在确定天线的拓扑结构以后, 通常需要对天线的结构参数开展反复的优化才能达到设计目标, 快速有效的优化算法有利于缩短天线的设计周期。在建立综合目标函数的基础上, 同时考虑天线的多个优化目标和限制条件, 使用贝叶斯优化算法对天线进行端到端优化。基于在线更新的数据集, 高斯过程估计出目标函数的后验分布, 进而使用获得函数进行迭代。通过两种天线模型对提出的优化算法进行仿真验证, 结果表明, 由于建立了天线参数到综合目标函数的映射关系, 整个优化过程以端到端的方式实现, 与传统的优化方法相比, 所提算法的优化结果和优化速度都具有明显的优势。

在广义传播矩阵(general transmitting matrix, GTM)方法分析各向异性介质传播特性的基础上, 对分层双轴各向异性介质进行分析。构造双轴各向异性介质中横向场的状态矢量和耦合矩阵, 得到双轴各向异性介质中的本征波, 引入GTM, 获得分层双轴各向异性介质的反射系数和透射系数。对不同介质涂覆结构的角度特性和频率特性进行分析, 数值计算结果与商业软件结果高度一致。进一步将电磁传播矩阵与弹跳射线(shooting and bouncing ray, SBR)法相结合, 获得介质涂覆目标的电磁散射特性, 所得雷达散射截面结果与商业软件结果之间的均方根误差小于3 dBsm, 体现了该方法的准确性。

宽带探测为目标高精度运动参数估计提供了可能。然而, 目标多散射特性以及姿态变化等因素限制了测速性能的进一步提升。为此, 提出一种基于相位分析与散射点关联相结合的有效方法。首先, 通过建立分段匀加速直线运动模型, 采用包络对齐方法与自适应Chirplet分解方法相结合的方式, 从回波的相位变化中提取出目标的运动信息。然后, 使用预测-观测的关联方法, 去除其中非平动因素的影响, 提高平动速度的估计精度。最后, 实测数据的实验结果证明了所提方法的有效性。

飞机目标的方向检测和精细识别是高分辨率光学遥感图像解译领域的一个重要任务。针对遥感图像中多方向密集排布飞机的方向检测和识别困难问题, 提出一种基于旋转混合任务级联(rotated hybrid task cascade, RHTC)网络的飞机检测识别方法。首先, 基于混合任务级联(hybrid task cascade, HTC)网络, 扩展分割分支数量, 并将分割分支与包围框分支多层级联以不断加强语义特征。其次, 设计了一个新的斜框回归器, 将其添加在掩膜分支的最后一层以完成目标方向预测。最后, 增加一个新的方向损失函数以优化训练过程, 从而完成RHTC网络构建。在数据预处理阶段, 构建了每类型号飞机目标的精细掩膜以增强目标细节和提高掩膜预测精度。基于DOTA和公开Google图像构建的飞机数据集开展了多组实验。结果表明, 与其他多种先进的方法相比, 所提方法在飞机检测方向精准度和类别平均精准度上性能更优。此外, 所设计的斜框回归器和方向损失函数在嵌入到其他分割网络时也具有良好的性能。

微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点。针对复杂运动目标微多普勒(micro-Doppler, m-D)曲线交叠耦合导致的微动辨识难点, 提出一种基于曲线趋势估计的分离算法。该算法首先通过骨架提取获得稳定精细的二值化曲线数据, 再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离, 最后利用变分模态分解(variational mode decomposition, VMD)及经验模态分解(empirical mode decomposition, EMD)算法分解每条m-D曲线并计算相应的微动特性。仿真实验表明, 所提算法能够在信噪比大于-15 dB条件下稳定分离m-D曲线, 进而提取目标的微动特性。

在复杂环境声场景识别任务中, 梅尔频谱作为输入的深度卷积神经网络有良好的识别能力, 然而梅尔滤波器组依据人耳生理特征设计, 对于声场景识别并非最优滤波器组。针对此问题提出声谱图提取神经网络取代传统梅尔频谱提取过程, 通过训练该网络使声谱图自动适应声场景数据集。声谱图提取神经网络连接ResNet50作为声场景识别架构, 在DCASE2019声场景数据集上进行训练与测试, 实验结果表明该架构比传统模型有更高的识别率, 能够有效调整频率曲线、滤波器幅值以及滤波器形状。

导引头天线罩的流线型结构对天线阵列造成了能量损失、角度检测误差等电磁性能方面的影响, 给制导性能带来严重损失。本文利用电磁波折射理论建立了波束指向偏移模型, 通过数学公式推导验证了该模型的合理性, 为角度检测误差补偿提供了理论基础。波束偏移理论和相控阵天线阵列测角原理的结合定位了阵列在有天线罩时检测角所对应的最大波束指向角度, 提升了相对于无天线罩时检测角误差的准确性。实验数据表明，所提方法所得到的误差角度补偿表将阵列角度检测误差从1°降低到可接受的0.1°以下的误差范围, 验证了该方法的创新性和先进性。

为有效解决特定辐射源的个体识别问题, 提出一种基于Hilbert-Huang变换与对抗训练相结合的方法。首先根据辐射源硬件差异, 建立辐射源信号的数学模型; 其次, 对信号进行Hilbert-Huang变换得到Hilbert谱; 然后, 在预处理过程中, 从信号所有的Hilbert谱时频点对应的能量值中, 确定最具区分度的一组能量值, 并记录其对应的时频点; 最后, 对每一类辐射源信号的Hilbert谱提取上述记录的时频点对应的能量值, 将其送入卷积神经网络进行训练与测试, 并通过对抗训练的方式提升网络的抗噪性能。识别准确率实验表明, 对比不进行对抗训练的方法以及不进行预处理与对抗训练的方法, 所提算法的识别率分别平均提升3.1%与5.45%。识别鲁棒性实验表明, 所提算法训练样本为100时即可达到较好识别效果, 同时随着辐射源个数增多优势更加明显。复杂度分析表明, 所提算法能有效降低神经网络在大量训练与识别过程产生的运算量。

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。

针对常规间歇采样转发干扰(interrupted sampling repetitive repeater jamming, ISRRJ)存在假目标群幅度递减过快、假目标干扰能量不集中的问题, 提出基于梳状谱调制干扰(comb spectrum modulation jamming, CMSJ)和ISRRJ的复合干扰方法。首先, 分析CSMJ和ISRRJ的特性; 然后, 探讨复合干扰形成密集假目标干扰的条件, 并给出参数控制字的选择方法; 最后, 仿真分析不同参数条件下的干扰效果。理论分析和仿真结果表明, 所提方法参数控制简单, 能够形成幅度均匀分布的密集假目标群。

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。

近几年新型的超材料天线相比于传统的相控阵有着多方面的优势，但是由于超材料天线的正常工作必须要有变频信号的辅助，而目前的超分辨成像算法没有补偿由于频率变动产生的误差，导致成像质量严重下降甚至不能成像。此外，回波信号中频率的变动和不同的距离互相耦合，导致不能简单的直接补偿掉误差相位。因此，提出一种基于压缩感知的超分辨关联成像算法的改进方法，将基于压缩感知的超分辨关联成像算法和超材料天线结合在一起，实现了低系统复杂度、低成本、高分辨率的微波关联成像。通过设计仿真实验证实了所提方法的正确性，并且验证了此方法对于二维和三维成像均可以处理。

充分的合成孔径雷达(synthetic aperture radar, SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键, 基于实际测量获取充分SAR数据是不现实的, 基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径。SAR仿真图像与实测图像为非同源数据, 由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异, 会影响识别性能。针对这一问题, 首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像, 再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR实测数据的非同源SAR目标识别性能对比分析。实验结果表明, 直接使用SAR仿真数据无法实现对实测SAR数据有效识别, 而线性/非线性特征变换可以改善非同源SAR目标识别性能, 一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题。

结合深度学习思想, 提出了一种基于多尺度交互结构卷积神经网络(convolutional neural network, CNN)的合成孔径雷达(synthetic aperture radar, SAR)图像相干斑抑制方法。首先, 通过不同尺寸的卷积核及跳跃连接构成多尺度交互特征提取模块以获得不同感受野的特征并加快网络收敛速度。然后, 在多尺度交互特征提取模块之间利用简化的密集连接方式使网络能够充分利用浅层纹理特征。最后, 采用残差学习策略得到抑制后的图像。实验结果表明, 与已有方法相比, 所提方法不仅使用较少的计算参数量, 还能保证性能的提升。

针对雷达高分辨距离像(high resolution range profile, HRRP)目标识别中特征提取及识别问题, 提出了一种基于一维堆叠池化融合卷积自编码器(one-dimensional stacked pooling fusion convolutional autoencoder, 1D SPF-CAE)的识别方法。首先构造一维池化融合卷积自编码器(one-dimensional pooling fusion convolutional auto-encoder, 1D PF-CAE), 在编码阶段, 采用最大池化和平均池化同时提取不同的编码特征并进行融合来提取HRRP的结构特征; 然后堆叠多个1D PF-CAE形成1D SPF-CAE; 最后使用标签数据对网络进行微调, 实现HRRP目标识别。并使用AdaBound算法优化网络训练来提高识别性能。基于弹道中段目标仿真数据的实验结果表明, 该方法具有较强的特征提取能力, 对于HRRP目标识别准确率高、鲁棒性强。

对极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)实施有效的电子干扰是合成孔径雷达电子对抗领域的重要课题。针对PolSAR电子干扰的基本原理, 首先推导出了接收机输出端和成像处理后的PolSAR方程, 并与极化散射矩阵联系起来, 完整地描述了不同极化状态组合下的信噪比和杂噪比; 然后构建了PolSAR接收机输出端的干扰方程以及成像处理后的非相干、部分相干和完全相干干扰方程, 总结了PolSAR电子干扰有效功率的能量分配与守恒规律; 最后基于上述方程论证了不同极化配置对PolSAR干扰的效果。对于PolSAR电子干扰技术研究和相关装备研制具有重要的理论指导意义。

低截获概率(low probability of intercept, LPI)雷达作为一种具有强抗干扰能力及低截获特性的新型雷达, 对其精准高效识别已成为雷达对抗一方波形识别的难点。针对该方向主流分类器卷积神经网络(convolution neural network, CNN)的结构智能寻优问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)算法-CNN的波形识别算法。该算法利用PSO的寻优特性, 可实现较大范围内自动搭建不定层数、不定层类别及层内参数的CNN结构并进行迭代寻优; 采用识别精度及网络复杂度相结合的衡量指标, 可根据需求调整两者比重以实现对精度与轻量性的选择。该算法获取的CNN结构实现了比9种经典CNN结构更好的LPI雷达波形识别效果, 同时避免了波形识别时人工选定CNN超参数缺乏智能性、客观性的问题, 提高了选用CNN结构的适配性及高效性。

针对旋转目标微多普勒频率相互交叠、重合难以提取的问题, 提出了一种基于调频连续波(frequency modulated continuous wave, FMCW)雷达的微动参数提取方法。考虑到旋转目标微多普勒频率具有正弦形式的特征, 利用多普勒信号构造了矩阵并进行奇异值分解, 使得奇异值比谱在旋转频率处的比值达到最大。为了估计旋转半径和初始相位, 对多普勒信号时频分析结果进行逆Radon变换, 将正弦曲线的参数估计问题转化成了参数空间中的峰值检测问题。仿真和实验数据结果表明, 结合奇异值分解、时频分析技术和逆Radon变换的旋转目标微动参数提取方法具有在低信噪比条件下提取高精度参数值的能力, 有效解决了相互交叉的微多普勒频率参数提取问题。

针对高斯混合(Gaussian mixture, GM)实现的变分贝叶斯-δ-广义标签多伯努利(variational Bayesian-δ-generalized labeled multi-Bernoulli, VB-δ-GLMB)滤波算法在非线性场景下跟踪性能较低这一问题, 结合基于临近点算法(proximal point algorithm, PPA)和变分贝叶斯(variational Bayesian, VB)的迭代优化与容积卡尔曼滤波(cubature Kalman filtering, CKF), 提出一种适用于非线性模型的机动多目标跟踪算法。该算法在GM-VB-δ-GLMB的基础上采用逆伽马(inverse-Gamma, IG)和高斯乘积混合分布近似量测噪声协方差和状态联合后验分布; 利用PPA-CKF-VB(PCKF-VB)方法对传递过程中的高斯项参数进行预测更新; 最后为提高滤波精度进行变分贝叶斯容积RTS(VB cubature Rauch-Tung-Striebel, VB-CRTS)平滑。仿真结果表明, 对于量测噪声未知的非线性系统, 所提的算法与现有的VB-δ-GLMB算法相比目标跟踪精度有显著提高。

针对传统的民机研制方法中面临的设计需求不完整、难以保证设计与需求一致性、设计方案难以更改等一系列问题, 结合美国国防部架构框架(Department of Defense Architecture Framework, DoDAF)的多个视角, 提出基于DoDAF的民机基于模型的系统工程研制方法。该方法参考DoDAF中不同的视点从多角度对民机研制要求进行分解与细化, 生成资源流动模型、活动模型以及系统接口模型等, 开发出信息更加立体的飞机能力模型, 指导民用飞机的设计, 证明了基于DoDAF的民机研制方法能够从多视角的角度完整、全面地分解飞机能力要求，并将其转化为具体的设计要求, 从而更好地指导民机研制, 提高民机研制效率。

如何解决资源约束条件下的任务调度问题，保证在资源使用存在冲突情况下, 多个任务高效执行, 其中合理的任务调度和资源冲突消解是影响任务执行效果的关键因素。基于工作流图模型提出了一套资源约束条件下任务调度的框架, 并针对调度过程中产生的资源冲突, 提出了两种任务调度算法: 一种算法通过任务关键度确定优先级, 并基于贪心策略和调整工作流图拓扑结构的方法, 在任务开始前确定任务调度方案; 另一种算法采取弹性资源调度的方式, 使产生冲突的任务优先在资源不足的条件下开始执行, 任务调度和执行交替进行。最后, 通过地震救援案例验证了相关算法可行性, 与求解资源约束条件下任务调度问题的两类典型方法中具有代表性的算法进行对比实验, 分析了所提两种算法的优势与意义。仿真结果表明，所提算法具有适用地震救援资源紧缺特点的优势。

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。

个体一致性检验、群体偏好集结、群体共识改进是达成共识的三个关键阶段, 高一致性、高共识度、低共识成本分别是群体共识构建三个阶段的重要决策目标。本文通过分析群体共识构建过程中三个核心阶段对共识实现的影响, 建立了各个决策阶段的优先模型。首先, 针对犹豫模糊偏好关系的评价值特征, 设计了融合局部标准化系数的一致性检验和调整模型, 为实施群体信息集结提供可靠的模糊判断; 其次, 以贴近度为诱导值实施犹豫模糊偏好关系群体信息集结, 结合统计推断方法设计共识度阈值, 科学刻画群体共识水平; 然后, 针对群体共识度水平较低的情形, 设计了融合优化集结权重和最小调整距离的共识改进模型, 有效减少群体共识改进中的信息损失与迭代次数。最后, 通过比较分析凸显所提决策方法的可行性和优越性。

针对装备体系网络建模过程中未充分考虑节点异质性等问题, 提出了基于节点重要度与改进信息熵的体系效能评估方法。首先, 依据作战环理论和装备分层方法构建装备体系网络模型。其次, 从网络全局、网络局部、战时装备完好性三方面综合评估节点重要度。最后, 根据节点权值和节点参与作战环数量, 建立了改进信息熵的作战效能评估模型。以轰炸蓝方指挥所作战体系为例进行分析, 验证了所提方法的可行性和合理性。

出动离场调度是舰载机起降作业中关键一环, 可抽象为NP(non-deterministic pdynoial)难问题的混合车间调度问题。首先，在传统数学规划模型基础上, 引入逻辑约束及间隔变量, 建立了约束规划模型。然后，通过调度分解技术构建多机调度转化为单机调度的启发式规则, 并提出了单机约束引导启发式搜索与约束规划二分法迭代算法, 给出了问题的求解流程。算例仿真表明, 约束规划可有效解决不同规模下的离场调度, 并快速收敛到阈值内; 在中小规模出动时, 所提算法效率比传统智能方法提升约2个数量级, 具有较强实时规划能力, 但随着实验规模增大算法收敛时间呈线性变化趋势, 而在本文研究范围内仍优于传统智能算法, 具有良好实用价值。最后，用起飞位数量对出动效率进行灵敏度分析, 发现C2起飞位对出动效能贡献最大。

通过构建正六边形栅格地图, 并修改传统跳点搜索(jump point search, JPS)算法的邻居剪枝、强制邻居判断的规则和JPS策略, 提出一种新的正六边形栅格JPS算法, 并且利用该算法解决智能体在环境地图存在障碍物时的路径规划问题。利用Pycharm平台进行仿真研究, 并与传统正方形栅格A^*算法和JPS算法进行路径规划仿真比较, 结果表明正六边形栅格JPS算法可更好地实现路径规划, 所规划出的路径可避免穿越墙角的不安全行为、减少转向次数, 且该算法可减少路径规划时间, 提高了路径规划的质量和效率。

无人作战开始步入现代战争舞台, 多无人车(multi unmanned ground vehicle, MUGV) 协同作战将成为未来陆上作战的主要样式。体系效能评估是装备论证和战法研究的核心问题, 针对MUGV体系效能评估问题, 建立了一套以自主学习算法为基础的探索性仿真分析方法。将MUGV对抗过程建模为零和随机博弈(zero sum stochastic game, ZSG)模型, 通过使用多智能体深度强化学习类方法(multi agent deep reinforcement learning, MADRL)探索在不同对方无人车规模条件下, ZSG模型的纳什均衡解, 分析纳什均衡条件下参战双方胜率, 作战时长等约束, 完成MUGV体系作战效能评估, 并在最后给出了MUGV体系效能评估应用示例, 从而建立了更可信、可用的体系效能评估方法。

针对空间用四轴陀螺组合换轴及光源切换时产生浪涌以及数据丢失的问题, 提出了一种浪涌防护及数据填补方法。首先，采用双光源方案, 设计了浪涌防护电路, 降低了上电过程中瞬时大电流对元器件的影响。然后，建立了数据填补机制, 用来弥补切换过程中丢失的数据。最后，进行了地面数据填补实验, 角速率分别设为0.174 5 rad/s和1.745 rad/s, 预测的角速率与实际的角速率分别相差不超过0.003 rad/s和0.008 rad/s, 相对残差分别为0.003 9和0.001 2, 验证了所提方法的有效性。

针对使用模型似然函数比对传统交互多模型(interacting multiple model, IMM)算法模型转移概率实时修正存在奇异的问题, 基于所提修正函数给出一种改进自适应IMM算法。首先, 将白噪声模型与扩展卡尔曼滤波(extended Kalman filter, EKF)算法结合, 设计了非机动模型EKF1及机动模型EKF2作为IMM算法模型集。其次, 预报模型采用适应椭圆参考轨道的非线性相对轨道动力学方程以提高模型预报精度。最后, 分析了速率量测信息对减小机动目标跟踪峰值误差的作用。仿真结果表明, 改进的模型转移概率自适应IMM-EKF算法跟踪精度明显提高, 且优于比较的现有方法; 引入速率量测信息后, 最大峰值误差及估计精度得到了改善。

为获取变化海流环境下自主水下航行器(autonomous underwater vehicle, AUV)的能量最优路径, 基于最优控制理论提出一种用于AUV的三维能量最优路径规划算法。首先, 为了有效抑制海流对路径规划的影响, 将海流向量加入到AUV运动学模型中。其次, 在已知俯仰角及AUV位置的情况下, 利用庞特里亚金极小值原理, 获得能量最优控制律。最后, 利用线性定常系统的状态空间理论, 计算得到初始艏向角、航速以及能量消耗。在仿真环节, 通过与负反馈控制策略相比较, 说明所提算法能够规划出三维能量最优路径, 而且可以有效降低AUV的能量消耗。

为了提高快速反射镜(fast steering mirror, FSM)的跟踪精度和扰动抑制能力, 建立了基于自抗扰控制器(active disturbance rejection control, ADRC)的FSM闭环控制系统, 并对ADRC的参数整定方法进行研究。由于ADRC参数用试凑法整定效率低, 用粒子群优化(particle swarm optimization, PSO)算法整定容易陷入局部最优, 因此提出一种惯性权重基于箕舌线调整的改进PSO(improved PSO, IPSO)算法。通过系统仿真实验, 在考虑卫星平台振动的情况下, 采用基于IPSO、PSO的ADRC和传统比例-积分-微分(proportion integration differentiation，PID)控制器分别控制FSM。结果表明, 在跟踪不同频率的高频正弦信号时, 采用基于IPSO的ADRC控制的FSM跟踪精度相较其他两种控制器控制FSM的跟踪精度均有明显提升。

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明，与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。

由于无人艇所行驶的海洋环境比较复杂, 因此无人艇智能系统中的路径规划系统显得越来越重要。针对A^*算法与动态窗口法(dynamic window algorithm, DWA)存在的不足之处, 提出一种将二者进行结合的混合路径规划算法。通过对A^*算法得到的局部目标点进行迭代更新使水面无人艇(unmanned surface vessel, USV)利用DWA得到最佳搜索路径。仿真结果表明, 提出的算法所搜索的路径长度以及路径的拐点相对于A^*算法分别缩短了21%和减少了59%, 验证了所提算法的优越性。

为进一步降低不完美反馈下无线多播网络的传输时延, 提出一种不完美反馈下基于立即可解网络编码的时延最小化重传方案。在综合考虑各接收端接收状态和传输链路丢包率的情况, 构造优先发送集, 并根据部分可观测马尔可夫决策过程计算优先发送集合中各接收端的置信状态。同时, 优化编码包生成算法, 简化立即可解网络编码图模型, 以快速生成重传编码包。仿真结果表明，本方案相比于传统方案, 能够有效降低解码时延和完成时延, 尤其是在接收端和数据包数较多的情况下优势更为突出。

针对复杂电磁环境和非协作通信条件下空频分组码(space-frequency block codes, SFBC)信号识别困难、对先验信息要求高的问题, 提出一种基于频域互相关序列与峰值检测的SFBC盲识别方法。首先，通过分析SFBC信号的编码特点, 计算得到发送端的互相关函数。然后，考虑频率选择信道、多径传播和噪声的影响, 推导了接收信号的互相关函数, 并对其进行傅里叶变换得到频域互相关序列。最后，根据频域互相关序列检测其峰值位置识别发射端编码方式。推导和实验结果表明, 该算法在低信噪比下的识别性能较好, 并且对时间偏差和频率偏差等情况的适应性较强, 在复杂电磁环境下具有较好的识别性能, 能够应用在认知无线电和频谱检测等场合。该算法不需要知道信道和噪声的先验信息、正交频分复用(orthogonal frequency division multiplexing, OFDM)块大小以及接收端和发射端的同步信息, 非常适合于电子侦察等非协作通信场合。

针对毫米波大规模多输入多输出-非正交多址接入(massive multiple input multiple output non-orthogonal multiple access, mMIMO-NOMA)系统硬件成本和功耗过大问题, 基于动态子连接混合结构(dynamically sub-connected hybrid architecture, DSC-HA), 提出一种高效预编码方案。首先，在用户分组的基础上, 基于等效信道增益最大化原则, 利用Kuhn-Munkras算法匹配各NOMA簇用户的信道状态信息, 以实现动态天线分组, 进而完成模拟预编码设计。接着, 利用NOMA簇内强用户的等效信道来实现数字预编码设计, 以减小簇间干扰。最后, 通过优化簇内用户间功率分配来减小簇内用户间干扰。仿真结果表明, 基于DSC-HA的预编码方案不但系统和速率优于基于子连接混合结构的预编码方案, 而且能效明显优于基于全连接混合结构和基于全数字结构的预编码方案。

高可靠长寿命产品常需同时满足多种功能, 退化机理复杂, 其性能退化过程中多指标、多阶段的问题日益凸显。为此, 考虑退化过程的阶段性特征及不同阶段指标间耦合性规律, 基于Copula函数和Wiener过程建立了双指标阶段性退化模型及可靠性分析方法。同时, 针对产品退化过程中两指标变点不在同一位置的一般性情况, 提出了一种考虑双指标变点的模型参数整体估计方法。最后, 通过舱门锁实例的对比分析, 对所提方法的适用性和有效性进行了验证。结果表明, 同传统双指标模型相比, 所提方法能更为准确地描述退化过程的相关性与阶段性规律, 得到的可靠性评估结果更合理有效。

为解决贫信息背景下对系统进行故障模式、影响及危害性分析(failure mode, effects and criticality analysis, FMECA)受故障信息少、故障数据部分未知等问题限制, 同时为有限定量危害性矩阵分析方法的缺陷, 提出了适用于贫信息背景的灰FMECA模型。首先对危害性矩阵图进行规范化改进, 统一横纵坐标轴量纲, 提出危害度权重比概念以规范作图比例; 然后在危害度计算中引入区间灰数, 提出矩域灰点概念以表征故障模式难以确知的危害性; 最后依照不确定型决策思想给出矩域灰点的一般排序规则, 为贫信息背景的故障模式危害性排序提供解决方案。通过某航天飞机主发动机高压燃料涡轮泵进行案例研究, 验证了所提模型的有效性。