测控信号的调制指数可作为非合作卫星辐射源识别的一个稳定特征参数，针对非合作统一S频段测控信号，提出一种基于频域谱分析的调制指数估计算法。根据该信号的频谱特性构造调制指数估计算法，并对该算法的估计误差进行理论分析。通过蒙特卡罗仿真给出估计误差随信噪比变化的情况，并利用实测信号从频域和时域两个方面对该算法的性能进行验证。结果表明，实测信号与恢复信号的频谱幅度误差较小、时域基带信号波形的一致性较高、归一化互相关函数最大值接近于1。进一步说明该算法的精度较高，可为非合作卫星辐射源识别提供高精度的参数支撑。

针对传统宽带阵列信号波达方向(direction of arrival, DOA)估计方法中由入射角预估带来的DOA估计偏差及其在多径效应等环境下的应用问题,提出基于特征向量空间聚焦的宽带阵列DOA估计方法。首先,考虑多径干扰等对DOA估计算法的影响,对接收信号自相关矩阵进行平滑处理。然后，以平滑自相关矩阵特征向量空间过渡性为基础,构造聚焦矩阵,并证明其完美聚焦性。理论分析及仿真结果表明,该方法无需对入射信号角度值进行预估,有效避免了聚焦误差,算法复杂度较低,提高了估计精度及效率。

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。

异类数据作为不确定数据的类型之一,成为模式识别、多属性决策等问题中数据融合的难点。为此,以直觉模糊集为理论基础,本文提出一种异类数据的多属性融合方法。首先,定义一种新的直觉模糊数折扣算子及合成法则,证明了该算子与合成法则的基本性质。其次,定义异类数据之间的距离度量测度,基于灰关联方法,得到用于决策的系数矩阵,通过对备选方案证据的构造过程,生成直觉模糊数,基于直觉模糊熵,给出属性权重的计算方法。最后,根据直觉模糊数合成法则和比较法则,实现结果判定。仿真实验结果表明,所提方法能够有效地降低运算时间,得到正确的决策结果。

针对传统多阈值图像分割方法中存在的分割精度低、计算量大、分割速度慢等问题,提出了一种基于改进麻雀搜索算法(improved sparrow search algorithm, ISSA)的多阈值图像分割方法。首先,结合鸟群算法(bird swarm algorithm, BSA)中飞行行为的思想优化麻雀搜索算法(sparrow search algorithm, SSA),并采用4种类型的基准函数评估ISSA的寻优性能。然后,进行基于类间方差和Kapur熵的多阈值图像分割,并对比两种方法的分割结果。最后,采用PSNR、目标函数值和标准差作为评估标准,将ISSA与现有分割算法进行对比分析。结果表明, ISSA具有更优的搜索能力和开拓能力,且分割速度和分割精度均得到提升。

烟雾遮挡使基于图像的寻的制导系统目标识别困难,如何提高该类区域分割识别准确性、降低虚警率是一个亟待解决的课题。现有Deeplabv3+算法对烟雾分割时存在漏分割、错分割等问题,细节损失严重,整体分割精度低。本文提出基于改进Deeplabv3+模型的烟雾区域分割算法,创新异感受野融合的基于空洞卷积的金字塔构型(atrous spatial pyramid pooling, ASPP)结构,进一步扩大空洞卷积感受野,降低信息损失带来的不良影响;优化骨干网络,加入多尺度融合模块,降低网络参数量和计算量;引入通道注意力模块,强化对重点通道的特征学习能力,提高模型训练速度和分割精度。实验结果表明,改进Deeplabv3+模型在测试集中平均交并比为91.03%,分割效率为12.64帧/秒,分割效果远远优于传统模式识别算法;与Deeplabv3+基础模型相比,以较小的检测效率损失为代价取得了更高的分割精度,全场景理解和细节处理能力均有明显提升。

针对低信噪比条件下，传统的基于旋转不变技术的三维信号参数估计(three-dimensional estimating signal parameter via rotational invariance te chniques, 3D-ESPRIT)算法和平方前后向平滑的3D-ESPRIT(quadr atic-forward-backward 3D-ESPRIT, Q-FB-3D-ESPRIT)算法对几何绕射理论(geometric theory of diffraction, GTD)模型参数估计精度显著降低的问题，提出改进的极化Q-FB-3D-ESPRIT (polarized-Q-FB-3D-ESPRIT, PQ-FB-3D-ESPRIT)算法。改进算法与上述两种传统算法相比，增加了对目标极化信息的利用，有效延长了可利用电磁散射数据的长度。仿真结果表明，改进算法的参数估计精度要高于其他两种算法，且在低信噪比情况下尤为显著。此外，还对基于散射中心模型的雷达目标识别进行了研究，仿真结果进一步验证了所提算法的可行性。

目前对灵巧干扰的研究主要集中在常规地面雷达,对于机载雷达下的干扰模型及其抑制方法的研究较少。针对此种情况,建立了机载雷达背景下噪声卷积干扰、随机移频干扰和延时转发干扰3种典型灵巧干扰的空时信号模型,并从杂波自由度、空时功率谱图和距离-多普勒谱图的角度分析了干扰分布特性以及影响空时自适应处理(space-time adaptive processing, STAP)性能的内在机理,在此基础上提出了一种基于单元平均选小检测的机载雷达杂波和干扰同时抑制方法。该方法从杂波空时功率谱角度准确估计干扰来向,并据此形成干扰辅助波束,最后通过STAP实现干扰和杂波的有效抑制。仿真结果表明,所提方法相对于传统级联抑制方法,对延时转发灵巧干扰的抑制性能改善5 dB以上,验证了所提方法的有效性。

针对合成孔径雷达(synthetic aperture radar, SAR)成像中,基于?₁正则化线性回归(简称为Lasso)的凸优化类算法在进行稀疏特征增强时会导致弱散射体结构特征丢失，进而影响稀疏信号恢复精度的问题,本文提出一种基于双层稀疏组Lasso罚高斯回归模型的交替方向多乘子算法。该算法以散射体的块结构(组)特征为先验,首先针对SAR数据分类特征引入?₁范数对应的近端算子,通过在交替方向多乘子方法框架中利用高斯-赛德尔思想对其近端算子进行对偶迭代运算,实现第一层和第二层SAR组间的稀疏特征增强。另外混合范数中的?_F范数为高斯惩罚项,可对SAR回波复数据整体进行平滑,实现SAR结构特征增强成像。因此，所提算法可在SAR回波复数据处理中同时实现稀疏特征和结构特征联合增强。实验选取SAR、SAR地面动目标成像(SAR ground moving target imaging, SAR-GMTIm)和逆SAR的仿真数据与实测数据,分别从定性和定量两种角度对所提算法和传统算法进行对比,其中定量分析时采用相变图(phase transition diagram, PTD)方法来验证所提算法的重建能力，从而验证了本文所提算法应用于SAR稀疏与结构特征增强的有效性与优越性。

为了提高雷达电磁防护能力,揭示单频电磁辐射对雷达的干扰规律,首先基于雷达测距原理,通过电路非线性失真分析,初步掌握阻塞干扰和假目标干扰规律;而后开展效应试验,对干扰规律进行补充和完善。结果表明带内单频电磁辐射易对受试雷达造成干扰,假目标临界干扰场强明显低于阻塞干扰,最敏感处的差值可达30 dB,但敏感带宽要比阻塞干扰窄50%。随着干扰场强提高,回波峰值电平压缩量先缓慢增加而后近似线性增长,阻塞干扰虽然不会影响探测距离的准确度,但会导致探测距离缩短;假目标出现的位置是随机的,随着干扰场强提高,假目标电平先线性增长,而后趋于恒定。

高弹道弹载合成孔径雷达(synthetic aperture radar, SAR)在对中大型舰船目标进行广域成像时,其高弹道高度和高机动速度特性使图像易产生多重距离模糊,图像质量严重恶化。针对这一问题,提出了一种基于正交频分复用线性调频(orthogonal frequency division multiplexing-linear frequency modulation, OFDM-LFM)信号的正交波形设计方案,该方案采用Bernulli映射的混沌调制序列,对OFDM-LFM信号基进行频率调制,降低了信号的互相关峰值电平和自相关峰值旁瓣电平,进一步提高了发射脉冲间的正交性,且该调制方式可产生多个相互正交的波形,以解决多重距离模糊问题。目标成像仿真结果证明,混沌序列调制的OFDM-LFM信号可有效抑制弹载广域SAR成像的距离模糊。

针对单准则设计的波形难以满足雷达多工作模式和多任务问题,联合互信息(mutual information, MI)准则和信杂噪比(signal to clutter and noise ratio, SCNR)准则,提出一种基于长短时记忆(long short-term memory, LSTM)网络的雷达波形设计方法。首先，设计了由输入层、LSTM层和输出层构成的LSTM网络。其次，将基于MI准则和SCNR准则生成的信号与相应环境信息组成训练集,训练LSTM网络。最后,使用训练完成的LSTM网络设计波形,并将所提方法生成波形的雷达性能与单准则设计的波形进行对比。为衡量雷达综合性能,提出一种新的雷达综合性能指标和目标识别率。仿真结果表明,所提方法生成信号作为发射信号时,与MI准则生成信号相比,雷达综合性能平均提升0.67%,与SCNR准则相比,平均提升1.47%,证明了该方法可兼具MI准则和SCNR准则优点,提升雷达综合性能。

为提升雷达对海面微弱目标的探测能力,提出基于Chirp Z变换的多圈扫描帧间非相参积累技术。首先,建立多圈扫描采用不同载频时的雷达回波信号模型。然后,提出基于Chirp Z变换的运动目标帧间多普勒校正和距离走动补偿方法,使得多圈扫描数据经过处理后,目标出现在相同的距离-多普勒检测单元内,从而可以直接进行帧间的非相参积累,实现对微弱目标检测性能的提升。最后,结合仿真试验和实测数据,验证了所提方法的有效性。

现代化作战都趋向于体系与体系间的对抗,装备体系保障能力已经成为影响装备体系作战能力的关键。为了定量衡量装备体系保障的效果,需要对装备体系保障效能进行科学的量化评估。首先进行装备体系保障能力分析,得出装备体系保障能力指标。其次,基于Sobol敏感性分析方法,对装备体系可用度进行敏感性分析,得到装备体系保障能力指标的重要程度。然后，基于Sobol敏感性分析，综合采用幂指数法提出装备体系保障效能评估方法。最后，通过多智能体仿真方法对某装备体系保障效能进行仿真评估,验证了所提方法有效性。

杀伤网作为众多新型作战理念中均有涉及的概念,将替代杀伤链成为新型作战方式下战斗力生成的主要模式。本文基于杀伤网的评估,对传统的装备组合问题进行多目标优化。首先,基于多层网络模型,构建杀伤网的网络化描述方法。其次,基于杀伤网的特点,构建3个评估指标:冗余性指标、风险性指标、敏捷性指标,并给出了3个评估指标的计算模型。然后,构建了基于杀伤网评估指标的装备组合规划模型,并给出了基于启发式算法的装备组合多目标优化方法。最后，进行示例研究,通过评估两种具有不同装备组成和网络结构的杀伤网,对比其优劣,然后针对第一种包含无人装备的杀伤网进行装备组合优化,分别验证了评估模型的合理性以及优化模型的有效性。

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。

针对北斗三号系统中轨道Walker导航星座的备份策略问题,提出基于随机时间Petri网(stochastic timed Petri net, STPN)的分析评估方法。通过构建单星、轨道面和导航星座的3层STPN模型,分析不同备份策略下星座运行的逻辑行为特性和操作事件的时序关系。建立导航星座的可用性模型和运行成本模型,作为导航星座备份策略的评估指标。最后,利用蒙特卡罗方法对所提出的分析模型的准确性进行评估,并在满足可用性的前提下以成本最小为标准，获得星座在不同条件下的最优备份策略。结果表明,该方法能有效分析不同备份策略对星座运行参数的影响,可为导航星座备份策略设计优化提供量化依据。

针对空战中作战信息复杂、难以快速准确地感知态势做出决策的问题,提出一种博弈论与深度强化学习相结合的算法。首先,依据一对一典型空战流程,以随机博弈为标准,构建近距空战中红蓝双方对抗条件下的双机多状态博弈模型。其次,利用深度Q网络(deep Q network, DQN)处理战机的连续无限状态空间。然后,使用Minimax算法构建线性规划来求解每个特定状态下阶段博弈的最优值函数,并训练网络逼近值函数。最后,训练完成后根据网络输出求得最优机动策略。空战仿真实验表明,该算法具有较好的适应性和智能性,能够有效地针对空战对手的行动策略实时选择有利的机动动作并占据优势地位。

和高速交通环境比,城市交通环境具有更高的复杂性和不确定性,因此无人驾驶车辆行为决策系统要能给出驾驶场景下安全有效的驾驶动作。本文提出一种将本体语义表示与贝叶斯网络(Bayesian network, BN)概率推理相结合的行为决策模型。从驾驶场景中的多源异构信息和领域专家经验出发,建立本体并进行概率扩展,将其转换为BN,通过BN推理得到当前驾驶场景下的最佳驾驶动作。该方法既实现了驾驶场景领域知识的形式化描述和共享,又考虑到了驾驶场景中存在的不确定性。最后，通过Prescan/Simulink联合仿真实验验证了所提方法在无人驾驶车辆行为决策上的有效性。

针对突发事件引起批发价、市场价格与市场需求三者同时发生随机波动，造成商业航天贵金属配套制品供应链失调的问题，提出将看涨期权、看跌期权分别与数量弹性契约相结合，形成两种新的期权弹性契约，并用这两种新的期权弹性契约分别协调应对未来行情看涨与看跌的情形，寻找链上成员以实现最优决策的内在规律。结果表明，两种期权弹性契约在面对批发价、市场价格和市场需求均随机波动时，均可以使商业航天贵金属配套制品供应链恢复协调。当市场价格上涨时，采用看涨期权契约可以提高供应链整体收益；当市场价格下跌时，采用看跌期权契约可以提高供应链整体收益。此外，两种模式下皆可提高供应链的最佳订货量。最后，采用算例仿真证明了上述结论的正确行性。

针对多部门协同应急决策带有不确定性和偏好性的多属性决策问题,提出了一种基于概率语言赋权交叉熵信度分配的应急决策方法。首先,采用能充分表达不确定决策信息的概率语言术语集(probabilistic linguistic term set, PLTS)刻画属性指标,并将其作为证据推理算法中的证据信息。同时,从认知科学的角度考虑由部门跨领域及专业偏好等特点造成的证据不确信问题,对证据折扣系数表达式进行改进,构建基于概率语言赋权交叉熵的Mass函数。然后,利用递归算法对多部门多指标形成的证据信息进行合成,得到各方案的综合评估信息。最后,通过算例分析验证了方法的有效性和实用性。

针对具有弱通讯的高阶严反馈非线性多智能体系统,提出一种新颖的分布式自适应反演控制方法,并研究了该系统的协同跟踪控制问题。首先,以5个智能体作为被控对象,其中一个智能体以分布式结构组成“领航者-跟随者”编队模式,并且将领航者的运动速度作为整个编队系统的前行速度,其余智能体作为跟随者跟随领航者编队运动。其次,采用自适应反演方法,对系统中由于弱通讯导致的不确定参数进行自适应估计,并对系统设计补偿追踪控制律,使系统中的智能体能够实现自主跟踪时变的参考轨迹,最终以最优的轨迹避开障碍物,并保持期望队形运动。接着,根据Lyapunov稳定性理论,证明了所提方法的有效性。最后,通过仿真对比表明,所提方法能够使多智能体系统的横向、纵向跟踪误差以及参考轨迹的相对误差均实现快速收敛,并在跟踪过程中保持该系统渐近稳定。

针对多自主水下航行器协同定位系统中从艇的数据融合问题,首先建立了协同定位系统的数学模型,然后分析了速度误差及航向误差对从艇定位误差的影响,同时设计了协同定位及误差估计的因子图模型。接着,提出了基于高斯噪声的协同定位及误差估计算法,利用均值和方差在因子图各节点间传递完成对从艇位置、速度误差和航向误差的估计。为了验证算法的有效性,通过仿真实验和实船试验的离线数据对协同定位及误差估计算法进行验证。结果表明,所提算法可以有效降低从艇的定位误差,在从艇自主定位时尤其明显,大幅提高了从艇的导航定位能力。

针对卫星运行时存在的诸如在轨组装升级后的卫星转动惯量变化较大且难以确定等问题,提出一种基于改进预测迭代学习控制的姿态敏捷机动控制方法。首先,以改进递阶饱和控制作为反馈控制器,实现原系统的稳定。其次,加入改进预测迭代学习控制作为前馈控制器,提高系统动态性能、鲁棒性与敏捷性。然后，采用基于混合执行机构的零运动操纵律提供高精度大力矩，并解决控制力矩陀螺奇异和飞轮饱和问题。最后,通过仿真证明所提控制器的优越性。

受相控阵天线指向误差和天线罩瞄准误差的共同影响,相控阵雷达导引头存在较严重的指向误差。当指向误差斜率超出一定范围时会造成导弹制导系统出现寄生回路振荡问题,影响系统的稳定性和制导精度,在高空尤为明显。对此，本文通过构建相控阵雷达导引头制导系统模型,分析了导引头指向误差斜率对导弹制导的影响以及产生寄生回路振荡的机理;为消除导引头指向误差斜率对制导的不利影响,在指向误差测量补偿的基础上,又给出了一种多模型扩展卡尔曼滤波的估计方法,对导引头指向误差斜率进行实时估计与补偿。数字仿真结果表明，所提方法能够有效改善导引头指向误差斜率对制导系统的不利影响,提高系统稳定性和制导精度。

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。

针对正交频分复用无线中继系统的绿色通信问题，提出一种低复杂度功率分配算法。首先，采用“放大-转发”中继策略，源节点在中继传输的两阶段都发送相同信息。然后，通过联合优化源节点和中继节点在各子载波上的传输功率，使系统以最小功耗代价满足用户通信服务质量要求。由于该问题是一个复杂的多变量耦合非凸问题，直接求解难度高。对此，综合运用拉格朗日松弛法和块坐标连续上界最小化方法，通过交替优化各个功率变量，获得原问题的高质量次优解。仿真结果表明，该算法能有效降低中继系统总体功耗，为无线中继系统的绿色通信提供有效解决方案。

针对现有卷积交织器识别算法,在低信噪比下存在误判概率高、识别效率低等缺陷,首先分析了构建出的数据矩阵统计特性,给出了同步码以及随机数据位置上的概率密度分布函数,基于最小错误判决准则,设定了同步码检测门限,同时基于三倍标准差准则,设定出更为稳健的交织周期识别门限;其次,分析出了数据矩阵中每一行与每一列累积量的对应关系,提出了一种快速交织周期遍历方法,使得矩阵构建次数大大减少;最后定义了聚合度概念,仅通过二重循环遍历即可完成交织深度与交织宽度的快速识别。仿真结果表明,该算法能够在低信噪比下实现卷积交织器参数的有效识别,同时相比于现有的方法，识别性能提升了1 dB到2 dB,且计算效率得到了明显的提高。

低精度量化技术能解决毫米波通信射频链高能耗问题而使相关的接收技术受到广泛关注。本文针对应用于单比特量化上行多用户多输入多输出(multiuser multiple input multiple output, MU-MIMO)系统的软输出检测(soft output detection, SOD)算法计算复杂度高的问题，针对软输出检测(soft output detection, SOD)算法计算复杂度高的问题,结合串行干扰消除算法与SOD算法,提出排序多用户单比特串行干扰消除SOD(ordered multiuser one-bit successive interference cancellation SOD, OMuOSIC-SOD)算法,所提算法计算复杂度更低且能动态调整。在基于polar编码的MU-MIMO系统中的仿真结果表明, OMuOSIC-SOD算法随着同时检测的用户数目增加,误帧率(frame error rate, FER)逐渐接近SOD检测算法;在8×32 MIMO中, FER为10^-3时, OMuOSIC-SOD算法每次检测的用户数目每增加2个,得到约0.6 dB的性能增益。综上所述，所提算法可以通过调整每次检测的用户数量来调整检测性能，提升了算法的灵活性。

针对传统中心点匿名区域扩张方法中用户位置可预测的问题,提出一种匿名区域按照匿名用户离散距离层级扩张的位置隐私保护方法。首先，将位置区域按照匿名用户离散间距进行划分,并利用希尔伯特曲线按照间距递进的原则建立具有不同离散间距层级的N-阶位置区域四叉树。其次，基于该四叉树用户可选择不同离散程度的匿名区域,防止由于匿名用户密度导致的隐私泄露。同时，由于用户并不位于匿名中心,又可有效应对诸如用户距离差分攻击、中心区域选择攻击等攻击方法。最后,通过安全性分析给出了该算法的理论依据。实验验证与同类算法的比较,进一步展示了所提算法相比于同类算法的优越性。

针对时间反演多址系统中信道的相关性会导致多用户干扰的问题,以降低用户间干扰和算法复杂度为目标,提出基于Barzilai-Borwein的共轭梯度迭代检测算法。首先通过共轭梯度迭代两次找到最速下降方向,然后通过Barzilai-Borwein沿着共轭梯度搜索的方向继续迭代。仿真表明,所提算法收敛速度快于Barzilai-Borwein和共轭梯度算法,且复杂度低于共轭梯度算法和最小均方误差(minimum mean square error, MMSE)算法,保持在O(N²)。

电子元部件级状态监测与故障诊断技术是武器装备维修保障的关键，是武器系统作战效能保持和快速恢复的可靠保障。随着数据获取、存储及挖掘技术的快速发展，基于数据驱动的智能诊断方法逐渐成为状态监测与故障诊断领域的重要研究方向。武器系统电子元部件集成形式多样、工作环境复杂、参数指标多、故障模式动态耦合，给故障诊断工程实现带来了严峻的挑战，特别是数据质量问题、故障诊断方法与应用问题以及复杂运行环境下未知故障模式识别问题。针对当前武器系统电子元部件级故障诊断对象、数据驱动的诊断方法以及面临的主要问题进行简要综述，在总结国内外已有研究成果的基础上，指出了在未来实现武器系统电子元部件级的状态监测与在线故障诊断技术的发展趋势。

针对传统基于加速退化建模的剩余寿命在线预测方法需在特定共轭分布条件下才能实现漂移系数和扩散系数同步更新的问题,提出一种基于比例关系加速退化建模的设备剩余寿命在线预测方法。首先,在传统Wiener退化模型中引入扩散系数与漂移系数的比例关系,从建模角度保证了扩散系数与漂移系数同步更新的可能性。其次,提出一种基于两步极大似然的参数估计方法,实现对模型参数的合理估计。然后,基于加速因子不变原则制定退化数据折算规则,并采用卡尔曼滤波原理在线更新设备退化状态。最后,基于全概率公式,推导出常应力条件下设备剩余寿命的概率密度函数。以某型加速度计加速退化数据为例进行分析验证,证明了所提方法能够有效提升剩余寿命预测的准确性,具备工程应用价值。