针对走航期间气体泄漏或鱼群等变化较快的水体目标不能快速实时成像的问题，提出一种基于深水多波束测深仪（multibeam echosounder, MBES）的探测和重建方法，利用深水MBES多扇区发射的特点，增强水体实时成像能力。首先通过角度解算对目标区域的三维散射点进行归位实现实时探测，随后通过基于水体反向散射强度改进的大津阈值分割算法和基于牛顿-拉夫逊优化的基于密度带有噪声的空间聚类算法对目标点云进行重建，得到更为清晰的目标图像。所提算法通过仿真实验进行了验证，并对海试数据处理得到清晰的海底气柱图像，验证了所提算法的有效性。

针对欠定盲源分离问题中变换域稀疏性不足和混合矩阵估计精度不高的问题，对时延混合模型下的均匀线性阵列提出一种将基于密度的带噪空间聚类（density-based spatial clustering of applications with noise，DBSCAN）与随机一致性采样（random sample consensus，RanSaC）算法相结合的混合矩阵估计算法DBSCAN-R。利用变换矩阵优化变换域的稀疏度，进而以更精确的DBSCAN-R算法对混合矩阵进行估计。该算法首先引入变换矩阵改善稀疏特性，随后使用DBSCAN-R算法对具有线性聚类特征的数据进行聚类，并实现聚类质心修正，最后利用最小L₁范数方法实现源信号重构。实验结果表明，所提出的DBSCAN-R算法相较于传统DBSCAN算法的混合矩阵估计归一化均方误差平均降低了4.70 dB，具有鲁棒特性。

针对线阵推扫成像中因目标-平台相对运动导致的亚像素位移与过采样信息冗余问题，提出一种融合物理先验与数值优化的超分辨率重建方法。首先，基于目标运动速度与平台参数推导过采样比例及最优超分辨率倍数。其次，通过构造正则化增广矩阵的正则化QR分解实现病态方程组的稳定求解，抑制噪声放大与伪影生成。最后，结合凸集投影方法嵌入成像系统的时空耦合约束，实现细节增强与物理一致性重建。仿真实验表明，该方法在红外遥感影像中可将局部结构相似性指数提升至0.8402，光谱复原的相对均方根误差降低80.17%，优于传统广义逆与迭代插值算法，41个光谱通道的处理总耗时低于150 ms，验证了其在高光谱数据处理的工程实用价值。

针对双流目标检测模型运行效率低和计算复杂度高的问题，提出一种基于可见光与红外特征融合的轻量化目标检测方法。首先，将YOLO（you only look once）v8拓展为双流目标检测模型，使用组卷积对双流骨干网络进行优化，将两路独立的骨干网络合并成一路骨干网络，实现两种模态特征的同步提取，大幅度提升了模型运行效率。其次，设计联合跨模态特征交互的跨阶段快速特征融合（faster cross-stage partial bottleneck with two convolution with cross-modal feature interaction，C2f-CMFI）模块和联合跨模态特征融合的快速空间金字塔池化(spatial pyramid pooling fast with cross-modal feature fusion，SPPF-CMFF)模块，在减少模型复杂度的同时，实现了特征提取过程中两种模态特征的融合和交互。最后，在公开的可见光-红外图像数据集上的实验结果表明，与传统的双流目标检测模型相比，所提方法的参数量与计算复杂度分别减少了19.5%和17.7%，平均精度均值50:95提高了1.9%，在型号为NVIDIA RTX 2080Ti的图形处理单元上，推理速度为140帧/秒，证明了所提方法的有效性。

针对相控阵线形阵列存在的定位盲区大以及虚假成像问题，提出一种基于环形阵列的全聚焦融合定位成像方法。该方法采用结构中央布置环形阵列，阵列中直径方向各线阵通过全矩阵相控数据采集，并分别对各线阵所得的损伤散射信号进行波束修正和幅值补偿。利用全聚焦融合方法将各线形阵列的结果进行叠加融合，通过各向互补减小监测盲区消除伪像，实现损伤的较为准确的定位成像。结果表明，该方法不仅在成像结果中突出了损伤信息和减小了伪影，而且也提高了损伤定位准确度。

人体姿态估计在人机交互、活动识别与健康监测等领域具有广泛的应用前景。传统基于光学传感器的方法易受光照条件限制且存在隐私泄露风险，而基于可穿戴设备的技术则存在使用繁琐、长期佩戴不适等问题。为此，提出一种基于卷积神经网络（convolutional neural network, CNN）、双向长短期记忆（bidirectional long-short term memory, BiLSTM）网络和多头注意力（multi-head attention, MHA）机制时空融合框架的毫米波雷达人体姿态估计方法。通过自主研发的毫米波雷达设备生成高质量点云数据，引入滑动窗口机制将单帧点云扩展为多帧时间序列数据。结合CNN提取空间特征，采用BiLSTM进行时序建模，引入MHA机制进一步优化全局特征表达能力。基于多帧点云数据的时空信息融合框架能够充分挖掘时空特征，有效缓解雷达点云稀疏性问题，显著提升了姿态估计的精度与鲁棒性。实验结果表明，所提方法能够实现25个骨骼关节点的定位，x，y，z轴平均误差分别为2.69 cm、2.49 cm与2.98 cm，为毫米波雷达在人体姿态估计中的应用提供了解决方案，具有广泛的实际应用潜力。

互耦效应使子阵级多通道信号不再满足理想的幅相关系，导致基于理想导向矢量的子阵级自适应处理效果急剧下降。针对这一问题，提出基于有源单元方向图的极化阵列子阵级自适应处理方法。该方法利用有源单元方向图建立补偿矢量，对子阵通道数据进行互耦补偿。为了减少先验有源单元方向图需求，提出在波束扫描空域内选取不少于子阵数的角度，仅利用选取角度的有源单元方向图重构补偿矢量。仿真证明该方法能够提升阵列自适应处理的干扰抑制效果。

针对传统雷达目标检测方法在低信噪比条件下检测性能大幅度降低的问题，提出一种基于特征增强和特征融合策略的多帧深度学习检测方法。利用多尺度卷积层提取雷达帧的抽象表示，通过挖掘当前相干处理间隔和历史相干处理间隔回波数据的时空特征，在连续的相干处理间隔中重建和预测出运动目标。利用对空跟踪民航飞机的雷达实测数据进行实验，结果表明：当检测信噪比为6 dB时，相同虚警条件下，所提方法得到的检测概率较传统恒虚警检测方法和检测前跟踪方法提升50％以上，为雷达目标检测提供解决方案。

针对现有干扰方法无法对分布式雷达抗主瓣干扰技术产生有效干扰的问题，提出一种多波束干扰方法。该方法在不同方向形成去相关的发射波形，使得分布式雷达节点接收到的干扰信号之间去相关，进而无法完成主瓣干扰抑制。通过仿真验证了该干扰方法对分布式雷达抗主瓣干扰技术的干扰效果。仿真结果表明，多波束干扰方法能够对分布式雷达抗主瓣干扰技术形成稳定的有效干扰。

主瓣压制干扰是当前雷达领域难点问题，极化对消是抗主瓣压制干扰的有效手段，基于同时全极化多输入多输出雷达开展主瓣单极化压制干扰对消算法研究。利用幅度和相位估计算法估计单极化压制干扰极化参数并估计极化对消系数，设计压制干扰下的全极化多通道融合检测算法。仿真表明，给定全极化阵列的极化响应和单极化压制干扰，干扰信号功率抑制可达?60 dB，融合后检测性能逼近无压制干扰的情况，证明了所提算法的有效性。

针对雷达站址与存储转发设备的误差导致航迹欺骗效果差的问题，研究面向欺骗干扰组网雷达的无人机集群稳健航迹规划算法。首先，分析组网雷达的空间分辨单元及其“同源检验”准则，确定无人机集群对组网雷达实施航迹欺骗的条件。其次，以满足各无人机飞行动力学限制为约束条件，以最小化无人机集群实际生成虚假目标与预设虚假目标的偏移为优化目标，建立面向欺骗干扰组网雷达的无人机集群稳健航迹规划数学模型。在此基础上，考虑雷达站址与存储转发设备存在正态随机误差，采用粒子群优化算法对上述优化模型进行求解。仿真结果表明，在满足各无人机动力学约束的条件下，所提算法能够提高复杂误差情况下的航迹欺骗成功率，实现针对组网雷达的稳健航迹欺骗。

针对传统单模型滤波方法无法感知空间目标机动出现的未知加速度从而导致跟踪精度下降的问题，提出一种带机动判决的改进型两段无损卡尔曼滤波跟踪方法。该跟踪方法由一个主滤波器和一个辅滤波器组成。主滤波器不考虑目标未知的加速度输入，辅滤波器从主滤波器的新息中估计目标的加速度输入。通过辅滤波器的加速度估计值感知目标的机动，当判定目标机动时，利用辅滤波器的加速度估计修正主滤波器的目标状态估计，以应对目标在特定时间段内出现的机动动作。仿真结果表明该跟踪方法能够有效地检测出目标机动并估计出目标的机动加速度，目标在机动段的跟踪精度得到了显著提升。

试验是检验评估军事智能系统作战能力的重要途径。本文分析军事智能系统的试验大数据特点和系统性能评估问题的复杂性，指出传统试验大数据分析方法和智能系统试验评估面临的挑战。为此，分析目前深度学习和大语言模型在大规模、多模态数据分析中的研究现状，并对其应用于智能系统试验数据分析的可行性和困难进行了分析。在此基础上，提出基于大语言模型的智能系统试验数据分析系统的总体架构和关键技术，表明大语言模型和因果推断技术是解决军事智能系统试验数据特异性与分析内容新质性矛盾的一种可行途径。

随着全球工业快速发展和智能化转型，系统结构日益复杂并呈现多状态特性，其可靠运行能力直接影响生产效率与产品质量。对此，基于状态性能分布及其转移特性评估冲击环境下的多状态系统的可靠性，进而提出综合韧性评价指标。考虑可靠性和成本约束构建多状态系统综合韧性优化模型，并以焊接机器人为例验证模型的有效性。案例结果表明，在多冲击场景下，经维修后系统综合韧性恢复至1.000，可靠性为0.953。与传统韧性分析模型相比，所提方法能够更全面地反映外部冲击、维修及更换对系统韧性的影响，为工业系统的可靠运行提供了技术途径。

针对航天器抵近空间目标执行在轨观测服务的机动决策问题，提出一种基于深度强化学习的航天器多阶段策略机动决策方法。首先，将在轨观测任务划分成“目标抵近-观测准备-持续观测”3个阶段，建立多阶段任务模型及约束集合，提高任务可解性。其次，提出一种多阶段策略学习算法，构建多阶段训练环境和任务奖励函数，并融合预测制导和规则耦合机动引导机制，提升算法探索能力和收敛稳定性。最后，仿真表明该算法对比经典强化学习算法收敛时间缩短30.9%，平均任务累计奖励提升9.28%，平均脉冲耗量降低13.91%，且相较于传统优化方法可有效提升任务核心指标，验证该方法的有效性。

针对现有智能水平评测中定量评分与定性等级相互独立、缺乏统一映射机制，从而使同一系统在不同方法下难以横向比较的问题，提出一种基于等级参数划分的系统智能水平评测等效映射方法。首先构建评测指标评分分级模型，对各一级指标的评分区间进行细化。随后建立智能水平等级划分参数集合，并引入可自适应的动态等级划分模型，在统一归一化区间内刻画各等级门槛，实现定量评分向定性等级的可解释映射。将该方法应用于地外无人系统的真实评测场景后，结果表明所提方法可以可靠地将系统的定量评分映射至定性框架。所提方法为跨场景、跨方法的统一评测提供了可行路径，具有较强的适用性与可推广性。

针对车载多天线布局复杂度高、目标冲突性强等问题，基于神经网络及改进多目标粒子群优化（multi-objective particle swarm optimization，MOPSO）算法提出一种综合智能优化方法。以天线耦合度、方向图畸变度和驻波比为优化目标，以天线坐标与输入阻抗为决策变量，通过径向基神经网络快速预测天线性能，规避传统全波仿真的计算瓶颈。引入自适应网格算法及动态变异机制增强MOPSO算法的全局搜索能力，高效逼近Pareto最优前沿。进而，基于模糊集合理论对Pareto 最优解集进行选优。实验表明，相较于非支配排序遗传算法II等，所提方法对各目标函数的综合优化性能最佳，分别改善了23.2%、20.6%和5.8%，证明了其有效性和优越性。

属性关联性对犹豫模糊型多属性决策结果产生影响，如何刻画属性关联性测度并厘清其对决策结果的影响尤为重要。通过引入2-可加Choquet积分并利用2-可加模糊测度刻画属性关联性，探索其对逼近理想解排序法（technique for order preference by similarity to ideal solution，TOPSIS）中正负理想点的影响规律；采用Zhenyuan积分全面刻画多个属性关联情形，设计一种改进的TOPSIS方法。结果显示，属性相互替代时方案与正负理想解距离比属性独立时距离偏小；属性相互互补时偏大；属性关联下方案与正负理想解的距离单调递增。证明了所提方法在刻画犹豫模糊属性关联性以及改进决策结果方面的有效性和准确性。

针对作战能力评估中指标筛选面临的多维关联、多重共线性，以及数据稀缺、不规律等挑战，提出一种定性定量结合、简便可靠的筛选方法。首先，利用主成分分析（principal component analysis，PCA）和因子分析（factor analysis，FA）对指标进行降维处理，分别从协方差矩阵分解与潜在因子提取的视角消除冗余信息。其次，结合专家经验和相关分析对初步筛选结果进行定性优化，确保符合实战需求。最后，引入灰色关联分析（grey relational analysis，GRA）量化降维后指标与作战能力间的动态关联强度，增强方法对小样本及非规律数据的适应性。PCA/FA解决数据冗余问题，GRA弥补小样本适应性不足的缺陷，三者形成“降维-重构-关联”的筛选框架。通过仿真案例验证表明，所提方法可有效消除指标多重共线性、精简指标体系，在小样本、非规律数据场景下仍能稳定筛选出与作战能力高度关联的核心指标，验证了所提方法的可行性与合理性。

针对现有空间目标意图识别方法仅适用于单一目标，难以判别空间群目标意图的问题，提出一种适用于空间群目标的意图识别方法。首先，分析空间群目标运动特性，从群内目标的编队队形、目标类型、状态层和行动层4个维度构建意图特征集。然后，研究目标连续性特征模糊化处理方法，利用数据聚类构造模糊隶属度函数，实现连续性特征隶属度的动态调整。最后，基于相对距离将场景划分为近距离和远距离两类，通过挖掘不同场景下群目标多时段特征数据，建立编队子意图与群意图之间的序列规则，利用动态序列贝叶斯网络构建空间群目标意图识别模型，并结合不同场景验证该方法的有效性和优越性。实验结果表明，所提方法与基于模糊推理的方法相比，准确率提升了12.50%，证明了所提方法的有效性。

针对目前作战体系组成要素复杂、作战任务规划与作战效能评估脱钩、作战过程各节点动态变化难以预测、传统评估方法无法适应的问题，提出基于美国国防部架构框架-图示评审技术（Department of Defense Architecture Framework-graphical evaluation review technique, DoDAF-GERT）的体系作战效能评估方法。首先，将基于DoDAF中的OV5视图建模的作战活动模型转化为GERT网络模型，实现杀伤网的动态演化特性分析和定量表述。然后，利用ADC（availability, dependability, capability）模型计算网络中各装备节点作战效能，并结合考虑多参数z标记的GERT网络定量计算和综合评估体系综合作战效能。最后，评估不同组网方式对体系效能的影响，分析不同武器装备对体系作战效能的贡献率，识别体系薄弱节点，为体系优化提供方向。

针对航天装备特定领域系统建模语言（system modeling language，SysML）无法完全满足系统设计中的特殊需求问题，利用SysML的可扩展性结合航天装备领域知识形成航天装备建模语言（aerospace equipment modeling language，AEML），通过在AEML的基础上进行领域视图开发，更好地定制化系统工程方法与模型。在实际复杂系统中，领域视图能够使系统工程活动更加清晰和一致，且随着子系统数量的增加，其在复杂度上的优势也将更加显著。此外，领域视图定制方法能够提升设计、验证和集成的效率，推动系统设计的模块化和可维护性。

针对动态场景下的多智能体对抗策略离线学习问题，提出一种鲁棒多智能体策略离线强化学习（ robust multi-agent policy offline reinforcement learning，RMA-offlineRL）方法，以降低数据集质量对策略离线学习的影响。在RMA-offlineRL的策略提升中，通过对从数据集中采样的历史状态-动作对在当前策略下的对数概率进行Box-Cox 转换来计算离线策略梯度，不但可以限制外推误差，还能够利用含有大量随机行为的低质量数据集进行策略提升。此外，在RMA-offlineRL 的策略评估中，设计了针对多步离线交互数据的稳定策略评估算法。为了验证所提方法的有效性和优势，在利用庙算兵棋系统和基准环境采集的离线数据集下对所提方法进行了充分验证。结果表明，所提方法能够利用含有大量随机行为或低状态-动作覆盖率指标的低质量数据集进行协同对抗策略的高效学习。

针对传统目标轨迹预测算法多任务适用性和实时性不足的问题，提出一种基于交互式多模型跟踪和动力学模态分解（dynamic model decomposition, DMD）的再入滑翔目标轨迹解析预测方法。首先，构建基于Singer模型的再入滑翔目标跟踪模型，通过交互式多模型跟踪算法实现对目标运动的快速估计，为后续的特征提取环节提供必要的目标数据支撑。随后，基于混叠数据序列的模态分解思想，设计一种基于高阶DMD（high-order DMD, HODMD）的模态特征提取方法，可通过分析目标的多维实时跟踪数据实现对目标DMD模态特征的提取。最终，按照模态振幅大小筛选主导动力学模态，并将其重构得到具有简单代数求和形式的目标轨迹解析表达式，进而实现对目标未来轨迹的快速解析预测。以美国高超声速通用航空飞行器为对象的目标轨迹预测仿真结果表明，所提方法可在目标动力学模型未知的情况下，实现对目标轨迹的高精度解析预测，且相比于基于控制变量估计的轨迹预测方法，所提方法具有较高的轨迹预测精度和计算效率优势。

针对逐渐复杂的无人驾驶车辆的轨迹跟踪控制系统问题，应用基于模型的系统工程方法对轨迹跟踪控制系统进行数字化建模设计。分析对无人驾驶车轨迹跟踪控制系统的整体架构，构建相互强关联性的数字化模型，包括建立利益相关方需求、需求分析、功能逻辑以及物理架构，模型之间搭建追溯矩阵等确保设计流程的合理性与一致性。在控制方面，建立二自由度车辆动力学模型，设计线性二次型调节器控制算法。研究异构软件之间的数据流通技术实现架构模型与控制策略的联合仿真。选取典型无人驾驶车辆路径跟踪工况实例仿真，结果表明所提方法搭建的轨迹跟踪控制系统数字化模型可实现无人驾驶车辆轨迹的精确跟踪，完成对控制系统需求的闭环验证。

针对晶振传统压控调频方法调频精度低的缺陷，研究基于直接数字频率合成（direct digital synthesis, DDS）频率微跃的恒温晶体振荡器驯服控制与时间保持方法。通过自研相位微跃计中DDS模块，实现分辨率达0.6 μHz的频率调整，为改善晶振驯服性能提供了条件。驯服控制算法基于全球导航卫星系统时间传递原理以及比例-积分-微分（proportion-integral-differential, PID）控制算法设计，通过分析钟差数据优化PID控制模型，有效提升晶振驯服控制性能。实验结果表明，基于DDS频率微跃的晶振驯服控制算法在平均时间为一天的时频率稳定度可达1.09×10^?13，时间稳定度可达9.46×10^?10 s，在99%以上的情况与参考频率源的时间偏差保持在±25 ns内，时差标准差为8.49 ns，证明了所提方法的有效性。

针对多无人机（unmanned aerial vehicle，UAV）协同目标搜索复杂约束航迹规划问题，提出融合通信距离衰减与障碍物遮挡效应的多约束航迹规划模型，并设计一种混沌自适应周期能量哈里斯鹰优化（chaotic adaptive cycle Harris hawks optimization，CACHHO）算法。首先，在传统的路径长度、机动特性、避障避碰等约束基础上，引入视距（line-of-sight，LOS）与非LOS（none-LOS，NLOS）通信的动态权重机制，通过障碍物穿透损耗模型量化通信质量衰减效应，实现复杂环境下通信约束的精细化建模。其次，通过引进混沌映射、能量周期性递减和权重因子使算法实现全局探索与局部开发的自适应平衡，提高算法跳出局部最优的能力。最后，仿真实验对比显示，CACHHO算法较传统哈里斯鹰算法优化精度提高8.67%，任务成功率提高23%。仿真结果表明，该算法在多UAV协同搜索航迹优化问题具有显著优势，为多UAV在复杂地形中协同搜索提供了理论支撑与技术方案。

针对带有执行器故障、信号量化的六自由度高超声速飞行器协同控制问题，设计一种预定时间量化容错控制器。首先，在时间尺度上将六自由度高超声速飞行器模型分解为位置子系统、速度子系统和姿态子系统，结合量化模型和故障模型建立面向控制的模型。其次，分别对3个子系统设计预定时间控制器，保证高超声速飞行器在预设定的时间内完成编队飞行，并设计一种自适应跟踪方法来补偿故障和信号量化带来的影响。最后，基于Lyapunov理论严格证明了闭环系统的稳定性，通过仿真验证了控制器的有效性。

针对复杂多威胁环境中的无人机（unmanned aerial vehicle，UAV） 航迹规划问题，提出一种基于速度暂停粒子群优化（velocity pausing particle swarm optimization，VPPSO）算法的航迹规划方法。首先，构建一个综合考虑UAV运行最优性与安全性需求的目标函数集合，将UAV航迹规划转化为多目标优化问题。其次，在标准粒子群优化算法中引入速度暂停策略、双种群策略、速度方程改进策略，有效平衡算法的全局探索和局部开发能力。最后，利用标准测试函数对VPPSO算法寻优性能进行验证并将其应用于UAV三维航迹规划中。实验结果表明：VPPSO算法具有较强的全局寻优能力，规划的航迹结果性能在比较算法中最优。

在水声通信领域，正交频分复用（orthogonal frequency division multiplexing，OFDM）联合比特交织编码调制技术虽能有效抵抗水声信道频率选择性衰落，但受限于信道状态信息获取不完整和噪声干扰，更高通信速率的高阶调制方案对信道失配更加敏感。旨在提升译码性能与通信可靠性，通过深入探究信道估计误差统计特性，提出极大似然译码度量设计，对译码度量中的似然函数进行修正；同时考虑真实环境噪声特性，基于色噪声假设进一步优化信道估计误差修正译码度量，在色噪声假设下分别对每个子载波估计其噪声信息，结合信道估计误差统计特性对信道估计值进行修正，减少色噪声下信道估计误差对输出软信息的影响。仿真结果显示，色噪声假设（信道估计误差修正）译码度量性能上限更高，且相对传统（信道估计误差忽略）译码度量具有5~6 dB性能提升，相较白噪声假设（信道估计误差修正）译码度量具有1.4 dB性能提升。在最深900 m深海垂直通信试验条件下，经验证在频域上噪声谱密度起伏可达12 dB，所提方法在最高至256阶正交幅度调制（quadrature amplitude modulation，QAM），传输速率为8.84 kbps的OFDM信号实现了译码性能的有效提升，在最远4772 m的通信距离，实现了传输速率为4.42 kbps调制方式为16QAM的可靠OFDM水声通信。

为提升高误码率、接收码字个数较少情况下低密度奇偶校验（low density parity check，LDPC）码稀疏校验矩阵重建性能，提出一种将含错码字置零和分层置信传播（layered belief propagation，LBP）译码相结合的算法。该算法基于随机抽取和高斯消元法获取稀疏校验向量，利用该校验向量对含错的接收码字进行校验，将校验不通过的码字置为零向量，提高了随机抽取迭代前期获取的稀疏校验向量个数。当稀疏校验向量个数到达阈值后使用LBP译码方法纠正错误比特，提升了LDPC码稀疏校验矩阵的重建率。仿真结果表明，对于IEEE 802.11n协议下的(648，324)LDPC码，所提算法在高误码率且接收码字个数较少的条件下，稀疏校验矩阵重建率可达84%，相比现有算法提升了约40%，有效提高了重建算法的容错能力。

针对高低轨混合卫星网络中异构链路性能差异导致资源分配效率低的问题，提出一种高低轨混合卫星网络动态资源联合优化分配算法。首先，综合考虑卫星剩余服务时间、可用带宽资源和链路时延等性能指标，设计了一种面向业务需求基于多属性加权的卫星链路性能评估方法，实现区分业务的接入卫星选择；在此基础上，以网络频谱效率优化为目标，引入带宽资源块概念，通过设置卫星接入负载门限，设计了一种基于接入选择结果的卫星网络动态资源联合优化分配策略，并对算法性能进行了仿真分析。结果表明，所提算法能够实现面向业务类型的动态资源分配，在有效提高各类业务请求接受率的基础上，网络频谱效率得到明显提升。

针对星地融合网络中的物理层安全传输问题，提出一种感知辅助的鲁棒安全波束成形（beamforming，BF）算法。在该网络中，卫星采用多播技术服务多个地球站的同时，还存在空中窃听者（airborne eavesdropper，AE）试图获取卫星的隐私信号；而地面基站在利用通感一体化技术服务多个用户的同时，对AE进行感知并施加友好干扰，从而提升整个系统的安全性能。为了达到上述目的，在仅已知合法用户与AE非完美信道状态信息的条件下，首先建立一个以系统总发射功率最小化为目标函数，且通信信号和感知信号的质量以及最大窃听概率满足要求为约束条件的优化问题。为了求解该非凸问题，接下来利用最大瑞利商得到地面基站的接收BF权矢量，利用伯恩斯坦不等式与柯西施瓦兹不等式将复杂的非凸约束转化为可行的凸约束，并进一步基于秩极小化迭代法求得鲁棒发射BF权矢量。最后，仿真结果验证了所提方案能够在保证安全通信要求的同时，最小化系统的总发射功率。通过提高通信、感知和安全一体化设计的协同能力，最终确保了星地融合网络的安全通信，证实了感知辅助安全通信的优越性。