阵列各个天线、射频组件等在大信号带宽下引起的响应不同, 造成了通道的不一致性, 使得阵列的谱估计性能严重恶化。针对内定标无法校准天线馈线、已有外校准方法的性能受噪声影响严重和盲自适应过程依赖参考信号的问题, 提出基于单一外部线性调频连续三角波信号源响应估计频域拟合的通道均衡方法。首先通过滑动协方差矩阵特征值分解和已知信源的理想导向矢量得到通道响应的粗估计, 然后基于最小二乘准则利用谐波模型拟合得到通道响应的精准估计, 最后结合带外线性扩展和频域多项式拟合得到均衡器响应。实测数据处理结果表明, 在谱估计时利用所提方法均衡通道不一致性比其他方法有更高的输出信噪比和更小的角度估计均方误差。

随着智能化程度的提高, 雷达发射信号更加复杂多变。为有效应对复杂的、未知的威胁信号, 需要提升对抗系统智能对抗的能力，提出一种基于智能优化算法的对抗波形智能优化方法, 并通过仿真实验对基于遗传算法的相位调制波形智能优化进行研究。不同优化参数、不同实施条件、不同雷达信号及信号变化条件下的实验结果表明, 遗传算法能够以较少的迭代次数和较短的运行时间对不同条件下的波形进行优化, 实现对抗性能的提升, 初步证明了该种方法的可行性。

动态超表面天线(dynamic metasurface antenna, DMA)阵列是一种可实现模拟-数字混合波束成形的新型阵列结构, 其模拟波束成形部分由DMA实现, 系统实现的复杂度低。本文研究基于DMA阵列的混合发射波束成形, 核心问题是模拟与数字发射权值的联合优化。该文基于交替优化思想将模拟-数字权值联合优化问题分解为多个子问题, 提出一种基于交替方向乘子法(alternating direction multiplier method, ADMM)的求解方法。该方法首先引入辅助变量简化问题模型, 然后通过交替优化求解辅助变量、数字权值和模拟权值。其中, 辅助变量求解具有闭式表达式, 数字权值与模拟权值解耦合后利用ADMM分别求解。仿真结果表明, DMA阵列与典型的唯相混合阵列和恒模约束下的唯相阵列相比, 具有更好的混合发射波束成形性能。

飞行动作识别是飞行训练评估和空战智能决策等多项关键技术的基础, 实现飞行动作的快速高效识别具有重大意义。对此, 提出一种基于神经网络符号化模型的方法, 实现对基本飞行动作和复杂飞行动作高效识别。首先, 利用微分分割的思想对飞行参数进行切片处理, 然后通过卷积神经网络(convolutional neural networks, CNN)和长短期记忆(long-short term memory, LSTM)神经网络实现飞行动作的模块化处理, 有效代替了传统方法中对原始数据的逻辑推理。并且该方法可以利用基本飞行动作对飞行过程实现飞行数据分割, 具有良好的扩展性, 能够快速处理批量飞参数据。最后对13种基本飞行动作、两种复杂飞行动作和整段飞行数据进行仿真实验。仿真结果表明, 该方法具有良好的识别性能。

针对现阶段单无人机不能高效完成大区域巡视的问题, 提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测, 根据航拍图像目标特性, 调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像, 实现多机图像坐标一致, 并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略, 自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验, 结果表明所提算法能在增大单次巡视范围的同时, 提高无人机巡视系统的检测精度。

针对现有差模注入等效试验方法局限性导致的误差, 基于电磁场理论分析了误差产生原因, 提出了天线耦合途径下的校正方法, 实现了注入试验结果与测试标准要求的电磁辐射试验结果等效。以复杂电磁环境下易出现干扰损伤效应的用频装备为研究对象, 将通信电台这一典型用频装备作为受试设备, 开展了带内和带外阻塞效应强场电磁辐射等效注入试验, 提出了工作信号和干扰信号同时存在的校正方法并进行试验验证。结果表明, 接收天线为主要耦合途径下, 差模注入法等效电磁辐射法的精度高, 等效注入试验所需电磁功率显著小于辐射试验。

针对传统的线性调频(linear frequency modulation, LFM)信号参数估计方法在脉冲噪声环境中无法准确提取参数信息的问题, 设计了两种非线性幅值变换函数(nonlinear amplitude transformation, NAT), 即attenuation-NAT(A-NAT)函数与increasing bounded-NAT(IB-NAT)函数, 推导证明了大幅值脉冲样本经A-NAT或IB-NAT变换后, 存在有界的二阶统计量, 且LFM信号变换后仅幅值发生变化, 相位信息不变。对经过NAT变换后的含噪信号进行吕氏分布(Lv's distribution, LVD)分析, 根据LVD域的峰值坐标即可实现LFM信号的参数估计。由实验结果可知, 所提方法无需获取噪声先验信息, 在强脉冲噪声条件下, 仍可准确提取信号参数信息, 具有良好的鲁棒性。

将间歇收发用于辐射式仿真可以有效解决收发信号互耦问题, 但间歇收发带来的信号缺失, 将导致脉冲压缩后距离像旁瓣的升高, 从而影响目标的分辨能力。为了解决这一问题, 针对脉冲编码调制(pulse code modulation, PCM)信号提出了基于匹配滤波变换基的信号回波重构方法。本文推导了间歇收发后PCM信号经过匹配滤波器的输出, 并利用PCM信号间歇收发回波稀疏特点, 结合压缩感知理论研究了基于匹配滤波变化基的间歇收发回波精确重构方法。仿真结果表明, 该重构方法能够准确恢复距离像, 信噪比大于10 dB重构概率达到95%, 验证了本文所分析方法的可行性与正确性。

在杂波较强的环境下, 雷达目标回波往往淹没在杂波中难以被检测, 尤其在海杂波背景下, 目标的多普勒频率有可能会落在杂波频率范围中, 此时传统的杂波抑制方法就产生了一定的局限性。针对此问题, 依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同, 设计了对应的时频域过完备字典; 再通过形态成分分析算法求出目标和杂波分量的稀疏系数向量; 将对应字典和稀疏系数向量相乘，恢复出目标和杂波分量, 同时实现了杂波抑制和目标信息提取。最后, 通过实测数据验证了该算法的有效性。

为解决区域边界曲线上收发分置雷达的优化布站问题, 提出一种圆周栅栏覆盖的优化布站方法。首先, 提出圆周栅栏覆盖最优布站序列应满足的条件, 并通过理论分析证明了最优布站模式中接收器个数的上限阈值。接着, 以此为基础构建基于布站成本最小的优化布站模型。然后, 针对优化模型的非凸性和非线性, 提出一种将整数线性规划与穷举法相联合的算法求解优化模型, 确定最小布站成本及其对应的最优布站序列。最后, 通过仿真实验和分析验证了所提方法的有效性。

传统的固定极化状态存在交叉极化隔离度低且有效的扫描角度范围窄等问题, 制约了相控阵雷达中极化信息的充分利用。为提高交叉极化隔离度, 并解决宽带相控阵中波束方向图畸变问题, 提出一种基于极化状态配置方法的宽带相控阵极化方向图综合方案。通过优化不同波束指向的极化状态, 并利用有限长单位冲激响应(finite impulse response, FIR)数字滤波器建立宽带阵列方向图综合模型, 实现对极化方向图的控制。仿真结果表明, 该方法能够有效降低主极化和交叉极化方向图的频率响应, 抑制主极化的旁瓣和交叉极化水平。将宽带相控阵的交叉极化隔离度在宽角扫描范围内保持在较高水平, 能够满足实际极化相控阵应用的指标需求。

特征提取是基于高分辨距离像(high resolution range profile, HRRP)的雷达目标识别的关键技术之一。传统人工提取特征的算法, 仅利用浅层结构特征, 无法有效解决姿态敏感性问题, 从而限制了目标识别方法的泛化性。对此, 提出一种基于深度学习的目标识别方法, 并通过详细的姿态角性能测试分析了该方法的应用边界条件。通过构造适合处理HRRP的卷积神经网络(convolutional neural network, CNN)模型, 充分发掘目标深层次姿态不敏感属性特征, 完成高精度目标识别。基于实测数据的实验结果表明, 所提方法具有一定的抗姿态敏感性特性, 边界条件分析可为该方法的工程化应用提供指导。

针对传统稀疏特征增强的方式仅能完成对目标场景中特显点的增强, 对复杂的目标结构特征无能为力的问题, 考虑目标细节特征的复杂性, 提出方向性结构全变分(directional total structure variation, DTSV)正则子进行结构先验表征, 实现对成像目标复杂结构特征任意梯度变化的拟合, 进而实现对结构特征的高精度正则优化处理。首先, 在交替方向多乘子方法(alternating direction method of multipliers, ADMM)的协同优化框架下实现DTSV正则优化求解(DTSV-ADMM), 利用该框架提供的对偶上升思想可有效提升迭代优化算法的收敛性能。其次, 基于ADMM框架提供的多变量“分解-调和”机理, 通过建立分裂变量组可以实现多个正则项的协同优化增强。然后, 进一步引入${\ell _1}$范数对成像目标稀疏特征进行表征, 并在协同优化框架下实现对方向性结构特征和稀疏特征的稳健计算, 有效减小多特征优化存在的“误差传播”问题。最后, 通过近端算子对特征进行解析计算, 获得对应特征的闭合解析解, 进一步提升算法运算稳健性和计算效率。实验证明了所提算法相比传统方法的优越性。

针对不确定混合多传感器联盟求解问题, 提出了一种在P_EV准则下求解的方法。首先以提高传感器资源利用率和对目标跟踪精度为目的建立目标函数, 以传感器跟踪能力为约束建立不确定混合多传感器联盟模型, 其次利用不确定理想点法和P_EV准则将不确定模型变为确定模型, 最后设计改进选择策略的烟花算法求出混合多传感器联盟的有效解, 通过“预测再预测”传感器管理机制实现对传感器联盟更新过程的动态控制。仿真实验表明利用P_EV准则处理不确定混合多传感器联盟模型的可行性和有效性, 同时实验也证明本文算法和传感器管理机制在求解质量、跟踪精度和对战场环境的适应度上均优于对比算法和机制。

常见的回波域算法在处理穿墙成像中的杂波抑制问题时, 杂波滤除不够彻底, 致使信杂比和目标准确性较低, 严重影响目标检测与识别等后续处理。为解决这一问题, 从图像域中寻找杂波像素和目标像素的区分特征, 以离散系数实现对像素向量离散程度的定量化, 以图像强度和剩余像素均值构建杂波抑制的评价体系, 通过主杂波抑制和目标聚焦依次消除离散系数较大的杂波像素向量和背景像素向量, 从而得到最终成像结果。仿真结果表明, 所提算法具有良好的有效性和鲁棒性, 能显著提升信杂比, 使目标成像清晰准确。

为了提高稀疏捷变频(sparse frequency agility, SFA)雷达信号在稀疏重构中的精度和稳定性, 提出一种基于进化粒子群优化(particle swarm optimization, PSO)算法的SFA雷达信号的优化设计。首先, 推导了SFA雷达的信号模型和稀疏重构时的字典矩阵。然后, 以最小化SFA雷达信号对应字典矩阵的相关性为目标函数, 稀疏载频情况下有效带宽和有效跳频间隔为约束条件, 建立优化模型。最后, 通过进化PSO算法求解得到最优载频序列。仿真结果表明, 所提算法在满足稀疏性约束的条件下, 能够有效提高字典矩阵的正交性, 保证稀疏重构信号的精度和可靠性。

武器装备是战争的重要物质基础, 现代战争的体系化作战模式对武器装备的运用, 特别是体系化联合运用提出了更高的要求, 而对武器装备运用知识的掌握决定了能否正确运用武器装备以及能否充分发挥武器装备效能。为此, 面向体系作战下的武器装备运用, 开展武器装备运用知识框架和建模方法的研究。首先，分析了体系作战下武器装备运用知识的要素构成及要素间的关系构成。其次，构建了基于多视角的武器装备运用知识框架, 给出了其构成产品。然后，提出了基于本体的武器装备运用知识建模方法, 并进行了示例分析，证明了面向体系作战的武器装备运用知识框架及建模方法, 能够为武器装备形成体系作战能力提供重要支撑。

针对体系作战中多弹种协同完成多类型作战任务的需求, 建立了以导弹装备体系效能为引导的弹种优化设计结构框架, 以综合考虑任务、成本和风险影响因素的装备体系效能最优为目标, 构建了指派模型, 并给出了该模型的约束条件。针对该优化问题的可行解空间较大、计算时间较长的特点, 设计了基于作战环的模型快速求解方法, 以加快设计过程。算例分析结果表明: 该指派模型能够实现导弹装备体系中最优弹种设计方案的求解, 同时引入作战环可以极大地缩小可行域, 从而显著提高设计计算效率。

空中交通系统作为典型复杂系统, 其非线性聚合的动力学特征给延误预测带来挑战, 使空中交通延误预测问题保持了开放性。近二十年来, 针对此问题, 利用传统机器学习、深度学习、复杂系统建模仿真、排队理论等, 涌现出大量研究成果。首先系统性阐述了空中交通延误产生与传播的原因, 并根据预测数值类型、预测对象以及预测时间尺度对现有研究中的延误预测类型进行分类; 然后纵贯国内外研究成果, 对空中交通延误预测方法进行分类, 详细回顾了代表性方法的实现过程, 并进行综合性对比。最后根据现有研究存在的问题, 讨论了未来可能的发展方向。

视情维修与备件库存联合优化是确保装备内关键部件安全运行, 降低维修保障成本的有效方法。针对现有模型忽略复杂环境中随机冲击影响的问题, 提出一种考虑随机冲击影响的多部件系统视情维修与备件库存联合优化模型。首先, 建立随机冲击影响下的退化模型及可靠度函数模型, 在首达时间的意义下利用阈值转换思想推导出剩余寿命概率分布, 采用极大似然法估计退化模型参数; 然后, 制定视情维修与备件库存联合策略, 以平均费用率最低为目标建立联合优化模型, 利用粒子群优化算法和蒙特卡罗仿真进行求解; 最后, 通过实例分析和敏感性分析验证了所提模型的有效性和应用价值。

策略重用(policy reuse, PR)作为一种迁移学习(transfer learning, TL)方法, 通过利用任务之间的内在联系, 将过去学习到的经验、知识用于加速学习当前的目标任务, 不仅能够在很大程度上解决传统强化学习(reinforcement learning, RL)收敛速度慢、资源消耗大等问题, 而且避免了在相似问题上难以复用的问题。本文综述了RL中的PR方法, 将现有方法细分为策略重构、奖励设计、问题转换、相似性度量等方面来分别介绍和分析各自的特点, 及其在多智能体场景和深度RL(deep RL, DRL)中的扩展。并且, 介绍了源和目标任务之间的映射方法。最后, 基于当前PR的应用, 叙述了该课题在未来发展方向上的一些猜想和假设。

无人机(unmanned aerial vehicle, UAV)战术规划问题是UAV作战的核心, 本文以UAV战术规划中的资源分配和目标推理为研究对象, 针对传统Petri网不能准确模拟战术规划中资源及任务正负效应建模问题, 在阐述了利用传统Petri网将总体任务按计划及目标顺序进行层次分解后, 采用着色Petri网对网间结构进行设计, 利用总体目标管理图及变量管理图实现了消耗类资源以及多目标任务规划中的正负效应模拟问题。最后, 将所提方法应用于UAV侦察任务中, 验证了方法的有效性。

作战知识是提高无人系统的自主作战能力的重要因素。如何系统规范地存储和表示作战知识, 使无人系统能够根据高层任务指令, 自主完成任务规划, 并基于不断更新的战场知识进行重规划和智能决策, 是一个新的研究领域。首先, 通过对任务规划领域概念、规划方法和知识表示方法的梳理, 提出了基于本体的任务规划框架。然后, 总结了本体在机器人、无人系统、军事任务规划等领域的应用情况, 分析了当前研究的特点和不足, 并提出了该领域的重要研究方向。最后, 针对构建无人系统任务规划本体时应遵循的原则和需要关注的关键能力指标进行了论述。

为了在现代化联合防空作战中, 根据蓝方火力配置, 红方能够做出最优的兵力分配, 使防空效能最大化。从要点防空的任务角度出发, 对作战兵力分配进行建模优化, 并对优化后的兵力分配效能进行评估。首先选定任务背景为近海小规模局部战争, 对复杂作战情况进行抽象得到模型。对模型进行优化, 求解得到红方最优兵力分配结果，提出一种新方法, 简化了对有限制的类二项分布期望的求解, 得到蓝方各类进攻力量成功突防的期望以及红方要点平均损耗期望, 并用此值定量评估联合防空的兵力分配效能。最后, 进行了实例分析, 验证了模型的有效性。

在考虑飞行器结构温度约束的轨迹设计问题中, 采用一般约束热流密度的轨迹优化模型存在反复迭代、不能考虑轨迹、传热之间耦合关系等缺点。针对这些问题, 提出一种传热增广的轨迹优化模型。利用空间差分将传热方程转化为一阶微分方程组, 与运动方程组成传热增广的系统状态方程, 从而能在轨迹优化中对结构温度直接进行约束。算例仿真说明了基于增广模型求解的高效性与结果的合理性; 在此基础上分析了再入轨迹与防热结构之间的相互影响关系, 对方案设计阶段的防热结构设计提供参考。

针对基于动力学模型的轨道预报方法对卫星自主轨道预报与大量非合作目标轨道预报中存在建模成本过高和缺少目标空间环境信息的问题, 提出一种基于误差数据驱动的神经网络轨道预报方法。该方法在解析法动力学模型的基础上, 使用长短期记忆神经网络对历史轨道预报的误差进行学习, 预测未来短期动力学模型的预报误差, 以此对预报结果进行修正。选用Ajisai卫星轨道数据和SGP4(simplified general perturbations)动力学模型对所提模型的有效性和性能进行仿真验证。实验结果表明, 所提方法对地心惯性坐标系下3个轴一天的预报误差分别下降到原来的16.87%、17.66%、19.58%, 显著提升了轨道预报精度。

针对牵引式欺骗对授时接收机危害性强且难以检测的问题，基于授时欺骗的实施原理分析了授时解的变化规律, 利用欺骗实施后钟差必然累积异常的特点, 提出了一种钟差构造检验统计量的授时欺骗检测与识别方法。分析了该方法的检测性能, 并通过蒙特卡罗仿真验证了理论的正确性。最后使用软件接收机对TEXBAT(Texas spoofing test battery)授时欺骗场景数据进行测试验证了该方法的有效性。由于不需要接收机添加额外的硬件且在无位置信息辅助的情况下该算法依然能够检测欺骗, 因此对全球卫星导航系统授时安全具有较高的应用价值。

面向弹性高超声速飞行器滑翔段制导控制系统设计问题, 应用动态面控制理论设计了两种制导控制一体化方法。建立了弹性高超声速飞行器滑翔段纵向运动模型, 并推导了具有严格反馈形式的弹性高超声速飞行器制导控制一体化设计模型。将弹性状态视为不确定项, 分别基于自适应方法和非线性干扰观测器(nonlinear disturbance observer, NDO), 开展动态面制导控制一体化系统设计, 并基于Lyapunov定理证明了系统的稳定性。在标称状态下和参数偏差状态下开展仿真试验, 验证了两种制导控制一体化方法的有效性和鲁棒性, 并进一步分析了两种制导控制一体化方法的性能差异及其原因。

为了解决传统单主从式无人机(unmanned aerial vehicle, UAV)相对导航结构因长机故障导致导航精度发散以及全连通协同导航算法计算量和通信负担较重的问题, 提高集群导航稳定性以及导航信息的利用率, 基于联邦滤波算法, 提出了一种分层协同导航算法, 并且根据导航精度将UAV集群分为长机层与僚机层, 建立了UAV集群分层协同导航模型。经过仿真得出, 分层协同导航算法较传统的单主从式协同导航算法具有更好的导航精度; 在一定程度上增加集群中的长机比例, 可以提高集群导航性能; 并且当长机故障时, 具有较好的容错能力和良好的稳定性。

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度, 结合特征点法精度高和光流法速度快的特点以及惯性信息, 提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先, 改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程, 采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点, 提高特征分布离散性。其次, 在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联, 在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联, 保证算法速度的同时提高定位精度和鲁棒性。最后, 基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值, 整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明, 所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性, 定位精度平均提升16.7%。

针对拦截器中末制导交接班状态, 分析了拦截器在有限过载条件下采用现实真比例导引律的捕获区域, 以及捕获区域的各影响因素。首先, 对视线旋转坐标系进行介绍, 并建立末制导段拦截器与目标相对运动模型。其次, 对三维(three dimensional, 3D)现实真比例导引律性能进行分析, 并对视线旋转角速度进行李雅普诺夫稳定性判定。然后, 在3D现实真比例导引律条件下, 针对有限过载的拦截器拦截3D机动目标, 对捕获区域进行推导证明, 得到成功捕获的必要条件。最后, 通过3种情形下的仿真实验, 来验证本文捕获区域的有效性, 并在此基础上分析捕获区域的影响因素。

针对现有可重构智能表面(reconfigurable intelligent surface, RIS)的信道估计方法中反射系数为随机配置而导致接收端信噪比较低的问题, 提出一种配置特定反射系数的渐进式信道估计方法。该方法利用非完整信道状态信息(channel state information, CSI)计算出当前时刻下的最优反射系数, 然后将该最优反射系数与随机反射系数按照加权系数生成混合反射系数。在下一时刻RIS配置该混合反射系数, 接收端使用松弛最小均方误差(relaxed minimum mean square error, RMMSE)信道估计方法来更新非完整信道状态信息。仿真结果表明, 所提方法不仅能获得准确的信道估计结果, 也能在估计过程中不断增大接收端信噪比, 并减小导频开销, 从而提高RIS辅助无线通信系统的频谱效率。

为了解决上行非正交多址接入(non-orthogonal multiple access, NOMA)系统在多径环境下传输效率较低问题, 提出了一种基于时间反演(time reversal, TR)的上行NOMA网络资源分配算法。首先, 利用TR技术独特的空时聚焦特性, 增大信号的接收强度。其次, 考虑用户最小传输速率约束和用户最大发射功率约束, 建立了系统能效最大化资源分配模型。然后, 利用分式规划理论和连续凸近似方法, 将所提出的非凸优化问题转化为凸优化问题, 并利用拉格朗日对偶理论求得全局最优解。仿真结果表明, 相较于传统算法, 所提出的算法具有较好的能效。

考虑一发两收甚高频/特高频(very high frequency/ultra high frequency, VHF/UHF)通信电台接收链路存在的同频强干扰, 针对传统抗干扰方法需精确估计信道参数的难题, 提出一种基于决策的干扰抑制合并(decision-based interference rejection combining, D-IRC)方法。通过解析式定量分析了D-IRC输出信干噪比(signal to interference plus noise ratio, SINR)与输入SINR的关系, 定义了干扰抑制功率失效区, 并给出了D-IRC最优输出的选择策略。仿真结果表明, 在信道参数未知场景下, D-IRC方法的决策输出性能优于传统干扰抑制合并(interference rejection combining, IRC)和最大比合并(maximal ratio combining, MRC)方法, 同时失效区测度关系与理论分析一致。研究结果可为对抗环境下VHF/UHF电台抗干扰提供理论参考。

针对复杂地形中地面基础设施无法有效提供可靠通信和密集算力的问题, 首先提出一种基于无人机(unmanned aerial vehicle, UAV)托管计算资源的卸载方案。考虑用户终端的计算需求, 计算任务的时延约束, 以及UAV的能量约束, 构建了一种以最小化用户终端计算和卸载能耗为目标的UAV辅助边缘计算模型。其次, 通过将原非凸的问题分解为两个凸优化子问题, 采用了基于块坐标下降的两步迭代优化算法, 联合优化了用户终端本地任务的数据量、卸载任务的数据量以及UAV的轨迹, 实现约定时间内用户终端能耗的最小化。仿真结果表明, 所提策略适用于优劣不同的信道条件, 能够在保证用户终端完成任务的同时, 使得用户终端能耗方面优于其他基准方案。

针对低密度奇偶校验(low density parity check, LDPC)码在相关噪声条件下译码误比特率上升的问题, 结合传统译码算法与卷积神经网络(convolutional neural network, CNN)设计了新的译码器。该译码器在置信传播(belief propagation, BP)算法中引入加权比特翻转(weighted bit-flipping, WBF)算法, 生成加权BP(weighted BP, WBP)结构以解决码字临界处误比特率较高的问题。然后通过CNN降低噪声, 在WBP和CNN之间迭代处理接收信号, 使信号估计值不断逼近真实值以降低相关噪声的影响。通过仿真发现, 与BP算法相比, 所提算法能够有效降低相关噪声条件下LDPC译码的误比特率。

自动调制识别在频谱监测和认知无线电中占有重要地位。针对现有调制识别算法在低信噪比条件下识别率低的问题, 提出一种基于生成对抗网络(generative adversarial network, GAN)和卷积神经网络(convolutional neural network, CNN)的数字信号调制识别方法。在利用平滑伪Wigner-Ville分布将调制信号转换为时频图像(time-frequency images, TFIs)后, 在经典GAN中嵌入了剩余密集块(residual dense block, RDB)结构, 保证了对TFIs的去噪和修复。通过对经典的剩余网络(residual network, ResNet)模型微调, 满足了TFIs的识别与分类。仿真结果表明, 所提方法在低信噪比情况下有效地降低了噪声对TFIs的干扰, 提高了识别性能。

蠕变持久寿命的评估一直受到理论与工程领域的研究和关注, 基于确信可靠性理论这一可靠性领域的新理论所提出的可靠性的三个科学原理建立了蠕变寿命的确信可靠度模型, 并使用不确定理论表征参数的不确定性。通过案例研究分析了模型参数的不确定性, 并将所得结果与基于失效时间数据的概率分布建模进行了对比。分析认为，基于确信可靠性理论的蠕变寿命模型是一种适用于缺少蠕变试验数据情况下的寿命评估新方法, 可以同时考虑多个不同参数不确定性, 蠕变应力指数的不确定性对蠕变可靠度曲线的趋势有显著影响。

利用传感器数据进行预测性维护是航空发动机故障预测与健康管理(prognostic and health management, PHM)的关键问题。针对发动机剩余寿命预测准确性低的问题, 提出基于长短期记忆网络(long short-term memory network, LSTM)分类器的预测性维护模型。LSTM分类器通过门控单元对长时间序列信息进行充分筛选, 并将有效信息用于时间序列预测。首先, 采用滑动时间窗口制备训练样本。其次, 将预处理后的样本输入LSTM, 预测设备在特定时间窗口内的失效概率。然后, 通过调整窗口大小, 得到最优性能的二分类模型, 以更好地适应预测维护需求。最后, 利用美国航空航天局C-MAPSS数据集验证了该模型的有效性, 相比于已有分类方法, 其在剩余使用寿命分类方面更加准确。

针对滚动轴承全寿命周期监测数据不足导致剩余寿命预测精度不高的问题, 提出一种基于时间序列数据扩增和双向长短时记忆(bidirectional long-short term memory, BLSTM)网络的剩余寿命预测方法。首先, 采集训练用滚动轴承全寿命周期振动加速度和测试轴承振动加速度数据。其次, 对采集得到的原始数据预处理后提取健康因子, 将训练用数据和测试数据分别构成参考数据集和目标数据集。然后, 以参考数据集为基础, 利用动态时间规整算法扩增目标数据集数据。最后, 使用数据扩增后的测试数据训练BLSTM网络, 利用训练好的BLSTM网络预测滚动轴承性能退化趋势和剩余寿命。实验结果表明, 基于动态时间规整算法的数据扩增模型能够根据已有全寿命周期数据, 扩增性能退化过程相似的滚动轴承运行数据, 利用扩增数据训练BLSTM网络, 能够有效提高性能退化趋势预测能力, 进而提高剩余寿命预测精度。