对于待匹配图像具有旋转、缩放、平移等空间几何变换的图像模板匹配任务, 现有的算法耗时较长, 且准确率不高。针对该问题提出一种高准确率、低运算成本的图像匹配算法, 首先根据中心点与邻域点的像素差来寻找特征点, 进行快速特征检测, 然后以这些特征点为中心, 并以快速特征检测所计算出来的旋转角截取出一定尺寸的图像块。再将这些图像块输入空间变换注意力模块的特征描述子提取网络, 最后使用K最邻近算法计算两张待匹配图像特征描述子中匹配的特征。特征描述子提取网络中引入了空间变换注意力模块, 网络在训练的时候着重对空间信息进行学习, 故所提算法提高了具有较大空间变化图像匹配任务的准确率。在匹配时间方面, 所提的匹配算法仅次于检测和匹配都使用快速特征检测算法的方法。在匹配准确率方面, 所提算法匹配的准确率远远优于实验所比较的其他算法。

隐式模式匹配是分析波导结构电磁特性常用的数值方法。分析了现有隐式模式匹配方法在解决计算光刻问题上存在的局限性, 以该方法为基础, 提出了基于Krylov子空间理论的混合本征模重构以及显式模式匹配方法。修正了隐式模式匹配方法中采用的非严格迭代策略导致的本征模精度不足问题, 算法计算复杂度保持在O(N^1.5)。采用典型波导及周期结构对所提算法的精度及效率进行了验证。通过对高复杂度光刻掩膜结构进行仿真, 将计算结果与高频结构仿真器软件以及严格耦合波分析(rigorous coupled wave analysis, RCWA)算法结果进行了对比, 验证了本文所提方法在分析高复杂度光刻问题中的应用价值和效率优势。

全极化微波散射计是具有散射计和成像两种工作模式的主动式微波遥感设备, 在复杂环境观测及多维信息获取中具有良好应用前景。该文对全极化微波散射计系统的设计方案进行详细介绍, 系统根据两种工作模式的需求设计4 MHz、40 MHz、120 MHz、200 MHz四种带宽, 有效解决成像散射计带宽与后向散射系数测量精度间矛盾。基于匹配滤波的数字中频信号处理方法, 推导了衡量后向散射系数测量精度的归一化标准差, 并针对数字滤波器加窗效应、数据段重叠率与归一化标准差关系进行理论分析以最小化归一化标准差。海洋及陆地校飞试验结果表明, 全极化微波散射计系统兼具高精度后向散射系数测量和高分辨率微波成像特性。散射工作模式下, 当数据重叠率、滚降系数、回波信噪比分别为50%、0.5、5.53 dB时, 系统性能接近最优, 可获得较高且稳定的后向散射系数测量精度; 成像模式下, 距离向与方位向分辨率分别为0.89 m、0.43 m, 使全极化微波散射计具有良好目标探测特性。

针对漂浮物检测中小尺度目标和域转移问题, 提出一种基于持续无监督域适应策略的漂浮物检测方法。该方法通过删除低分辨率特征图, 增强高分辨率特征图, 提升小尺度漂浮物的特征提取能力。同时, 该方法整合无监督域适应、缓冲区和样本重放, 降低应用场景中不断变化的域转移差异。并将改进检测网络与持续无监督域适应相结合, 提升模型检测精度和泛化能力。通过在漂浮物数据集上实验验证, 对比现有方法, 该方法的检测精度达到82.2%, 检测速度达到68.5 f/s, 浮点数的算量减少到33亿, 模型大小达到25.3 MB, 扩展了目标检测在水面视觉中的应用。

针对汽车雷达时分复用(time-division multiplexing, TDM)多输入多输出(multiple-input multiple-output, MIMO)波形中存在的时间空间利用率低及高速目标多普勒模糊等问题, 提出一种多域联合调制的汽车雷达波形。该波形在时域上进行脉冲重复间隔参差抖动, 利用奇偶序列之间相位差实现速度解模糊, 在频域和空域上通过多天线间的多普勒频率调制实现波形正交, 提高了时间空间发射效率。仿真实验及基于汽车雷达波形验证系统的实测结果均验证了所提波形的有效性, 与传统TDM-MIMO波形对比, 所提波形具有更大的不模糊测速范围和相参积累增益, 不仅对汽车雷达工程实践具有较强的应用价值, 而且对低成本导引或防撞探测系统同样具有指导意义。

针对传统三维扩展目标跟踪算法形状估计精度低的问题, 提出了一种基于移动最小二乘的泊松多伯努利混合(Poisson multi-Bernoulli mixture based on the moving least square, MLS-PMBM)滤波跟踪算法。该算法基于MLS模型构建三维扩展目标的形状矩阵, 通过PMBM滤波器预测和更新目标的运动状态, 利用移动最小二乘算法更新形状矩阵, 结合目标质心状态与形状估计完成对三维扩展目标的跟踪。仿真实验与实际点云数据的验证表明, 与现有算法相比, 本文所提算法在多扩展目标的形状估计方面具有更优的性能, 具有较高的泛用性。

智能辅助驾驶应用场景对图像去雾的准确性和实时性要求较高。提出了一种新颖的基于感知融合机制的渐进式去雾网络(progressive dehaze network, PD-Net), 将降质图像恢复的任务分解为多阶段的子任务, 通过轻量级的子网分块学习特征图的不同区域语义信息, 以提升去雾效率。在此基础上, 基于注意力机制和导向滤波设计跨阶段感知融合模块(perception fusion module, PFM), 自适应感知各阶段提取的多尺度特征并进行融合, 而不损失图像细节信息及边缘结构信息。实验结果表明, 与现有主流的端对端去雾模型相比, 所提出的算法在处理户外图像时具有更高的准确度和实时性, 在公开的合成对象测试集(synthetic object testing set, SOTS)上的峰值信噪比(peak signal to noise ratio, PSNR)与现有最好结果相比提升了0.93 dB, 处理单幅图像仅需72 ms, 提出的网络模型有望应用于智能交通等现实领域。

高分辨距离像在轻小型雷达平台探测识别目标中有重要应用, 准确的目标和环境先验信息是提高距离像检测识别性能的关键因素。本文提出以离线或在线合成孔径雷达(synthetic aperture radar, SAR)图像作为先验信息来源, 提取目标二维散射中心并向距离像视线方向投影获得一维散射中心特征模板, 在此基础上设计了距离像检测、识别以及要害部位选择算法流程, 采用电磁计算和外场实测地面目标数据进行了试验验证。结果表明: SAR图像辅助的距离像检测识别算法不仅具有较高的检测和识别率, 在姿态、频段、分辨力等观测条件变化的情况下也具有较高的稳定性, 具有较好的实用价值。

多主瓣干扰在空时频等维度上与雷达目标回波高度重合, 严重削弱了雷达探测性能。针对切片组合(chopping and interleaving, C&I)、间歇采样直接转发干扰、间歇采样重复转发干扰同时并存的问题, 提出了一种基于发射波形与接收滤波器联合优化的抗多主瓣干扰方法。首先, 基于恒模相位编码信号, 构建了C&I、间歇采样直接转发干扰、间歇采样重复转发干扰信号模型。然后, 在干扰参数完全已知或者存在偏差条件下, 建立了信噪比(signal to noise ratio, SNR)约束下波形相关函数峰值电平、相关函数主瓣模板匹配误差以及干扰能量加权和最小化准则的发射—接收联合优化问题。其次, 利用罚函数法、范数转化等方法, 将非凸、非光滑并且带约束的优化问题转化成关于自变量(由信号相位、滤波器幅度与相位构成)函数的最小化问题, 并利用迭代的限制内存的Broyden-Fletcher-Goldfarb-Shanno (limited-memory Broyden-Fletcher-Goldfarb-Shanno, L-BFGS)算法进行求解。最后, 仿真结果表明, 该方法设计的优化信号与失配滤波器, 具有良好的相关峰值旁瓣电平, 能够有效地抑制多主瓣干扰, 并一定程度上控制了SNR损失。

弹载双基前视合成孔径雷达(missile-borne bistatic forward-looking synthetic aperture radar, MBFL-SAR)构型, 可实现接收平台俯冲段全程二维高效高分辨成像。相比于机载、星载双基构型, 弹载双基构型具有不易受攻击、轨迹设计灵活、合成孔径时间短等优势。但是由于导弹机动性较强, 对成像时间要求较高, 这使得传统的机载/星载双基构型设计方法不适用于弹载前视双基构型。本文首先在MBFL-SAR几何模型基础上, 基于梯度方法分析该构型的分辨率计算方法; 然后, 结合二维分辨率的特点, 分析构型参数对二维分辨率的影响规律, 提出一种参数降维的构型设计方法, 在提高构型参数设计效率的同时, 能够有效缩短成像时间; 最后, 通过基于典型工作参数的仿真实验验证了该方法的有效性。

为了提高极化敏感阵列应对任意来向、任意极化状态干扰的抑制能力, 提出了一种基于对消盲区最小化的极化敏感阵列分析和优化方法。首先, 基于干扰信号的空域信息和极化域信息, 提出了对消盲区概念, 建立了共点双极化线阵的对消盲区模型。然后, 基于对消盲区模型, 推导了对消盲区的数学表达式, 量化了阵列的有效对消范围, 并给出了一种基于微元法的求解方法。之后, 提出了基于对消盲区的极化敏感阵列优化方法, 该方法能够通过优化阵元间距使对消盲区最小化。最后, 通过数值仿真表明, 在探测阈值为12.6 dB、干扰频率为3 GHz、干噪比(interference to noise ratio, INR)为50 dB、信噪比(signal to noise ratio, SNR)为20 dB条件下, 该方法可以将四元共点双极化线阵的联合域对消盲区占比降至0.217%, 证明了优化方法的有效性。

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)利用合成孔径雷达的匹配滤波特性, 在其图像中产生间隔分布的假目标, 对目标检测等造成欺骗效果, 故针对ISRJ的检测与抑制具有重大意义, 而现阶段相关研究主要集中在信号域。对此, 在图像域中开展ISRJ检测研究。首先将实测数据与仿真干扰相结合, 基于不同实测场景与仿真参数构建ISRJ样本; 其次针对假目标间隔分布的特点, 选用深度学习检测领域具有代表性的“两阶段”与“单阶段”模型; 再次, 使用单一场景的ISRJ样本对模型进行训练, 再利用训练好的模型对其他场景的样本进行测试; 最终, 得到ISRJ检测结果。基于MiniSAR数据的实验表明, 对于不同类别、不同场景以及不同参数的ISRJ样本, 所用深度学习模型能够达到95.75%的平均总体检测精度, 具有很强的泛化能力。此外, 对于尺寸大小为501像素×501像素的样本, 上述模型的最少检测用时为0.035 s。

使用循环神经网络进行雷暴的外推预测, 利用气象雷达历史反射率因子资料给出未来一小时的雷暴预测结果。网络的核心是时空长短时记忆(spatiotemporal long short-term memory, ST-LSTM)单元, 加入了记忆解耦结构以分离时间记忆和空间记忆状态。在香港天文台(Hong Kong Observatorg, HKO)的HKO-7数据集的基础上筛选雷暴数据, 构建训练及测试数据集。将有记忆解耦结构、无记忆解耦结构的ST-LSTM网络和MIM(memory in memory)网络以及传统的单体质心法进行比较。预报评分因子数值比较和个例分析检验结果表明，预测神经网络在探测成功概率、临界成功指数上均高于单体质心法, 虚警率低于单体质心法。加入记忆解耦结构的网络预报因子评分高于ST-LSTM网络和MIM网络, 雷暴回波外推的预测效果更好, 尤其是强回波的预测效果更好。

针对波形捷变雷达相参积累问题, 提出基于非标准Keystone变换(Keystone transform, KT)的波形捷变雷达相参积累算法, 基本思路是利用KT消除目标距离走动, 然后再利用快速傅里叶变换进行多脉冲相参积累。考虑到标准KT需要进行搜索模糊数, 基于尺度估计概念, 提出了无需模糊数搜索的非标准KT, 其中的尺度估计环节利用梅林变换实现。同时, 针对捷变波形与相参体制兼容性问题, 通过对基准波形进行时间尺度操作, 设计了一种线性调频捷变波形。仿真结果表明, 当信噪比大于-2 dB, 所提非标准KT能够解决波形捷变雷达目标距离走动校正难题; 所设计捷变波形不仅与相参体制雷达具有较好的兼容性, 还可以实现目标距离主瓣不展宽旁瓣抑制。

星载合成孔径雷达(synthetic aperture radar, SAR)和自动识别系统(automatic identification system, AIS)都可以获取到探测目标的相关信息, 将两者获取的信息进行关联融合, 有益于实现高效的海上侦察监视。由于数据之间存在的异构性, 传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系, 但这些方法存在精度差、效率低等缺点。本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法, 针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示, 进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性, 然后通过设计的关联学习目标函数进行跨模态特征之间关联学习。在构建的数据集上验证表明, 所提方法关联精度高、适应性强, 验证了所提数据集和方法的有效性。

现代战争战场形势复杂多变, 武器装备之间功能相互交互, 装备体系作战能力应保证最大限度发挥。基于作战环理论, 提出针对多阶段任务的装备体系总作战能力评估方法。通过检测装备体系作战能力指标的动态变化, 考察单个装备对装备体系发挥最佳作战能力的影响, 进而保证装备体系总作战能力最大。根据阶段任务对应的能力指标, 建立装备体系总作战能力指标体系; 基于作战环理论的装备体系作战能力评估模型, 引入区间联系数和灰数带的概念, 从多阶段任务出发, 对同类型的不同装备所在装备体系的作战能力进行评估; 利用信息熵法及装备体系在不同阶段任务中作战能力的排序向量对相应阶段任务的能力指标进行客观权重的确定。以某装备体系为例, 应用所提方法完成了总作战能力评估, 为装备优先发展、配合作战提供了决策支撑。

舰载机出动架次率作为衡量航母战斗力的关键指标, 对航母-舰载机系统的安全高效运行十分重要。建立根据实时数据预测当前出动架次率的模型, 将会为航母指挥官的实时调度提供重要参考。首先, 从指标原始数据出发, 基于大数据关联度分析、社区发现及主成分分析法, 确定指标之间的树状关系, 从而建立稀疏深度神经网络。同时, 为了保证更好的训练效果, 选取标准化、L2正则化、Adam优化器作为神经网络的优化算法进行训练。仿真结果表明, 在航母舰载机持续性出动任务下, 所提方法能够实现对舰载机出动架次率的快速、准确、实时预测。

针对现代化战争中远程精确制导武器成本高昂以及武器发射平台数量有限的问题, 研究了多阶段武器目标分配问题, 以最小化武器成本为优化目标, 建立了混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法, 首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性。在模拟退火的框架下, 基于目标的松弛性调整攻击阶段, 再通过匈牙利算法计算每个阶段武器和目标的精确匹配方案。通过启发式算法和精确求解技术的结合, 在保证求解质量的前提下, 极大减少了计算时间。通过计算实验, 与变邻域搜索算法进行了对比分析, 验证了该算法在求解多阶段武器目标分配问题的有效性。仿真结果表明, 所提算法在计算时间和求解效果上优于变邻域搜索算法。

勾股模糊集拓展了直觉模糊集的信息表征内容, 具有体现更大信息空间的优势, 构建勾股模糊集的距离测度是实施勾股模糊型决策的核心环节。本文首先分析了现有4种勾股模糊集距离测度的缺陷, 构建了融合隶属度、非隶属度、犹豫度和自信度的勾股模糊集空间信息表征模型, 进而提出了基于勾股模糊集空间质心的距离测度。其次, 拓展了距离测度的具体特性, 比较了所提距离测度模型在体现犹豫度和解决反直觉情形方面的优势。最后, 模式识别和医疗诊断等应用研究证明了所提距离测度的准确性和优越性。

基于模型的系统工程(model-based systems engineering, MBSE)能够提升复杂工程的总体设计能力和设计效率, 在工程领域得到了广泛应用, 但在载人航天工程领域尚处于起步阶段。在载人航天任务方案论证与方案设计阶段, 为了规范基于模型的需求分析与系统设计工作, 提出了任务需求分析的初步工作方法和流程。基于MBSE方法论和载人航天工程特点, 提出了开展任务需求分析、能力需求分析、系统架构设计、系统需求分析、仿真验证、需求发布6个步骤, 并以美国阿尔特弥斯计划为案例, 详述了需求分析的流程。为后续开发覆盖载人航天全任务周期的数字化设计和技术管理流程奠定了基础。

针对现有反导武器目标分配(weapon target allocation, WTA)由于忽略射击有利度和目标意图价值的不确定特征, 而造成目标错分、漏分的问题, 引入模糊期望理论, 构建基于模糊期望效果的最大化费效比反导WTA模型。针对模型特点, 提出基于改进型生物地理优化(improved biogeography-based optimization, IBBO)算法。该算法采用基于整数的矩阵编码方式, 通过余弦动态自适应策略改进迁移操作。同时, 引入共生生物搜索(symbiotic organisms search, SOS)算法中相互作用思想, 设计基于共生策略的变异操作。此外, 在IBBO算法基础上结合模糊模拟形成混合智能算法, 对模型进行求解。仿真实例表明, 所提算法较好地协调了集约化和多样化的能力, 提升了求解的精度与效率, 满足不确定环境下反导辅助决策对求解精度和时效性的要求。

针对枢纽机场新建卫星厅导致中转旅客航班衔接时间延长、换乘失败概率增大的问题, 开展了机场登机口多目标优化分配问题研究。首先, 在顾及航班类型、机体类型和转场时间间隔等约束条件基础上, 建立了航班-登机口多目标优化分配模型。然后, 基于贪婪算法思想, 按照航班“先到先分配”的原则指派登机口, 以生成初始种群, 并利用遗传算法实现机场登机口分配模型求解。最后, 利用实例数据进行了验证, 该方法能够成功为524个航班分配登机口, 占航班总数86.47%, 中转旅客最短流程时间为20 min的比率为20.07%, 其所占比率最大, 实验结果验证了模型和算法的有效性。

针对海上要地防空体系来袭目标信息处理问题, 分析目标信息处理的条件和过程, 采用随机服务系统理论建立了防空体系指挥通信网络数学模型。通过算例仿真模拟海上要地防空体系各单元间的目标信息处理过程, 分别计算得出了以平台为中心和以网络为中心的指挥网络信息处理效率。解决了单纯从理论层面定性分析海上要地防空体系威胁评估过程时, 无法准确定量衡量防空体系评估效率的问题, 对研究海上要地防空体系威胁评估过程有一定理论借鉴价值。

复杂产品研制生产是不断迭代且数据庞大的系统工程, 而技术状态管理则是复杂产品设计研制的关键因素之一。以复杂产品为研究对象, 梳理了传统技术状态管理体系架构的现状与特点。在此基础上, 针对基于数字化环境的特点, 构建了复杂产品管理以及技术状态管理的总体框架, 并对技术状态管理中的分项目实施路径进行了详细说明, 为数字化工程环境下复杂产品技术状态管理的进一步发展与优化提供了思路与参考。

针对考虑导弹气动力的时间角度控制制导问题, 设计了一种基于深度学习的时间角度控制制导律; 设计预测模块对考虑气动力的飞行器剩余飞行时间进行预测, 预测模块引入前馈环节融合深度学习方法与理论模型, 使用理论模型估计剩余飞行时间, 使用深度神经网络估计理论模型的预测误差, 提高剩余飞行时间预测精度; 将精确剩余飞行时间引入时间角度控制制导律, 使飞行时间误差收敛至零附近, 最终实现飞行时间和攻击角度的共同控制。通过仿真试验验证了所设计的制导方法能够实现时间角度控制, 相对于基于常值速度假设提出的制导律具有更好的制导性能。

针对综合考虑飞行器全局气动非线性特性, 面向高效全局飞行器气动参数辨识需求, 提出了一种基于迎角分区的改进气动参数辨识方法, 采用轴正交决策树的迎角分区方法, 将涉及大范围的迎角变量划分为多个区间, 对每一区间使用递归最小二乘来估计气动导数, 实现在每个区间内对线性气动特性进行辨识。通过引入加权函数的过渡方法, 给出局部模型转化全局建模的计算准则, 保证了整个模型的连续性。最后, 通过某型飞机模型开展了迎角分区气动参数辨识及对比分析工作, 结果表明迎角分区辨识吻合较好, 且与传统全局辨识方法相比计算效率更高, 说明了迎角分区辨识方法的有效性和优势。

针对空间机器人的精准操控需求和任务空间控制问题, 提出了一种基于高斯混合过程的模型预测控制方法。在建立的空间机器人标称模型基础上, 考虑实际工作过程中由于关节摩擦、参数测量误差导致的建模误差, 利用高斯混合过程对标称模型的不确定性进行精确、高效的分析和修正。其次, 基于修正后的模型提出了非线性模型预测控制方法, 在考虑实际物理约束, 如关节限位、输入饱和等的情况下, 实现了空间机器人基座和机械臂末端位姿对期望轨迹的直接精准跟踪。最后, 考虑航天器在轨操控中的推力器冗余配置问题, 设计了推力分配方案, 并通过仿真结果校验了所设计控制方法的有效性。

针对载人月球探测定点返回轨道在多变量、多约束的复杂参数空间内参数之间影响关系不确定的问题，对载人探月定点返回轨道的参数敏感性问题进行了研究。基于近月点伪参数, 建立了定点返回轨道的可控域计算模型, 并提出了一种基于可控域的全局参数敏感性分析方法, 以计算得到的可控域集合点构建敏感性分析矩阵, 通过基于方差的方法对各参数的敏感性进行求解。在仿真分析中, 得到了在给定约束条件下定点返回轨道可控域范围的一般分布规律, 并给出了可控域范围内近月点伪参数对终端参数的敏感性指标。相关研究结论可为未来的载人月球探测轨道任务分析与设计提供重要参考。

针对具有非仿射形式的导弹截机动目标问题，研究了一类基于微分对策的非仿射学习滑模制导方法。首先, 构建辅助系统, 将制导系统转化为增广控制仿射形式; 针对目标未知机动造成的扰动项, 设计自适应滑模控制策略, 鲁棒匹配扰动部分的同时使系统状态沿着预设滑模面进入滑动模态运动。然后, 针对带有非匹配扰动部分的等效滑动模态系统, 利用评价网络在线学习最优微分对策控制策略, 使系统满足预设性能指标, 并通过Lyapunov方法证明闭环系统有界。最后, 仿真结果表明导弹能够成功拦截目标, 证明了所提制导律的有效性。

针对捷联惯性导航系统(strapdown inertial navigation system, SINS)误差定义存在的坐标系不一致的问题, 将速度误差统一投影在真实导航坐标系中, 基于状态变换Kalman滤波推导了更严密的SINS姿态、速度和位置误差方程。进一步地, 在新定义的速度误差和SINS误差方程的基础上, 构建了改进的多普勒计程仪(Doppler velocity logger, DVL)/SINS组合导航卡尔曼滤波状态模型和量测模型。仿真和船载实验表明, 与常规DVL/SINS卡尔曼滤波模型相比, 所提算法可以处理传统DVL/SINS误差模型中坐标系不一致问题的影响, 可在一定程度上提高组合导航系统的性能。

传统惯导/卫导组合导航在多元复杂环境下易受干扰, 从而导致观测量异常影响导航性能。以无人驾驶车辆为研究对象, 展开提升组合导航系统导航精度的研究。采用深度高斯过程(deep Gaussian process, DGP)辅助估计位置的方法减小组合导航误差, 提高定位性能。基于DGP的辅助导航方法不仅可以预测无人驾驶车辆的标称轨迹, 同时可以预测各时刻位置可信区间的概率分布, 为基于深度学习模型的数据融合预测方法提供了严格的理论解释性。真实历史数据下的多重对比实验表明, 该算法较传统深度神经网络算法具有更高的精度和可靠性。基于DGP的辅助导航方式能有效提高全球卫星定位系统信号失锁时的导航模型性能, 实验表明相对于纯惯性导航系统(integral navigation system, INS)解算和长短期记忆(long and short term memory, LSTM)进行导航信号补偿定位精度分别提高了97.32%和52.13%。

多普勒计程仪(Doppler velocity log, DVL)能够实时为捷联惯性导航系统(strapdown inertial navigation system, SINS)提供外部速度辅助信息, 准确稳定的DVL标定工作对提升SINS/DVL组合导航系统的性能具有重要意义。为有效解决此问题, 提出了一种基于位置观测信息的Davenport四元数标定方法。在所提方法中, 通过基于多普勒测速原理的位置观测推算标定刻度因子误差以减小速度量测噪声的不利影响, 利用基于Davenport四元数方法的位置观测矢量方程解算标定安装角误差以增强旋转矩阵求解的稳定性。船载湖试结果表明, 相比于现有方法, 所提标定方法在简单和复杂的机动情况下均具有更高的准确度和更好的稳定性。

针对快时变信道的非平稳特性会造成信道估计性能变差的问题, 在基扩展模型下提出了一种基于深度学习的信道估计算法, 并将其应用于正交频分复用(orthogonal frequecy division multiplexing, OFDM)系统中。首先, 根据快时变信道矩阵的局部相关特性, 构建时频特征提取网络, 利用卷积结构提取快时变信道在时域和频域的相关特征, 并嵌入到下一级网络中进行特征的融合。其次, 利用门控循环网络捕捉信道在不同符号处的变化相关性, 在快时变信道环境下实现更准确的信道估计。仿真结果表明, 与其他快时变环境下的信道估计算法相比, 算法的估计性能提升明显; 同时, 网络的轻量化结构使算法的复杂度最低下降20%。

面向大规模物联网系统高动态、运行环境复杂等特征, 构建了基于机会网络的存储-携带-转发信息传输模式, 进而提出了带有传输不确定性的信息传输性能评估模型。在此基础上, 综合考虑信息传输过程的能量消耗与传输性能等目标, 提出了基于庞特李雅金极大值定理的最优传输策略。进一步, 通过理论分析证明了最优传输策略服从阈值形式。仿真实验表明, 模型的误差低于4.08%。同时, 实验也表明所提出的最优传输策略明显优于传统的静态策略, 并随着信息有效期的递增, 性能表现更好。

针对协作频谱感知中, 频谱感知数据篡改(spectrum sensing data falsification, SSDF)攻击导致的感知性能恶化问题, 在次级用户中恶意用户占比小于一半的情况下, 提出一种基于复合熵和证据理论的抗SSDF攻击协作频谱感知方法。首先, 次级用户根据本地感知统计量计算基本概率分配(basic probability assignment, BPA)信息。然后, 融合中心根据BPA计算距离值并进行熵处理得到复合熵, 再以复合熵为权重对BPA信息进行调整, 降低恶意用户的权重。最后, 针对证据理论中Dempster融合公式的弊端, 采用加权求和法代替传统的融合公式。仿真结果表明, 和已有方法相比, 在不同类型的SSDF攻击下, 所提算法具有较好的感知性能。

针对现有网络安全态势预测模型预测精确度低和收敛速度慢的问题, 提出一种基于时域卷积网络(temporal convolution network, TCN)和双向长短期记忆(bi-directional long short-term memory, BiLSTM)网络的预测方法。首先, 将TCN处理时间序列问题的优势应用到态势预测上学习态势值的序列特征; 随后, 引入注意力机制动态调整属性的权值; 然后, 利用BiLSTM模型学习态势值的前后状况, 以提取序列中更多的信息进行预测; 利用粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优, 提升预测能力。实验结果表明, 所提预测方法的拟合度可达0.999 5, 其拟合效果和收敛速度均优于其他模型。

针对现有的异常检测算法无法同时捕捉广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)报文序列中的长程依赖关系、随机性以及整体性特征的问题, 提出了基于Transformer变分自动编码器(variational autoencoder, VAE)的ADS-B异常检测算法, 以Transformer编码器和解码器作为VAE的推断网络和生成网络来学习ADS-B报文序列的时序分布。由Transformer编码器的自注意力机制建模序列中的长程依赖关系, 生成反映报文序列整体性特征的随机变量, 并采用一个特殊的融合模块融合该随机变量与Transformer解码器的输出以实现报文的重构, 最终通过重构误差来检测异常。实验表明, 所提出的方法在不同攻击场景下, 均优于相关基线算法。

针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题, 结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化, 再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF), 最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明, 在优化VMD参数时, 该方法相对其他方法优化效率有了明显提高, 并且提取滚动轴承故障特征效果显著, 得到特征频率幅值为其他方法的2~4倍, 证明了该方法的有效性和优越性。

针对现行可靠性鉴定试验标准GJB-899A中提供的试验鉴定方案存在试验时间过长或试验风险过大，且当前可靠性鉴定试验设计大多只依赖于产品自身的寿命数据，而对产品研制过程中的可靠性增长数据利用较少的问题，以寿命服从指数分布的产品为研究对象，基于美军陆军装备分析中心提出的可靠性增长模型AMSAA模型对产品研制阶段的可靠性增长过程进行建模。再利用Bayes方法基于产品可靠性增长过程的试验数据来获取产品寿命分布，计算产品可靠性鉴定试验方案的生产方风险和使用方风险，进而推导得到满足风险要求的产品可靠性鉴定试验方案。通过实例分析以及与GJB899A所提出的试验方案对比，验证了所提方法的可行性与先进性。

环境应力筛选依据环境试验标准规定的试验条件和程序开展试验, 剔除失效产品, 使产品尽快度过早期失效期。针对当前高可靠的制造背景下在筛选过程中发现的失效产品数量少、效费比低的问题, 提出了一种环境应力筛选方案设计流程。首先, 基于应力-强度干涉模型明晰了筛选的基本原理, 分析了筛选应力及强度分散性对筛选效果的影响; 其次, 结合关键质量特性的识别与测量、分散性分析, 制定了筛选方案的设计流程; 最后, 以某天线罩的筛选为例验证了所提方法的有效性。该方法为提高筛选效率、降低筛选成本提供了思路。