针对在实际中采样所需人力或设备数量受限的情况, 为图信号优化设计了一种多阶段的采样集, 使得在采样数量约束下尽可能减少信号估计误差。将采样集设计建模为组合优化问题, 并通过松弛-量化的方法求得原始优化问题的次优解, 同时也给出了该松弛-量化方法的适用条件和渐进最优性。不同于已有的图信号采样集设计方法, 所提方法不仅得到了最优采样集还分析了影响节点采样重要性的因素, 给出了节点采样重要性的评价指标和其物理意义。最后, 提出了一种低复杂度的近似算法以解决大规模图信号的采样集设计问题, 并能逼近原始优化方法的结果。

由于数字波束形成(digital beam forming, DBF)系统需要多个天线单元来形成波束, 将极大增加系统的体积与功耗, 无法很好地应用在无人机、导弹和微纳卫星平台中。针对上述问题, 提出一种基于射频收发器AD9371的新型高中频(high intermediate frequency, high-IF)架构DBF系统硬件电路设计方法, 该设计在满足收发全数字、高精度、灵活、小型化和Ku波段需求的同时, 有效地减少了硬件系统干扰杂散, 提高了DBF系统性能。暗室环境测试验证了该系统在单波束和多波束的条件下具有优越的性能。

不同于常规目标, 伪装目标特征模糊、尺度信息复杂多变、检测和分割难度更高。在现有伪装数据集基础上, 提出了一种结合迁移学习和有效通道注意力的UNet网络伪装图像分割方法。首先, 针对伪装目标特征模糊难以有效提取的问题, 在UNet的下采样和上采样过程中, 引入一种有效通道注意力机制, 在不增加网络参数的同时, 提高有效区域的特征权重; 并将在ImageNet预训练好的视觉几何组(visual geometry group, VGG)系列网络迁移到UNet网络中, 实现特征迁移和参数共享, 提高模型的泛化能力, 降低训练效果对数据集的依赖, 减少训练成本; 在训练过程中引入FocalLoss函数, 增加难挖掘样本权重, 提高对困难样本关注度; 最后通过解码网络得到分割结果。在CHAMELEON、CAMO和COD10K数据集上进行了测试, 相比原始算法, 性能指标有显著提升。

提出了融合深度图像先验的全变差(total variation, TV)图像着色模型, 在即插即用(plug-and-play, PnP)框架下, 结合交替方向乘子法(alternating direction method of multipliers, ADMM), 设计出相应的数值求解算法, 并给出该算法的收敛性结果。数值实验结果表明, 该模型能有效整合耦合TV边缘捕获和卷积神经网络(convolutional neural network, CNN)细节捕捉的功能, 对结构图像和纹理等细节丰富的图像, 均能实现较大范围的有效着色。

针对传统半全局算法对视差范围内未知场景通常人为地设定一个视差范围造成计算资源浪费, 同时利用传统Census变换进行代价计算限制视差精度的不足, 提出了基于视差范围估计和改进代价的半全局匹配算法。首先, 采用多种特征算子同时提取图像对的特征点, 通过快速最近邻搜索进行特征点匹配, 利用立体匹配的约束条件筛选匹配点, 计算匹配点对的视差值, 估计视差范围; 然后, 在此基础上, 分别对图像的亮度、梯度和边缘信息进行Census变换, 构建新的代价计算函数。实验结果表明, 与传统算法相比, 改进算法的平均误匹配率降低了6.37%, 计算时间缩短了95%以上。

本文提出一种改进的红外多类别多目标实时跟踪网络, 在确保跟踪精度的同时, 重新设计无锚框网络结构, 进一步降低网络的参数量与推理时间。通过优化目标特征向量, 进一步提高识别精度, 同时简化与改进跟踪流程。此外, 通过细化分析相关流程执行时间, 选用GPU与CPU分别执行最优运算, 提升跟踪整体运行速度。上述方法被应用于低空海面红外目标跟踪数据集中。结果表明, 在本文所提的综合评价指标下, 所设计的网络相较其他轻量级网络评分提高1.78, 且运行速度在NVIDIA Jetson Xavier NX中达到52.37 FPS, 满足边缘端实时运行需求。

针对当前目标跟踪难以适应低光照、运动模糊、目标快速移动等挑战, 提出了空间通道注意力下的红外与可见光双模态交互融合跟踪网络。首先, 红外图像与可见光图像通过backbone三层卷积提取分层特征, 并降维至统一分辨率, 之后级联三层特征形成各模态特征。其次, 多模态特征通过所设计的空间通道自注意力模块和跨模态交互注意力模块使得模态聚焦于全局空间特征和高响应通道, 提高双模态信息的互补性, 然后级联得到融合特征。最后, 将融合特征送入三层全连接完成目标跟踪任务。在目前最大的红外可见光跟踪数据集RGBT234的实验结果表明, 本文网络能有效提取双模态交互特征, 提高目标跟踪精度, 其精度/成功率比基线网络分别提高了5.3%和4.2%。

当多个辐射源同时存在并交替发射信号时, 接收数据间相互交错, 且多个数据间并无显性关联, 无源合成阵列每一次测量仅能获取来波的频率、幅度与相位等数据信息。为了同时、高效地实现多个参数的联合估计, 提出采用最大期望算法进行估计多个时变信号参数估计的新方案, 将一个高维多参数优化问题分解成多个并行的低维问题进行求解。该方法主要包含求解期望值步骤和期望值最大化两个步骤。求解期望值步骤主要建立接收信号与其辐射源的对应关系, 即信号分选, 而期望值最大化步骤采用最大似然方法估计辐射源的入射角信息。这两个步骤相互迭代, 交替进行辐射源信号的分选与测向。同时, 还推导出无源合成圆阵相位差数据的最大似然方法进行入射角的精确估计的闭合形式解, 并通过接收信号的复数响应进行相位模糊解算, 并推导出测向精度的理论下限。最后, 通过数值仿真结果验证了该方法的有效性。

针对目前快速内点法(fast interior point method, FIPM)无法处理多快拍情况下半正定规划(semi-definite programming, SDP)问题的缺陷, 提出一种基于多快拍FIPM(multiple snapshots FIPM, M-FIPM)的无网格波达方向(direction of arrival, DOA)估计算法。该算法首先对天线阵列接收多快拍数据的协方差矩阵进行特征值分解, 然后利用特征值和特征向量的相应加权和来重新构建符合FIPM模型的单快拍观测向量, 最后再通过FIPM获得SDP问题的最优解并以此建立Toeplitz矩阵, 根据该矩阵的Vandermonde分解结果便可以估计出入射信源的DOA参数。M-FIPM算法不仅保留了现有FIPM算法运算复杂度低的特点, 能够将SDP问题的维度由O(M²)降低为O(M), 同时在新单快拍观测向量的构造过程中, 由于舍弃了协方差矩阵小特征值所对应的部分, 因此能够有效抑制噪声对于后续DOA参数恢复过程的影响, 进一步提升算法的估计精度。仿真实验验证了M-FIPM在估计精度以及运算时间方面的优越性。

本文提出了一种新的快速收敛比例仿射投影算法, 并将算法应用于稀疏多径水声信道均衡。该算法首先在改进比例仿射投影算法(improved proportional affine projection algorithm, IPAPA)的基础上引入变步长算法, 提高算法的收敛速度; 并在此新算法的基础上通过引入判决反馈结构, 进一步改善算法收敛后的稳态误差。在两种典型的稀疏多径水声信道环境下, 通过正交相移键控和16进制的正交幅度调制方式对算法的收敛性能进行了仿真。仿真分析了变步长算法中的3个参数γ, η, ζ的取值范围对算法收敛性能的影响, 比较了变步长比例投影算法与最小均方类算法、递归最小均方(recursive least square, RLS)算法性能以及基于判决反馈均衡器(decision feedback equalization, DFE)结构的各算法的收敛性能。仿真结果显示, 新算法的收敛性能相比IPAPA算法的收敛性能更好, 与RLS算法性能相当, 且基于DFE结构的各算法的收敛趋势亦相同。

星载双基地雷达具有覆盖范围广、抗隐身, 抗干扰等优势, 在未来具有极大的应用潜力。然而, 由于星载双基系统具有轨道构型差异大、空间尺度异构的特点, 使得双基系统的杂波谱结构在不同的轨道构型下具有较大的差异。本文结合星载双基几何模型, 综合考虑分辨率空变、地形起伏等因素对杂波协方差矩阵的影响, 分析了同轨道高度下的类单基构型与远距双基构型的杂波距离依赖性与自适应处理损失, 并对星载双基构型与观测模式提出了约束要求, 能支撑星载双基雷达的构型优化设计。

针对在速度拖引干扰下, 脉冲多普勒雷达导引头无法精确跟踪、制导目标的问题, 提出了基于概率数据关联的抗速度拖引干扰算法。对于雷达导引头角度测量信息和Doppler测量信息, 采用序贯扩展卡尔曼滤波算法进行目标状态估计。根据Doppler信息强非线性的特点构建了伪量测信息, 并提出了在Doppler量测更新滤波估计阶段，采用概率数据关联算法进行抗速度拖引干扰。给出了算法的推导过程, 并进行了数值仿真验证。仿真结果表明, 采用该算法能够稳定跟踪释放多重速度拖引干扰的目标, 有效抑制速度拖引干扰对制导信息估计的影响, 改善导弹的制导精度。

合成孔径雷达(synthetic aperture radar, SAR)能够通过高分辨图像中的尺寸、姿态、外形轮廓等关键信息对目标进行探测与识别，对关键军事目标造成了严重的威胁。如何有效控制目标的雷达特征，使其不易被SAR发现与分辨，已经成为干扰领域的关键问题。相较于有源干扰，无源干扰具有成本低、响应速度快、操作简单等优势，然而灵活性差、难以脉内调制一直困扰着无源干扰的发展。针对上述问题，提出一种基于时变材料的SAR图像二维调制方法。该方法利用相位调制表面(phase-switched screen, PSS)并采用电控的方式对雷达信号脉内脉间进行联合调制。通过控制调制参数，可以实现距离向、方位向和二维多假目标图像的灵活切换。实测SAR图像数据事后调制仿真验证了所提方法的有效性。

为了解决传统雷达辐射源识别方式识别速度慢、在低信噪比时很难准确识别等问题, 结合深度学习提出了一种基于改进一维卷积神经网络(one-dimensional convolutional neural network, 1DCNN)和时间卷积网络(temporal convolutional network, TCN)的雷达辐射源快速识别模型。在1DCNN的基础上加入了批归一化层, 并在全连接层前加入注意力机制; 同时在原有TCN的基础上进行改进, 使用Leaky ReLU激活函数代替ReLU函数; 将改进后的TCN与1DCNN相连接。仿真实验结果分析表明, 该模型不仅能够迅速识别出辐射源信号, 识别准确率也较高, 能够有效平衡模型识别速度和识别精度。

传统基于$\ell_1 $范数正则化算子(least absolute shrinkage and selection operator，LASSO)模型的合成孔径雷达(synthetic aperture radar，SAR)压缩感知类稀疏成像算法易丢失弱散射点。基于扩展型组LASSO系列模型的算法虽可增强SAR结构特征以保留弱散射点，但由于其增强过程中本质上采用了欧式距离方法进行特征分块，致使分块较为“机械”, 不能很好地提取目标结构，从而影响最终高分辨SAR成像质量。针对上述问题，提出一种基于形态学自适应分块的交替方向多乘子法(morphological auto-blocking alternating direction method of multipliers，MAB-ADMM)来实现高分辨SAR多特征表征。该算法通过建立基于形态学分块的$\ell_{\rm{M}} $/$\ell_{\rm{F}} $混合结构范数和$\ell_1 $稀疏范数来分别引入结构和稀疏先验，从而实现结构与稀疏多特征增强。由于采用了基于测地距离的形态学分块方式，MAB-ADMM算法能够更加有效地识别感兴趣的目标轮廓，从而提高结构增强的准确度和完整度。实验部分通过采用仿真复数据和实测SAR数据对所提算法和传统算法的成像结果进行定性对比，从而验证所提算法具有优越的多特征增强能力。此外，采用相变热力图对所提算法和传统算法的恢复能力进行定量对比，并利用MSTAR数据验证了所提算法可有效针对分类算法进行结果提升。

与传统单平台机载雷达相比, 无人机(unmanned aerial vehicle，UAV)集群协同探测具有探测范围广、探测精度高、布阵机动灵活等突出优势, 因此是未来机载预警雷达发展的重要方向之一。由于UAV集群雷达阵列具有大尺寸、超稀疏孔径, 因此雷达回波近似为球面波且具有较强近场效应。本文首先推导了UAV集群稀疏阵列在近场条件下的空时信号模型, 然后基于目标回波的近场特性提出一种新的距离解模糊方法。针对任一距离门数据, 该方法利用不同模糊距离回波空时导向矢量的差异性, 设计多个空时权系数进行杂波抑制和目标匹配, 并基于滤波后目标功率确定其对应距离模糊次数, 从而实现对运动目标的距离解模糊。仿真实验验证了所提方法的有效性。

在军事领域中, 机载多输入多输出(multiple input multiple output, MIMO)雷达既要探测机动目标, 又要防止被截获接收机侦收。针对这一问题, 提出了低截获的单基地非均匀阵列MIMO雷达改进多信号分类(multiple signal classification, MUSIC)算法。通过对MIMO雷达匹配滤波后的接收信号进行降维处理、白化处理、时频分析、时频点筛选、正交联合对角化等信号处理, 实现了低信噪比(signal to noise ratio, SNR)、低信号持续时间下的方向角估计。研究结果表明, 在相同环境下，与MIMO雷达时频MUSIC算法相比, 低截获MIMO雷达改进MUSIC算法空间谱指向精度有所提高, 可分辨角度差仅为1°的相邻目标, 适用SNR降低2 dB且保证了低截获性能。

为解决角闪烁噪声下集中式多输入多输出(multi-input and multi-output, MIMO)雷达的资源优化分配问题, 设计了一种面向多目标跟踪任务的自适应资源分配算法。首先采用平方根容积粒子滤波(square-root cubature particle filter, SCPF)算法对各目标状态进行估计, 并根据其估计值来计算条件后验克拉美罗下界, 从而建立起角闪烁噪声下的跟踪误差评价准则。再依据功率和带宽与条件后验克拉美罗下界(predicted conditional Cramer Rao lower bound, PC-CRLB)间的函数关系, 建立起非凸优化模型。随后运用凸松弛技术和循环最小化算法将非凸优化问题转换为一系列凸优化问题, 运用半正定规划(semi-definite programming, SDP)算法结合Frank-Wolfe可行方向法进行求解, 从而实现资源自适应分配。最后通过仿真验证了不同场景下所提算法的有效性。

针对目标极化散射矩阵测量中, 极化变换过程要求矩阵各元素具有高度的相位一致性, 但实际测量很难达到, 进而造成变极化基测量结果误差较大的问题。推导了一般化的极化基变换过程, 分析了测试系统极化支路相位非对称性对极化变换的影响, 结合宽带时频变换算法特征, 提出了一种基于宽带高分辨的散射矩阵元素相位修正方法, 并通过标准体的实际测量验证, 获得了与理论值符合性较好的实验结果。

提出了一种基于投影空间下奇异值分解(singular value decomposition, SVD)的杂波抑制方法。在雷达回波数据中, 利用待检测单元的邻近单元构造杂波空间, 并将杂波空间在投影空间下进行奇异值分解以实现杂波抑制。为此, 本文设计了一种全新的检测器, 即将正交投影(orthogonal projection, OP)、奇异值分解和传统恒虚警(constant false alarm rate, CFAR)检测器相结合, 记为OP-SVD-CFAR。将OP-SVD-CFAR检测器的检测性能与OP-CFAR检测器、最大特征值的矩阵CFAR检测器、SVD-FRFT检测器和CA-CFAR检测器的性能分别进行比较, 通过实验结果可以看出, 本文提出的OP-SVD-CFAR检测器的检测性能明显优于其他算法。

在传统作战环的研究中, 通常考虑目标、传感、打击和指控4类节点的关系, 缺少通信网络对作战体系影响的分析。为此, 本文研究了在通信网络信息支援下, 作战体系分层模型的构建, 并利用超网络理论对各层分别建模, 并对信息流、物质流和能量流进行形式化描述。最终形成物理域、信息域和认知域的3层网络模型。同时基于武器装备体系功能和属性的多样性, 将其映射到作战网络, 选取7种网络模式和典型杀伤链作为研究对象, 并根据各打击节点构成边的特性, 给出相应的战技性能指标。对于进一步分析作战网络中的信息协同和共享具有重要意义。

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。

地面无人平台(unmanned ground vehicle, UGV)已成为各国军事装备自动化和智能化的发展方向, 针对UGV仿真系统存在人类智能融合度低、功能不完善和不便于进行算法测试等问题, 通过引入人在回路的输入模型, 设计了一种具有更强智能性的UGV仿真系统。该仿真系统以机器人操作系统(robot operating system, ROS)架构为基础进行设计, 主要由基于人在回路的人机交互界面和仿真场景构成。为了验证该仿真系统的有效性, 搭建了集成测试环境, 对UGV三角协同编队和操控员调配UGV纵向编队进行测试。实验结果表明, 该仿真系统集成度高、运行稳定可靠。

为了解决坦克分队进攻战斗中的兵力部署和火力协同问题, 提出坦克阵地部署模型和坦克火力分配模型, 前者解决坦克分队从集结区域到作战区域的兵力分配问题, 后者解决坦克接敌后的火力协同问题。针对坦克作战中的对抗特性, 建立确定型火力对抗模型, 在火力分配模型中体现敌我动态对抗过程。为了求取坦克阵地部署和火力分配最优方案, 采取双层迭代策略, 底层迭代求解火力分配模型, 上层迭代调用底层迭代的结果, 寻优坦克阵地部署最优方案。算法方面, 基于模型的具体特点和先验知识, 对人工蜂群(artifitial bee colony, ABC)算法进行有针对性的设计, 提高了算法的收敛速度和收敛精度。仿真实验说明了本文对人工蜂群算法设计的有效性和双层迭代寻优策略的合理性。

复杂产品是国民经济的基础, 针对复杂产品维修阶段知识表示困难、重用效果不佳等问题, 提出了复杂产品维修工程案例知识的表示及重用方法。首先, 基于对复杂产品维修领域知识类型及应用情境的分析, 设计了复杂产品维修工程案例知识体系结构, 构建了复杂产品维修工程案例四层本体模型, 实现了对维修阶段陈述性知识与过程性知识的独立表示。其次, 构建了复杂产品维修工程案例知识重用模型, 基于案例相似度与适应度匹配出适用于解决维修问题的历史案例, 实现维修知识的有效重用。最后, 以动车组的维修过程为例验证了所提方法的有效性, 可为复杂产品全生命周期工程案例的知识重用提供参考和借鉴。

精确的航空安全预测是科学开展安全预警的前提。航空事故不仅致因机理复杂, 还存在迟滞效应, 给安全样本时序信息的深度挖掘加大了难度。基于此, 提出一种基于改进长短期记忆(long short-term memory, LSTM)模型的航空安全预测新方法。首先基于相关系数热图优选致因指标, 再以步进搜索和Adam算法相结合的方式优化LSTM模型超参数, 最后以2019年某型运输机事故数据为算例, 选取多种常用时序预测模型作为对照。实验结果表明本文所提方法, 预测误差较现有方法降低了28%以上, 同时具有较好的泛化能力和鲁棒性。

针对态势认知中目标数量多、信息不确定、数据不精确等问题, 提出一种基于区间数聚类的目标分群算法。首先, 考虑到传感器测量数据具有误差且数据不完全等因素, 采用区间数对传感器探测到的目标进行特征描述。然后, 为有效利用区间数信息定义了一种新的距离度量, 并给出了改进的区间数聚类目标分群算法。最后, 构造4类相互独立的区间数据集, 对区间数据进行分类测试, 并通过典型想定场景设定多类目标实体, 基于目标空间位置、运动特征和属性等要素进行空间分群和任务分群。仿真结果验证了算法能够有效对目标进行分群, 具有较强的稳定性。

航天装备备件品种确定是实现航天装备精确保障的重要基础。针对航天装备备件品种确定过程中决策信息不完备、犹豫性、模糊性等特点突出的问题, 提出基于限制优势关系的备件品种确定方法。引入犹豫模糊集和粗糙集理论, 建立备件品种确定的犹豫模糊决策信息系统, 基于限制优势关系实现决策属性的约简和决策规则的获取, 构建基于限制优势关系的备件品种确定模型, 最后以某航天测控装备为例进行了案例分析与应用, 证明了方法的可行性与有效性。

针对D-S(Dempster-Shafer)证据理论中证据融合可能存在冲突的问题, 通过考虑证据之间的关系及其本身的特性, 提出一种基于Lance距离和信度熵的冲突证据融合方法。首先, 利用Lance距离来度量证据之间的差异和冲突程度, 并通过矩阵形式表示证据的可信度, 再通过计算信度熵来度量证据的信息量, 并以此表示证据的不确定度。其次, 综合考虑证据的可信度和不确定度来衡量证据最终融合的折扣系数, 并通过折扣系数修正原始证据。最后, 采用Dempster合成规则进行证据融合得到最终结果。算例分析结果表明, 所提方法较其他方法而言, 收敛速度更快, 融合结果更准确、可靠。

针对无人机(unmanned aerial vehicle, UAV)离线航迹规划对算法全局搜索能力和鲁棒性的要求, 设计一种自适应郊狼算法, 从最优化问题角度研究UAV离线航迹规划。建立UAV离线航迹规划的数学模型; 在标准郊狼优化算法的基础上设计4种操作算子和一种自适应学习机制, 使算法在搜索的过程中, 智能选择合适的操作算子, 并设计莱维飞行策略提高算法的全局寻优能力; 最后对自适应郊狼算法进行函数测试和离线航迹规划仿真。函数测试表明自适应郊狼算法具有较强的全局搜索能力, 离线航迹规划仿真表明自适应郊狼优化算法能适应不同维数的离线航迹规划问题。

本文研究施加牵制控制对无人机(unmanned aerial vehicle, UAV)集群蜂拥控制一致性的影响。首先基于复杂网络和图论建立了UAV集群的二阶动力学模型; 其次设计了分布式控制协议并构建了集群系统的增广Laplacian矩阵, 其最小特征值反映了集群的一致性收敛速度, 以及连通性与鲁棒性; 最后分析了增加牵制点对系统动态性能的影响, 并基于M矩阵等相关性质得到最小特征值的范围。本文为牵制控制设计及性能分析提供了理论依据。

针对高速机动目标拦截, 提出了一种末制导阶段预设性能制导律。首先, 建立三维非线性拦截模型, 在俯仰和偏航两个平面中, 将期望视线角和视线角速率选做状态量设计滑模动态面, 在动态面控制的基础上, 将滑动模态误差利用误差转换函数转化为预设性能误差方程, 设计制导律, 驱动滑模变量按预设性能收敛。该制导律能使制导顺利进行, 满足终端视线角约束。然后, 考虑视线角速率测量误差以及目标信息不确定性, 建立有限时间干扰观测器, 保证了制导指令的执行。

针对临近空间高超声速滑翔飞行器机动模式复杂, 单一运动学模型难以完成三维跟踪的问题, 提出一种三维跟踪方法。将飞行器机动弹道分为纵向和横向弹道, 根据飞行器机动特性, 在纵向上将加速度建模为零均值的二阶时间自相关随机过程, 在横向上采用Singer模型和匀加速模型进行交互多模型(interactive multiple model, IMM)滤波, 引入无偏量测转换将球坐标系下的雷达观测模型转换为笛卡尔坐标系, 避免了模型的非线性滤波。最后, 在现有卡尔曼滤波基础上设计了一种基于多重渐消因子的自适应卡尔曼滤波方法, 增强了模型对强机动的自适应跟踪能力。仿真实验表明, 该算法在对高超声速滑翔飞行器进行三维跟踪时，能保持较好的稳定性和较高的跟踪精度。

针对直升机机动飞行过程中存在的输入饱和问题, 提出了一种基于参数依赖Lyapunov的状态反馈控制方法。首先根据直升机非线性模型建立纵向线性变参数(linear parameter varying, LPV)模型, 并采用逆仿真数值分析方法对悬停机动科目进行轨迹建模。基于吸引域与不变集理论, 利用参数化线性矩阵不等式(parameterized linear matrix inequalities, PLMI), 分析闭环系统的稳定条件。利用松弛变量技术将控制器PLMI条件转化为易于求解的线性矩阵不等式(linear matrix inequalities, LMI)条件, 求解悬停机动轨迹跟踪控制律。仿真结果表明了所提模型和控制方法的可行性和有效性。

针对当前接收机自主完备性监测(receiver autonomous integrity monitoring, RAIM)算法中存在多粗差探测识别能力较弱、计算效率不足等问题, 提出一种基于Mean Shift (MS)模型的多粗差探测RAIM算法。首先利用QR奇偶检校法构建样本数据集和QR检验向量; 其次基于MS模型估计样本密度中心, 并以此作为MS检校向量, 使用观测向量与MS检校向量的距离来评价观测值可靠程度, 从而确定异常观测卫星; 最后联合观测向量、MS和QR检校向量构建基于距离关系的权系数函数, 对多个异常观测进行处理。实验结果表明, 基于MS检校向量的粗差判别方法在多粗差存在的情况下，具有更灵敏的粗差识别能力; 相比最小二乘残差法, 新型RAIM算法改善了多粗差探测识别能力和计算效率, 可有效提高多系统融合单点定位的可靠性。

环境信号的不确定性导致不可预测的谱能机会。传输机会和能源供应的缺乏给反向散射通信网络的多址接入设计带来了极大的挑战。本文针对多载波非正交多址接入(multicarrier non-orthogonal multiple access, MC-NOMA)增强型反向散射网络, 提出了一种分阶段优化算法实现均衡调控下的谱能效率最大化, 该问题是非凸的且难以求解。因此, 首先将该问题分解成子载波分配和反射系数优化两个子问题, 然后基于Gale-Shapley匹配原理提出多对一稳定匹配算法求解最佳的子载波分配, 最后利用凸优化理论求反射系数优化。仿真结果表明, 与动态MC-NOMA方案(dynamic MC-NOMA, D-NOMA)和正交多址接入方案(orthogonal multiple access, OMA)相比, 所提优化方案在谱效和能效上均有显著的提升。

针对高速移动场景正交频分复用(orthogonal frequency division multiplexing, OFDM)系统, 提出了一种新的基于堆栈式极限学习机(extreme learning machine, ELM)的时变信道预测方法。为了捕获输入数据的深层信息, 基于单隐藏层神经网络, 首先利用堆栈式ELM方法从历史信道中提取信道的深层特征, 并获得网络的初始输出权值。然后, 为了适应信道的变化, 新方法基于新构造的历史信道样本与初始的输出权值来实时更新网络的输出权值, 并基于更新后的输出权值预测得到未来时刻的信道。最后，仿真结果表明, 新方法较现有方法具有更高预测精度, 适用于高速移动场景。

针对目前极化码码长识别存在抗噪声性能差的问题, 提出了基于信息矩阵估计的极化码参数盲识别算法。本文算法利用极化码生成矩阵的逆矩阵, 与码字比特流构造的码字矩阵相乘得到估计的信息矩阵, 在无误码情况下根据分析矩阵所含的信息得到码率, 并利用其分布情况来识别码长、信息比特位数和位置分布。在有误码的情况下, 引入了零均值比计量, 根据峰值识别出码长。最后, 利用分析矩阵和设定判决门限, 识别出信息比特位数和位置分布。仿真结果表明, 本文算法对码长的识别性能有所提高, 对于参数为(64, 30)的极化码, 在误码率高达1.06×10^-1时, 码长的识别率依然能达到80%。

在无人机或导弹等高速运动目标间建立稳定、可靠的通信链路, 需要突破高动态下的载波跟踪技术, 考虑跳频通信系统的突发传输模式, 本文提出基于开环最大似然估计(maximum likelihood estimation, MLE)和扩展卡尔曼滤波跟踪算法的高动态载波信号跟踪技术。通过理论和仿真分析证实了该算法可有效克服传统环路的缺点, 能够在低载噪比下稳定工作且跟踪频率误差小, 可快速实现高动态环境下载波跟踪。尤其对于初速度为300 m/s, 初始加速度为15g, 加加速度为每秒60g的高动态场景, 本算法在低载噪比为35 dB-Hz时锁定不同跳频频率的锁定时间缩短到传统算法的1%~20%, 效果显著。

针对起伏地形环境下求解民航地空甚高频(very high frequency, VHF)通信有效覆盖范围冗余较大、精度较低的问题, 采用改进的最大斜率法进行了仿真研究。首先, 考虑遮蔽角计算存在计算冗余, 提出“高程清洗”方法, 降低计算量。其次, 考虑求解最大斜率遮蔽角存在误差, 采用改进的反距离加权插值法对原始数字高程模型数据进行插值提升分辨率, 提高了切点逼近点位置精度。然后, 为确定遮蔽区域具体点位, 提出“切点截止法”进行求解。最后, 为得到准确覆盖率, 采用“网格法”分析计算。实验表明, 改进的最大斜率法可有效减少计算冗余, 提高信号覆盖求解精度, 覆盖率相对改进前分别降低9.58%、4.10%和1.26‰。改进的VHF有效覆盖范围仿真程序可为VHF地面通信站选址、飞机航线规划提供支撑。

针对无人机信道含多径、多普勒频移, 还易受到外来干扰和高功率放大带来的非线性失真影响的问题, 提出一种基于深度神经网络(deep neural network, DNN)的无人机正交频分复用(orthogonal frequency division multiplexing, OFDM)数据传输技术。下行链路采用OFDM系统, 在接收端进行解调之后利用最小二乘(least square, LS)信道估计和迫零(zero forcing, ZF)算法做初步信号检测, 然后输入到由BiLSTM和全连接层组成的DNN中进行信道估计和信号检测优化, 并恢复数据流。仿真结果表明, 与传统插值方法相比, 所提方法在无人机起降、飞行和盘旋等3种状态下，信道估计性能具有明显优势, 比特误差率性能提升至少一个数量级; 在非线性失真和外来干扰的影响下, 所提方法仍具有显著性能优势, 不仅简化了系统对非线性失真和干扰的处理模块, 而且提高了系统的可靠性。

在无线网络架构中, 移动性管理包括位置管理和寻呼过程, 是为用户提供网络服务的一项重要保障。目前已有的位置管理中跟踪区列表部署方案大多数没有考虑到用户的实际运动轨迹, 在网络架构中造成大量的位置管理信令浪费。本文构建了一个基于用户运动轨迹的二维随机移动模型, 并基于常规马尔可夫链和带有吸收态的改进马尔可夫链预测方案分析移动性管理过程的总信令消耗, 由此找到最优的跟踪区列表配置方法, 且通过蒙特卡罗实验验证模型的合理性。结果表明该方案减少信令开销方面性能有显著提高。