阵列(frequency diverse array, FDA)中存在的频率偏移量取值固定、主瓣扫描精度较低的问题,并行地提出两种对数频偏频率分集阵列方向图解耦的优化方法。首先,将均匀线性阵列替换为采用正弦频偏增量的交叉子阵结构,在此基础上将频偏增量选择问题转化为二维空间的最优化问题,通过改进的粒子群算法解算最优频偏增量实现方向图解耦优化。此外,将通信中的格雷码编码方式应用于FDA阵列的频偏编码中,提出基于发射端格雷码频偏编码方式的发射方向图解耦方法。最后,仿真验证了两种优化方法的有效性。

目标总散射场往往包含多种不同的散射机理,分解不同的散射机理,对于复杂目标电磁散射认知、特征和目标识别及散射特性控制具有重要意义。基于不同散射机理回波到达接收机具有时隙差这一物理基础,实现了镜面散射、多次散射等散射机理的分解。最后给出了多个模型的仿真实例,在其时频分析结果、雷达成像和雷达散射截面对比结果中,可以清楚地观察到不同散射机理得到了有效的分解,验证了本文方法的可行性和正确性。

电波在不均匀大气中传播会发生折射现象,传播路径和速度都会发生改变,若不考虑其影响,将导致利用测量多站到达时间差进行辐射源定位产生较大误差。本文分析了已知先验高程约束条件下大气折射对多站时差定位误差的影响,论证了迭代修正法在高程约束条件下(约束条件为冗余条件)无法达到最优,提出了大气折射条件下基于迭代然后再进行改进粒子群优化的时差定位误差修正算法,通过仿真分析验证了该修正算法的有效性。

针对调频连续波(frequency modulation continuous wave, FMCW)引信在超宽带电磁脉冲环境下易受干扰的问题,将场路联合仿真的方法应用于引信射频前端超宽带电磁脉冲耦合效应研究。仿真实验采用先辐照后注入的方法,首先对引信射频前端模型进行平面波辐照;然后将耦合电压导入引信接收机进行效应分析。实验结果表明,超宽带强电磁脉冲很难对接收机内部元器件造成毁伤,其耦合效应主要体现为干扰效应,当耦合进入接收机中频带的能量足够淹没正常输出信号能量时,引信测距功能会受到干扰。

相位噪声是影响全球卫星导航系统(global navigation satellite system, GNSS)接收机性能的一个重要因素,在高性能的接收机设计中,射频前端电路的相位噪声评测是不可忽略的。传统观测相位噪声的方法主要是利用频谱分析仪等专业仪器来实现,其无法观测GNSS接收机射频前端电路(包含模数(analog-digital，AD)转换器)的相位噪声。分析了接收机相位噪声和热噪声在信号复平面域的表现特征,提出了在信号复平面域评估GNSS接收机射频前端电路相位噪声的方法,并对该方法进行了仿真验证和实测验证。利用相位噪声对信号在复平面实部和虚部影响不同的特点,对采集到的信号数字中频数据进行相干积分处理,定量估算接收机射频系统的相位噪声。结果表明,该方法具有较高的评估准确度,可以用于测量与评估GNSS接收机射频前端电路(包含AD转换器)的设计质量,预测接收机性能。

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。

针对多数传统分类算法应用于高光谱分类存在的分类精度较低、光谱信息利用不充分的问题,在基于核函数的联合稀疏表示分类方法的基础上提出了一种基于二级字典的联合稀疏表示的高光谱分类算法。在字典原子前加入待测像元与该原子的引力,以达到更快捷地找到与待测像元相匹配的原子的目的。加入的引力值由万有引力公式改进的适应于高光谱图像的公式计算而来。为了使得稀疏重构后的残差波段中包含的具有一定意义的分类鉴别信息被充分挖掘,本文采用指数平滑公式对残差信息进行再利用。通过在Indian Pine数据集和Salina-A数据集上进行实验,验证了所提算法可以提升分类精度。

为了在缓解阶梯效应的同时更好地保留去噪后图像的细节信息,提出一种基于增强高阶非凸全变分(higher order non-convex total variation, HONTV)模型的图像去噪算法。该算法将每一次去噪后的图像和原始图像取平均作为增强HONTV模型下一次循环的输入并更新参数,然后采用增广拉格朗日乘子法和交替方向乘子法进行循环求解,经过多次迭代,最终得到的去噪图像包含较多的细节信息。在基于全变分的图像去噪方法中,对添加不同标准差大小的高斯白噪声的测试图像和视频进行实验。实验结果表明,所提算法在视觉性能和客观评价指标方面均优于对比算法。

针对基于Wishart分布马尔可夫场(Markov random field, MRF)海陆分割存在海面和陆地整体区域无法使用单一Wishart分布描述的问题,提出了一种基于混合Wishart分布的极化合成孔径雷达(synthetic aperture radar, SAR)图像海岸线检测方法。该方法首先对极化SAR总功率边缘能量采用两区域Ostu阈值分割得到初始海陆分割结果,然后采用混合Wishart分布描述陆地和海面区域,通过基于混合Wishart分布MRF两区域分割迭代计算实现海陆精确分割。最后对经过水域合并处理的海陆分割结果进行边界跟踪实现海岸线检测。分别使用了RADARSAT2中国海南陵水地区和新加坡部分地区极化SAR数据进行实验,实验结果证明提出方法比基于Wishart分布MRF分割方法更加精确和鲁棒。

在机动平台俯冲段大斜视合成孔径雷达(synthetic aperture radar, SAR)成像中,传统脉冲重复频率(pulse repetition frequency, PRF)设计方法存在下限值过高导致数据录取量增加,且PRF值无法根据高度变化实时调整的缺陷。针对上述问题,首先构建机动平台俯冲大斜视SAR成像模型;然后提出一种新的基于等距离环的方位带宽计算方法,得到考虑运动及系统误差情况下的PRF下限值;最后提出分高度段动态选取PRF的新方法,根据平台位置动态调整较少次数的PRF值即可实现波束覆盖区内回波数据录取,解决了PRF值无法随高度变化实时调整的难题。

天波超视距雷达能够同时探测空中目标和海面目标,具备执行多任务的能力,为优化整体探测效能,必须考虑波位调度问题。借鉴相控阵雷达资源调度思想,结合天波超视距雷达工作方式和任务特点,研究了一种修正截止优先(earliest deadline first, EDF)和多模板相结合的波位调度方法。首先,在经典修正EDF方法基础上对截止期进行重新定义,并改进任务优先级计算方法;然后,设计了三种波位调度模板;最后,根据任务优先级计算结果,自适应选择调度模板。该方法能够使雷达探测资源在复杂任务场景下得到更加精细的配置,从而最大化发挥其探测效能。

针对单脉冲雷达检测跟踪协同干扰状态的双隐身飞机编队时,角度跟踪误差性能难以合理评价的问题,首次建立了基于侧双机编队平飞航迹的隐身飞机协同闪烁非相参干扰模型,经过相同航迹下编队姿态的解算,获取闪烁干扰模型下的编队动态雷达散射截面序列,结合双机闪烁干扰模型下单脉冲雷达角度跟踪特点,推导得出与双机编队闪烁干扰相适应的单脉冲雷达角度误差跟踪模型,以最小干扰有效诱偏角为实时参变量对闪烁干扰模式下雷达角度跟踪误差性能变化的程度作出了评价。仿真表明双隐身飞机闪烁非相参干扰在干扰释放阶段能有效使单脉冲雷达角误差提高5.67倍,有效诱偏单脉冲雷达的角度跟踪。

针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise, DBSCAN)算法对侦获信号的脉冲描述字进行分选;而后,利用分选所得脉冲的时序特征与重点目标信号脉冲重复间隔(pulse repetition interval, PRI)生成仿真信号;最后,计算仿真信号的互相关函数,基于相关度判断PRI参数是否匹配。仿真实验表明:所提方法明显提升了对重点目标信号的识别时效,能够应对存在噪声干扰和信号交叠的复杂信号环境,对局部脉冲参数丢失不敏感。

传统的单站逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像为实现方位向的高分辨,往往会增大成像时间,但对于高速运动的弹道目标而言,此方法并不适用。针对这一问题,提出利用多输入多输出逆合成孔径雷达(multiple input multiple output ISAR, MIMO-ISAR)在空间上的多分布来达到时间上积累的效果。在得到多通道回波信号后,利用时频图和时间距离像对弹道目标锥顶散射点进行匹配。然后根据锥顶散射点信息对多幅ISAR像进行配准融合,得到一幅高分辨的融合ISAR像。最后利用不同雷达视线下的目标投影长度和目标几何参数之间存在的映射关系,反演出弹道目标的几何结构参数。通过仿真结果可以验证算法的有效性。

针对单部件加速退化系统,研究了基于灰色模型、偏最小二乘回归和改进灰狼算法的最优视情维修策略,通过优化检测间隔和临近失效阈值最小化系统的平均维修费用率。维修策略优化中,考虑到维修数据的稀疏特性,利用适合小样本建模的灰色模型理论建立系统的加速退化模型;考虑了维修次数、系统退化状态与系统维修用时之间的多重相关性,利用偏最小二乘法建立了维修用时的多变量回归模型。在此基础上,给出基于系统平均维修费用率的目标函数,利用改进灰狼算法求解最优决策变量。通过算例说明了该最优视情维修策略的可行性。

为了通过对供应网络结构进行优化从而提高备件供应的效率和效益,分别对传统正向供应网络、应急横向供应网络以及考虑抢修任务的闭环供应网络3种备件供应网络结构进行研究。以供应成本最小和供应时间最短为目标,以备件满足度、库存等为约束,构建了带约束的多目标优化模型。提出了一种基于排序选择函数的超启发式多目标进化算法,同时可以对不同网络结构模型进行求解。在ZDT系列测试函数上将该算法与其他进化算法进行对比测试,验证了所提出的超启发式算法在收敛性和分布性上的优越性。算例表明,一方面,与传统前向供应网络相比,横向和闭环供应网络能够提高备件供应的时效性和经济性;另一方面,超启发式算法在求解模型时取得的解优于其他元启发式算法。

针对装备保障资源供给能力评估信息主观性和不确定性强、评估结果可信度低的问题,提出了一种基于萤火虫算法和证据推理(firefly algorithm-evidential reasoning, FA-ER)的评估方法。首先，通过直觉模糊熵处理不确定信息,确定初始权重范围。然后，基于后悔函数将证据推理方法的权重求解问题转化为非线性多目标优化问题。最后，采用萤火虫算法计算最优参数,确定最优评估模型并得到最终评估结果。算例分析结果表明,所提方法能够有效解决评估主观性强的问题,提高评估结果的准确度,对装备保障资源供给能力评估问题具有较好的适用性。

利用多星对区域目标的协同观测在工程应用方面的需求日益复杂化,当目标区域内待观测目标的重要性不同,其对应的观测收益不同。那么如何在资源有限的情况下,安排观测方案使观测总收益最大是亟待解决的问题。考虑区域目标内部观测收益不均等的实际情况,建立了区域目标内部收益随时间可变的多星调度优化模型,设计了条带动态分割方法(dynamic stripe segmentation method, DSSM),提出了基于权重优先策略的启发式算法(weight priority strategy heuristic, WPSH)和基于随机邻域的局部搜索算法(random neighborhood local search, RNLS),使求解结果对应的观测收益最大,最后通过仿真实验验证DSSM算法比并行分割算法观测收益提高约19%,覆盖率提高约22%;RNLS算法比WPSH算法的基础上平均提升观测收益约4.5%,且求解质量较稳定。

针对小样本集条件下的贝叶斯网络参数学习问题,提出一种融合专家先验知识和单调性约束的贝叶斯网络参数学习方法。该方法通过将专家先验知识以正态分布形式融入单调性约束的贝叶斯网络参数学习过程,进一步提高了小样本集条件下贝叶斯网络参数学习的精度和稳定性。在小样本集条件下进行仿真实验,结果表明,与其他3种主要方法相比,所提方法平均(Kullback-Leibler, KL)散度大幅降低,运行时间高于其余3种方法。综合考虑学习精度和运行时间,所提方法优于其他3种方法。将所提方法应用于燃气轮机健康状态评估,评估结果与实际状态一致,验证了方法的有效性。

地空导弹装备在高原开展训练时,面临众多具有随机性和模糊性特点的风险因素。针对该问题,结合高原环境以及地空导弹装备作战流程,分析了影响其高原训练安全的主要风险因素,构建了安全风险评估指标体系。在模糊综合评价法的基础上引入云模型,通过云模型的熵和超熵反映风险的随机性和模糊性,提出了基于云模型的地空导弹装备高原训练安全风险评估方法。最后,通过一个算例分析验证了该方法的实用性。研究结果可为风险控制提供参考。

针对同时存在周期性干扰和随机测量噪声的一类非线性系统,提出一种基于误差幅值和误差变化率的开环PD型迭代学习非线性增益自适应算法,分别给出了比例和微分的增益调整规则,并对所提算法进行了严格的理论分析,同时推导出收敛条件。结果表明,与传统学习增益固定的开环PD型迭代学习律相比,当非线性系统同时存在周期性扰动和幅值较大测量噪声时,自适应非线性增益学习律能根据误差幅值和误差变化率在线调整比例和微分学习增益,抑制扰动和噪声,使得在学习收敛速度和收敛精度之间在某种程度上得以折中,在学习初始阶段高增益下保证了迭代学习的收敛速度,学习末了阶段小增益下具有较强的鲁棒性和收敛精度,得到的误差跟踪曲线更加平滑。

针对过程噪声和量测噪声受到脉冲噪声影响而呈现非高斯分布,且噪声统计特性不精确从而导致估计精度下降的问题,提出一种基于最大熵方法的变分贝叶斯自适应卡尔曼滤波(maximum correntropy variational Bayes adaptive Kalman filter, MCVBAKF)算法,并将其应用于捷联惯导系统(strapdown inertial navigation system, SINS)/全球卫星定位系统(global positioning system, GPS)组合导航系统。首先,使用最大熵鲁棒滤波方法对由脉冲噪声产生的野值问题进行处理;然后,通过改进的变分贝叶斯自适应方法进行后验更新,估计噪声,收敛所估参数的估计值;最后,进行了仿真对比。结果表明, MCVBAKF在复杂环境下可以有效提升滤波精度和稳定性。

网格细胞是动物大脑中与空间认知和导航有关的重要神经元,具有拓展至整个空间的六边形放电野。位置细胞是网格细胞重要的信息源,可以通过Hebbian学习生成网格细胞,但是现有模型对Hebbian学习的脉冲自适应函数或学习窗函数做了预先的墨西哥帽模型假设。针对该问题提出一种基于差分Hebbian学习的位置细胞至网格细胞模型,利用细胞放电率的变化自发产生墨西哥帽模型的输入关联,然后通过对位置细胞至网格细胞的突触权重进行竞争性非线性限制,生成具有六边形放电野分布的网格细胞。仿真结果表明,该模型可以为无人运行体类脑导航系统的构建提供借鉴。

针对高阶容积卡尔曼滤波在无人机导航等高维非线性系统中存在较大高阶采样误差的问题,提出了一种基于正交变换的五阶容积卡尔曼滤波(orthogonal transformed fifth-order cubature Kalman filter，OT5-CKF)。利用三角函数的正交性特点,对原有的容积点进行适当的容积变换,将变换后的容积点代入容积卡尔曼滤波(cubature Kalman filter, CKF)模型中。经分析,新的容积点可以极大地避免高维系统的高阶采样误差。最后,以无人机GPS/INS组合导航系统为应用背景,对三阶CKF、五阶CKF和OT5-CKF进行了仿真对比分析。结果表明,同等观测条件下OT5-CKF的滤波估计精度明显高于前两者。

目前对全球导航卫星系统(global navigation satellite system, GNSS)三频组合观测值优选的研究,主要集中在全球定位系统(global positioning system, GPS)和北斗二号(beidou navigation satellite system, BDS-2)上,对BDS-3的研究相对较少。为克服以往聚类优选算法中存在的仅适用于类球形簇、聚类数目和初始聚类中心的确定主观性强、对离群点敏感、易陷于局部最优等不足,提出一种改进的核模糊C均值聚类算法,引入核函数与抑制离群点的新距离度量,基于多类广义核极化准则优化核参数,用改进爬山法确定聚类数目与初始聚类中心。然后,以模糊C均值聚类算法为对照进行了对比实验,在短、长两种基线下分别解算组合模糊度。通过对优选所得代表性组合的模糊度固定成功率进行对比分析,验证了该算法的可行性与算法改进的有效性。

Multi-h连续相位调制(continuous phase modulation, CPM)信号与其调制指数均值相等的Single-h CPM信号的特征具有极大相似性,难以区分。针对该问题,提出了一种基于近似熵的Multi-h CPM调制识别算法。该算法将信号按照相同调制指数为一组的方式拆分为多个子序列,通过舍弃符号间拼接产生的多余模式向量对近似熵进行修正,然后利用Multi-h CPM信号各子序列近似熵的差异性,完成Multi-h CPM信号和Single-h CPM信号的类间识别,最后利用概率神经网络完成类内识别。实验结果表明,该算法在信噪比低至11 dB时,仍可以达到90%的识别率。

近年来,正交频分复用(orthogonal frequency division multiplexing, OFDM)被广泛应用于高精度无线测距系统中。针对OFDM高精度测距系统对相位噪声非常敏感的问题,提出了基于区域量化的分级最佳轨迹匹配相位噪声补偿算法,首先根据实际相位噪声轨迹设计了基于区域量化的两级码本,然后通过分段匹配的方法在码本中选择最接近实际的相位噪声轨迹。仿真结果与分析表明所提方法在相同估计精度条件下可以有效地降低轨迹匹配复杂度,且所提算法可以有效地跟踪实际相位噪声轨迹,在保证码本覆盖范围的前提下得到了接近最优的测距精度。

针对多序列跳频(multi-sequence frequency hopping, MSFH)通信系统在对偶信道存在干扰信号的情况下易引发误码的问题,提出了结合伪随机特征码的MSFH(pseudo-random feature coding MSFH, PRFC-MSFH)通信方法。在信道频率间隔内调制伪随机特征码作为信号来源的特征信息,减少对偶信道受干扰的影响,达到抗干扰目的。建立了PRFC-MSFH发射接收通信模型,根据模型推导了PRFC-MSFH在不同干扰下的误码性能。仿真结果表明, PRFC-MSFH在跟踪干扰条件下较常规跳频约有3~5 dB性能增益,在最坏多音干扰条件下较MSFH有约6~7 dB性能增益,具有较强的综合抗干扰能力。

为提高多模索引调制正交频分复用的能量效率(energy efficiency, EE)与频谱效率(spectrum efficiency, SE),提出优化方案和相应检测算法。该方案在不减小子块间最小欧式距离的前提下通过增加模式排列的种数使系统传递的索引信息量增加,从而提升系统SE。此外该方案引入空载模式使得部分信息的传输无需消耗能量,从而提升系统EE。同时提出改进的低复杂度最大似然检测算法以降低模式排列的检测复杂度。分析模式排列数及空载模式对误比特率(bit error rate, BER)性能的影响,并据此对引入空载模式后的多模式星座进行优化。仿真结果表明,优化方案的EE和SE都有所提升,且BER性能更优。

喷泉码的编译码性能与其度分布息息相关,基于联合度分布的喷泉码编译码性能明显优于基于单一度分布的喷泉码编译码性能,但目前的联合度分布大多是简单的将两个度分布进行结合。输出可译集的取值波动可以表征喷泉码编译码的性能,本文基于输出可译集的特性设计了优化算法,用以求解泊松分布(poisson distribution, PD)和鲁棒孤子度分布(robust soliton distribution, RSD)结合的最优比例,得到新的度分布。仿真结果表明,相较于RSD,采用优化后的度分布的喷泉码性能有着显著提升。