针对全球卫星导航系统（global navigation satellite system，GNSS）全频点接收机存在的捕获效率低、捕获资源开销大、信号锁定时间长等问题，提出一种基于频间协同的快速捕获方法。首先，为各GNSS系统选取一个主频点，其他频点都为副频点；然后，捕获引擎仅需对主频点进行捕获以及捕获转跟踪处理；同时，利用主频点跟踪信息，对副频点实施跟踪转跟踪并行处理。实验结果表明，相较于传统方法和跟踪辅助捕获方法，所提方法断电重启后锁定100个跟踪通道的时间分别缩短了70.2%和43.9%，失锁重捕定位时间分别减少了62.2%和41.7%，平均功耗分别降低了10.7%和9.7%。所提方法在不增加硬件资源的前提下，对全频点接收机的信号锁定时间、定位时间和系统功耗改善明显，为低成本、低功耗全频点接收机设计提供了新路径。

针对完整电磁矢量传感器各天线之间互耦严重导致信号接收效率低下，以及磁环的接收信号十分微弱，不利于后续的信号处理等问题，提出一种基于分离式长电偶极子的来波参数估计算法，该方法舍弃磁环而只使用电偶极子进行参数估计。为弥补磁场信号的缺失，采用两组残缺矢量天线组成矢量天线阵。为改善该模型下的模糊估计问题，将第二组矢量天线进行旋转。首先建立来波信号模型，再利用秩亏多信号分类(multiple signal classification，MUSIC)算法获得来波方向参数估计值，最后再运用一次MUSIC算法获得来波极化参数估计值。仿真结果显示该方法仅需六通道的数据即可获得无模糊的来波参数估计结果。

针对综合射频系统中前端多功能、微型化发展需求，研制一种基于三维异构集成技术的超宽带可重构射频通道微系统。该射频通道采用了可重构架构，具备收发模式、频率、带宽、增益等功能性能参数的快速重构能力。该微系统集成频率预选、射频预变频、宽带捷变本振、中频变频、中频处理、电源变换、时钟分配等功能于一体，结合高温共烧陶瓷基板堆叠、硅基封装堆叠、无源电路内埋等三维异构集成技术大幅提升系统集成密度，并设计了低损耗超宽带垂直互连与紧凑空间下的高电磁隔离结构，微系统整体尺寸仅为55 mm×58 mm×14 mm，共集成器件348只。样机测试结果表明，该微系统模块工作频率覆盖S~Ku波段，发射模式下最大增益大于37 dB，饱和输出功率大于8 dBm；接收高中频模式下最大增益大于41 dB，输出杂散抑制大于45 dB；接收低中频模式下最大增益大于34 dB，输出杂散抑制大于63 dB。该设计具备工作频率宽、通用性强、增益高、杂散低、集成度高等优点。

针对现有毁伤评估技术主要聚焦于提取变化信息、毁伤特征判别难、毁伤推理自动化程度低的问题，借鉴多模态大模型的技术优势，提出一种基于多模态大模型的复杂目标毁伤评估方法。首先，设计基于视觉−语言模型的物理毁伤分析模型，并采用计算机视觉的毁伤语义分析技术设计基于SegGPT的幻觉抑制模型，优化物理部位毁伤分析的准确性。然后，结合毁伤规则知识注入，设计融入毁伤树的毁伤推理模型，并提出一种基于小样本的目标检测识别算法，确保毁伤推理的自动实现。最后，以Markdown形式将毁伤分析和推理的结果以可视化表格形式呈现。实验表明，所提算法可自动实现对复杂目标毁伤部位及毁伤程度的准确判断，物理毁伤评估准确率比Qwen2.5方法提高约29.5%，并能实现从局部到整体的推理能力，同时对不超过4 000×2 492像素的图像，毁伤评估时间在1 min之内，实现了较好的实时性。

针对阵列测向中接收信号为小样本，观测信号混叠色噪声，且入射信号存在相干性的情况下，缺乏有效信源数估计方法的问题，提出结合协方差矩阵平滑与特征值熵估计的阵列测向信源数估计方法。首先计算接收信号协方差矩阵的特征值，然后对特征值序列进行前后向空间平滑处理，最后结合特征值的熵估计实现信源数的估计。通过系列仿真实验，验证了所提方法适用于天线阵元数与信号采样点数在同一量级或多于后者，信号相干且混叠色噪声下的信源数估计之中。所提方法可为解决复杂环境下的阵列测向提供准确的信源数输入。

电离层闪烁严重影响无线电波传播特性，极大恶化卫星信号传输性能，如何准确刻画电离层闪烁下信号衰落特性是卫星通信、导航、雷达等领域所面临的重要挑战。鉴于全球导航卫星系统对电离层闪烁的敏感性和对信号幅度分布反演的准确性，利用巴西圣若泽杜斯坎普斯和澳大利亚达尔文地面站全球定位系统 L1频段（1.575 GHz）信号的幅度观测数据，深入分析电离层闪烁期间L波段信号幅度的统计特性，建立α-η-μ分布模型与电离层闪烁指数之间的物理关联机制，并评估该分布模型对闪烁信号幅度分布的适配能力。研究结果表明，α-η-μ分布能够准确刻画闪烁信号幅度分布，尤其在低纬度区域表现出较高的拟合精度，为电离层闪烁研究提供重要的衰落模型支撑。

针对间歇采样转发干扰存在点假目标串幅度衰减快、空间分布规律性强、对真实目标遮盖性差的问题，提出基于时频拉伸变换的间歇采样转发干扰方法。首先，建立线性调频信号的时频域拉伸变换模型，并基于间歇采样方法，对每段采样脉冲信号进行时频拉伸变换后转发；接着，理论分析占空比和采样周期对干扰的幅度、覆盖范围和空间分布的影响；最后，通过仿真实验验证所提方法的干扰效果。仿真结果表明，相比于传统干扰方法，所提方法能够大幅拓宽干扰范围，灵活高效地形成连片压制干扰或超密集假目标干扰，能够解决干扰滞后的问题。

针对空间锥体目标外形相似、微动参数相差较大的特点，提出一种基于格拉姆角场的目标微动参数快速提取方法。首先利用改进可逆格拉姆角场对雷达回波进行预处理，进而采用卷积神经网络进行目标微动参数提取，最后通过计算目标的惯量比来体现目标的质量分布特征。所提方法利用可逆格拉姆角场代替时频分析技术，在显著降低计算量的同时可保持微动参数的估计精度，实现对空间锥体目标微动参数的快速提取。实验结果表明，所提方法能够有效地区分同一弹道中外形相同的弹头和诱饵等不同类型目标。

为提升低截获概率(low probability of intercept，LPI)雷达多分量信号背景下的特征提取能力，提出一种基于改进稠密神经网络(densely connected convolution networks，DenseNet)的特征提取算法。所提算法以DenseNet169为主干网络，结合优化的卷积块注意力模块，并将传统空间注意力机制和通道注意力机制的串行结构改进为并行结构。同时，对信号二维时频图像进行降噪滤波处理，以增强模型对关键信息的表征能力。实验结果表明，对比7种传统网络结构，改进DenseNet算法在模拟真实信道环境的背景下可以实现更好的识别效果，在SNR=−8 dB时对常见的13类LPI雷达信号识别的精确率、召回率以及F1-Score均超过了97%，在−8 dB≤SNR≤10 dB的背景下平均准确率达到了99.22%。所提算法在LPI雷达信号深度时频特征提取与识别方面具有有效性。

为解决平台运动及多视角雷达视域错位情况下的车载多雷达系统弱目标跟踪难题，提出车载雷达多帧检测前跟踪方法。提出跨坐标系状态转移范围搜索策略，通过建立不同时刻来自不同雷达量测数据的映射关系，充分利用目标的时空相关性进行能量积累提高信噪比。由于多部雷达的不同分布及视域错位，当目标运动在雷达视域边界，其存在状态可能改变。因此，提出多帧检测架构，可根据目标存在状态自适应调整检测门限。仿真和实测数据处理结果表明，所提算法能有效实现车载多雷达系统对微弱目标的准确跟踪。

为解决频率、幅度、相位等未知误差引起传统有源对消信号产生方法性能恶化严重的问题，提出基于群智能优化算法的雷达回波有源对消信号生成方法。以重构回波信号和对消信号的合成能量最小化为目标，使用对消比量化对消效果。充分考虑目标函数的多维非线性和多峰特性，采用吸血水蛭优化（blood-sucking leech optimizer，BSLO）算法随机初始化水蛭个体表示对消信号参数，通过迭代进化更新位置来优化对消效果。仿真实验表明，与粒子群优化算法相比，基于BSLO的优化算法在相参积累脉冲数较大时仍能保持良好的对消效果，且当相参积累脉冲总数为200时，对消比高于10 dB。所提方法可为机动平台有源隐身提供技术支撑。

针对岸基无源传感器在复杂电磁环境下协同探测效能优化问题，提出一种基于改进合作型进化遗传算法（improved cooperative co-evolutionary genetic algorithm, ICCGA）的协同运用优化方法。该方法通过构建多传感器协同探测模型，引入自适应交叉和自适应变异操作，实现动态传感器资源分配，可有效解决传统优化算法在应对高维、多目标优化时存在的早熟收敛和计算效率低下的问题。仿真结果表明，所提算法与其他主流优化算法相比在适应度值上平均提升5.54%，系统运行时间上平均提升40.31%，为岸基无源传感器体系协同运用提供了有效的技术支撑。

针对间歇采样转发干扰（interrupted sampling repeater jamming，ISRJ）严重影响合成孔径雷达图像可靠性的问题，提出一种采用含ISRJ图像对的复数域深度学习合成孔径雷达ISRJ抑制方法，以及复数域深度残差收缩U型网络（complex-valued deep residual shrinkage U-Net，CV-DRSUNet）。通过构建复数域残差收缩模块，挖掘目标场景与干扰信号在合成孔径雷达复数域图像中的表征方式，实现ISRJ抑制。同时，提出一种不依赖无干扰场景图像的训练策略，一定程度上解决场景中存在干扰时干净图像难以获取的问题，扩展了深度学习在干扰抑制中的应用。通过数学推导和多组实验，验证了所提训练策略与网络模型在ISRJ抑制方面的有效性，证明所提方法在实际应用中具有重要价值。

主动式干扰在合成孔径雷达图像中生成的虚假目标逼真度高、识别难度大。在多角度图像序列中，真实目标及阴影随视角变化，虚假目标及阴影因生成模板固定而保持不变，该特征可为干扰检测提供有效依据。提出一种基于多角度合成孔径雷达图像阴影特征的虚假目标识别方法。首先，结合超像素分割设计双阈值恒虚警率检测器，结合局部动态阈值实现了目标和阴影的高精度检测。其次，基于目标及阴影检测结果，通过基于超像素约束的尺度不变特征转换匹配、单应性变换及基于多角度图像的虚假目标识别指标，完成目标及阴影区域的多角度合成孔径雷达图像变化检测与虚假目标识别。最后，多角度虚假目标仿真实验结果表明，真实目标在多角度图像中目标方向、目标与阴影方向的夹角以及目标散射面积均存在明显变化，所提方法可以有效识别虚假目标。

针对复杂背景合成孔径雷达图像舰船目标检测精度低、易受干扰的问题，提出一种融合注意力机制与全局信息的SAR舰船目标检测方法。首先，构建感受野增强空间金字塔池化模块，缓解单一池化种类对数据处理不充分的问题，为后续检测环节提供更加精准的判断依据。然后，设计多重下采样模块，通过多分支特征提取实现在下采样过程中保留更多细节，增强算法对舰船目标的感知能力。最后，使用空间与通道重建卷积优化颈部网络，利用其重构能力有效抑制背景干扰。实验结果表明，所提算法相较于基线算法，在所选数据集上平均精度（交并比阈值为0.5）分别提高2.2%和2.5%，达到94.5%和89.1%，同时算法的浮点运算数降低9.5%。在保持较小模型规模的前提下，能够有效提升复杂背景下合成孔径雷达舰船目标的检测性能。

针对基于传统贝叶斯的全辅助模型法检出概率（full-model assisted probability of detection, FMA-POD）评估方法存在因计算机仿真与无损检测物理过程失配导致后验POD模型方差失真的问题，提出一种基于信号期望贝叶斯的FMA-POD评估方法。该方法选取实验信号方差为POD模型方差，将评估对象聚焦于信号期望，将传统贝叶斯方法的POD模型双参数估计问题优化为已知模型方差对信号期望进行贝叶斯评估的问题，避免了传统方法因数据融合污染信号方差的失真风险，进而构建基于信号期望贝叶斯的FMA-POD评估模型。为验证方法有效性，开展导电板缺陷涡流检测、不锈钢板缺陷超声检测的案例研究。结果显示：对于两个检测案例，所提方法在缩短置信区间宽度，满足保守策略并避免过保守问题的前提下，得到的POD曲线中90%检出概率缺陷尺寸a₉₀相较于实验数据变化幅度分别为0.37%和1.21%，低于传统方法下的2.23%和15.3%，相比传统方法更能够维持POD曲线的核心特征参数a₉₀的稳定性，有效避免失真现象的发生。

数字装备逼真度验证常受限于试验经费、时间和资源，导致可用样本量极其有限。如何在保证指标验证精度的前提下确定最小样本量以降低试验成本，成为亟待解决的关键问题。为此，提出一种数字装备试验的融合贝叶斯动态样本量估计方法。基于贝叶斯分层框架，有效利用先验信息与频率学派假设检验原理，构建数字装备试验响应的后验分布模型。在此基础上，推导出考虑备择假设的贝叶斯后验置信度下的初步样本量估计值。进一步，设计试验样本量动态调整机制，以半数样本进行中期试验数据分析，据此动态更新并优化最终所需样本量，从而高效解决有限资源下的样本量设计难题。将所提方法应用于反舰导弹与雷达数字模型的逼真度验证试验，并与频率学派样本量确定方法进行比较，所提方法的复合误差、复合假判率等指标均提升了18.4%以上，证明了所提方法的有效性。

针对实际工程中存在的模糊不确定性情况下的模型确认问题，提出一种新的模型确认指标，以量化考虑模糊不确定性情况的计算仿真模型与实验测量结果的差异性程度。该方法首先基于模糊不确定性的数学性质，引入服从标准均匀分布的随机变量，将隶属水平视为标准均匀分布空间对应的累积分布值，从而实现模糊不确定性隶属函数向随机变量累积分布函数的转换；然后，将实验测量数据转化到标准均匀分布空间中，从而获得经验累积分布函数；最后，定义计算仿真模型对应的累积分布函数与实验测量结果的经验累积分布函数之间的面积差为模糊不确定性模型确认指标。数值算例和工程算例的结果表明，所提指标能够有效处理单确认点和多确认点的模型确认问题，验证了该指标的正确性和工程适用性。

在舰上多域协同作战环境中，自动化水平对指挥员认知表现具有显著影响。针对自动化水平对指挥员认知表现影响机制尚不明确的问题，提出一种基于多源数据融合的认知评估方法。该方法首先构建典型舰上多域指挥任务并设置四级自动化水平，然后采集被试的行为数据、眼动数据与主观负荷评分，最后对不同自动化条件下的认知表现进行综合分析，识别最优配置区间。实验结果显示，低自动化条件下被试认知参与度较高但负荷较重，高自动化条件下任务效率提升但正确率有所下降，并出现一定程度的自动化依赖。结果表明二级自动化在效率与认知增强之间实现较优平衡，为舰上指挥系统人机协同设计提供参考。

体系能力的需求捕获与方案设计验证是复杂体系正向设计中的重要内容。基于统一架构框架，提出一种以能力为主线的体系架构开发和建模方法，并通过森林救火示例模型说明其应用过程。该方法包括定义体系任务问题、分析能力需求、识别能力差距、设计并验证能力的解决方案等步骤，通过体系架构建模从多个视角综合描述体系能力与其他体系要素的定性和定量关系，建立追溯线索，以辅助提高体系工程中方案设计的效率和管理复杂性的能力。

针对静态可靠性评估难以刻画多指标耦合与模型误差的问题，在基于模型的系统工程框架内提出一套确信可靠性分析方法。以系统建模语言构建无人机系统“需求—上下文—活动用例—参数图”模型，在螺旋桨参数层引入联合性能裕量统一表示推力、扭矩与转速等指标的耦合；同时考虑随机不确定性与认知不确定性，结合统计检验与不确定性传播得到可计算的确信可靠度表达式。以无人机螺旋桨为例，方法相较单一设计裕量在可靠度偏差与不确定敏感度上更优，并可通过模板化建模在新型号间复用，适用于快速迭代产品单元的可靠性评估与决策。

为解决现有战损装备战场态势价值评估未考虑装备修复后重要度依战场态势变化的问题，提出一种考虑抢修后变权的战损装备战场态势价值评估方法。首先，运用自然语言处理建立战损装备战场态势价值评估指标体系，依据指标层级之间的联系建立关联模型。然后，运用词频-逆文档频率、双向转换编码器表征法与熵权法求得初始组合权重，以装备抢修后战场态势变化为依据，分析过去时刻、未来趋势、态势突变等情况对装备指标数据的影响，采用阶段划分变权的方式对指标权重进行调整，将过去时刻与抢修后态势预测情况下的判断矩阵进行组合。最后，利用变权的逼近理想解排序法对装备战场态势价值进行排序。算例验证结果表明，考虑抢修后变权的评估结果与预测的态势情况相吻合。所提方法能够适应战场态势的变化。

针对传统求解方法在大规模作战场景中面临维数灾难和实时性挑战等问题，提出一种基于深度分层强化学习的防空作战武器目标分配算法。首先构建以最小化蓝方预期生存威胁和红方弹药消耗为目标的动态分配模型，之后将目标分配任务分解为战略层任务匹配与战术层目标拦截，分别采用近端策略优化（proximal policy optimization, PPO）算法和融合注意力机制的多智能体PPO算法求解，并引入三阶段课程学习机制提升模型泛化能力。实验结果表明，所提方法在效费比和收敛效率上优于传统强化学习算法和启发式算法，为提升防空作战决策效率提供了有效支撑。

订单式作战是战场上出现的一种新型作战样式，为解决该作战样式打击陆上时敏目标的实时订单分配问题，针对自主竞单-派单与强制派单两种订单式火力打击样式，构建任务部队自主竞单模型、指挥机构最小成本派单模型及多批次优化模型。采用改进遗传算法进行规划分配，定量对比了该作战样式在任务时效、成本、毁伤概率及时敏目标响应方面的优势，与其他算法进行了对比，对二次自主竞单结合强制派单进行优化。仿真实验表明，所提模型和算法能够初步满足订单式火力打击任务规划的运算需要，具备重要军事应用价值。

为全面评估无人集群的作战效能，采用观察-判断-决策-行动（observe-orient-decide-act，OODA）作战环理论建立评估模型。首先，根据OODA作战环分析作战活动，确定侦察预警、指挥控制等能力指标，采用网络层次分析法实现对无人集群作战效能的评估。以对空拦截任务为应用背景，基于能力指标体系建立判断矩阵并根据无权重超矩阵与加权超矩阵获取极限超矩阵下指标权重值。研究结果发现，目标识别概率、决策者知识水平和信息处置速率在效能评估中权重占比较大，分别为16.36%、15.08%和12.64%，提升无人集群作战效能要重点加强对此3个指标的建设力度。所提方法可有效解决装备间多层复杂关联的量化评估问题。

针对军事智能体研究理论滞后于工程实践的问题，梳理军事智能体的基础理论，提出军事智能体的基本概念，分析军事智能体的基本特征、基础能力和面临的主要矛盾；总结智能体的测评方法，分析现有方法在军事智能体测评方面的局限性。在此基础上，提出军事智能体组件效能、系统成熟度和典型任务三大指标，以及人工主导测评和任务导向测评相结合的军事智能体测评体系，并在艾武架构智能体上进行了验证实验，为军事智能体理论研究和规范化发展提供了参考。

针对运载火箭子级可能影响空中回收直升机飞行安全的问题，通过仿真研究了在空中钩取运载火箭子级时直升机飞行轨迹和缆绳拉力的变化情况。首先，建立直升机及火箭子级的运动模型；然后，设计直升机升力和缆绳拉力反馈控制，并采用粒子群优化（particle swarm optimal, PSO）算法在给定约束条件下整定反馈参数；最后，通过仿真求得了钩取过程中缆绳拉力的变化和直升机飞行轨迹的扰动。空中钩取时直升机的飞行速度是影响缆绳最大拉力和长度的主要因素；主动控制缆绳的收放，能够有效缓冲空中钩取导致的冲击载荷，缆绳越长，最大拉力越小。研究结果表明，文中提出的钩取方法可以保证直升机飞行安全。

针对滤波过程固定观测噪声协方差阵引发的自适应缺陷问题，提出基于增益因子的观测权重动态调节机制。该方法利用新息向量实时修正预测误差协方差，通过增益因子平衡先验估计与观测修正权重，有效抑制滤波发散。同时，为克服六维状态模型在机动目标视线角速率提取中的精度不足问题，引入相对加速度构建八维状态方程，并结合自适应机制进行角速率提取。仿真表明，所提算法在高低角与方位角速率提取精度上分别比传统扩展卡尔曼滤波方法提升19.5%和53.4%，与三阶容积卡尔曼滤波具有同等精度，八维模型比六维模型的角速率估计具有更低的均方根误差，在拦截场景中具有更小的脱靶量。

低轨卫星导航系统因其高信号功率和丰富频率资源在全球导航卫星系统受限环境下展现出巨大的定位潜力，基于低轨卫星的定位技术正成为定位领域的研究热点。本文针对低轨卫星传统星历定轨算法简化常规摄动模型（simplified general perturbations 4，SGP4）精度不足的问题，提出一种基于无迹卡尔曼滤波（unscented kalman filter，UKF）的轨道闭环追踪算法，所提算法以卫星位置与速度为优化目标，充分利用接收机从信号中解调获得的伪距率和伪距测量值形成闭环模型，能够动态调整估计结果，并获得更优的位置和速度估计值并通过置信度判断融合SGP4算法避免UKF震荡阶段的误差。对10颗Starlink卫星200次的蒙特卡罗仿真实验表明，与传统的SGP4开环星历定轨算法相比，所提方法有效降低了位置和速度误差，且在定位应用中实现了45.98%的精度提升。实验中，使用改进无迹卡尔曼滤波的轨道闭环追踪算法获取星历的接收机定位平均误差88.16 m，较传统UKF提升了20.94%，验证了该方法在低轨卫星机会信号定位领域的优越性。

为实现高超声速飞行器滑翔段时间协同再入，提出一种结合双参数插值侧倾角剖面和神经网络预测器的时间协同再入制导方法。首先，将高度-速度平面内的过程约束和终端约束转换为侧倾角走廊，并在其中构建基于双参数插值的侧倾角剖面以进行约束管理。其次，采用双层前馈神经网络实现航程与飞行时长的高精度实时预测，并通过求解双变量求根问题对剖面参数进行校正更新。在此基础上，结合航向角走廊横向制导与协同飞行时间确定方法，构建时间协同再入制导框架，实现制导指令的在线快速生成。最后，数值仿真结果表明，该算法能满足时间协同再入的各项约束，且制导精度高、适应性强；相比数值积分方法，神经网络仅需约10%的计算时间即可达到相近的预测精度；蒙特卡罗仿真表明，算法在初始状态与气动参数存在不确定性时，仍具备良好的鲁棒性。

远距离逆行轨道（distant retrograde orbit, DRO）是地月空间的理想稳定停泊轨道，具有高比冲的小推力电推进调相是其轨道设计、部署及应急处置的技术难点，需同时考虑多天体引力与电推进的复杂耦合作用。为此，研究提出两种混合优化方法：通过序列凸优化（sequential convex programming, SCP）快速获取近似最优解，采用序列二次规划（sequential quadratic programming, SQP）迭代提高求解精度的混合方法；针对适配长时域调相场景的求解需求的SCP与滚动时域优化（receding horizon optimization, RHO）混合方法。仿真结果表明，两种混合方法的综合性能均显著优于单一SCP方案，二者分别适配不同工程需求，为DRO航天器在轨电推进调相提供了灵活可行的优化方案。

针对复杂环境下人工势场法规划无人机航迹易陷入局部极小值的难题，提出一种智能链式改进人工势场无人机航迹规划方法。通过在航迹中设置利用蚁群算法智能生成的链式子目标点，避免陷入局部最优，解决局部极小值问题；但传统蚁群算法规划航迹转弯点多、收敛速度慢，通过构造多因素启发函数、优化信息素更新方法、设置自适应权重、设计航迹清洗策略，平滑航迹，加快收敛速度。针对人工势场法目标不可达问题，引入相对距离改进斥力函数，使目标可达。仿真结果表明，改进算法能在局部极小值点快速逃脱，实现复杂动态环境下的无人机航迹规划。

随着空间探测与天文观测技术发展，航天器光学载荷对超精、超稳、超敏捷（三超）控制性能提出严苛要求。通过将大范围指向机构引入三超控制架构，能够解决大范围敏捷机动与超精超稳的技术矛盾，但也带来控制系统多级回路耦合及模态频率改变等问题。针对以上问题，建立了带有大范围指向机构的三超控制系统动力学模型，通过仿真分析表明指向机构的引入使载荷控制回路的低阶谐振峰频率上升，分析了指向机构控制带宽对系统动力学特性的影响，最后通过物理试验验证了分析结果，为三超平台控制器设计提供理论依据。

近年来，分布式协同通信系统凭借其体积小、重量轻、功耗低以及成本效益高的特点，展现出巨大的应用潜力。在多终端场景下，来自多个终端的信号干扰会降低分布式协同通信的解调性能。为克服这些局限性，提出一种结合卷积神经网络-双向长短期记忆（convolutional neural network-bidirectional long short-term memory，CNN-BiLSTM）网络与Transformer架构的集成学习方法，用于预测零陷优化权重，旨在消除多终端信号重叠所产生的干扰，实现最终的解调。其中，CNN-BiLSTM网络聚焦于局部线性问题，处理由残余频偏引起的线性相位变化；Transformer网络则聚焦于全局非线性问题，处理由移动性引起的非线性相位变化。两种网络均具备记忆能力，可提升零陷权重连续预测的准确性。与仅能获取局部最优解的凸优化方法相比，该神经网络能够实现近全局最优解。仿真结果表明，所提基于优化集成学习的零陷算法能准确预测零陷权值，有效抑制互干扰，不同终端信号增益差距达到45 dB，相较于基于线性约束最小方差准则的零陷方法，大幅提升了多个目标重叠信号的解调性能。

针对正交多载波扩频系统的高峰均功率比(peak to average power ratio, PAPR)问题，提出一种基于选择映射(selected mapping, SLM)与部分传输序列(partial transmit sequence, PTS)的联合优化算法。该方法首先通过SLM算法对扩频码组进行初步PAPR抑制，随后在码片维度实施改进动态离散粒子群优化的PTS(improved dynamic discrete particle swarm optimization-PTS, IDDPSO-PTS)算法进行二次优化。IDDPSO-PTS算法添加动态调整变异权重的变异项并通过离散-连续两步迭代相位优化机制，突破传统离散相位空间限制。从仿真结果可以看出，与现有基于离散粒子群算法的PTS(discrete particle swarm optimization-PTS, DPSO-PTS)方法相比，所提算法无需边带信息，在互补累积分布函数为10⁻³时分别获得3.1 dB和1.3 dB的PAPR性能增益。

在甚高频数据交换系统（very high frequency data exchange system，VDES）的资源分配问题中，传统分配策略存在着动态适应能力不足、通信效率低的问题，导致系统总信道容量受限、服务成功率不高。以卫星最大覆盖时间和船舶任务需求时间为约束建立星-船通信模型，引入自适应参数调整和精英保留策略，提出改进的遗传-粒子群优化算法（improved genetic algorithm-particle swarm optimization，IGA-PSO），并在CEC2022函数测试集和VDES资源分配场景下进行验算。结果表明所提IGA-PSO算法平均迭代次数较遗传算法（genetic algorithm，GA）和麻雀搜索算法（sparrow search algorithm，SAA）分别减少83.9%、82.3%，系统总信道容量均值较GA和SSA分别提升16.71%、12.02%；服务成功率均值较GA和SSA分别提升40.2%、30.43%，IGA-PSO在系统总信道容量均值和服务成功率均值与PSO、鲸鱼优化算法（whale optimization algorithm，WOA）相近，但平均迭代次数较PSO和WOA分别减少78.6%、71.8%。

随着恶意无人机威胁的日益严重，通过无线干扰技术破坏其控制信号成为重要的反制手段。然而，在复杂电磁环境中识别无人机的控制信号面临着众多噪声干扰的挑战。针对无人机控制信号在不同时间尺度上呈现的多层级特征结构特性，提出一种多尺度融合注意力网络（multi-scale fusion attention network, MSAN）。该方法通过并行感受野捕获和分层信号处理两个分支同时提取信号的微观、中观和宏观多尺度特征，利用卷积增强的多头自注意力机制建模长距离时序依赖关系，从而在低信噪比环境下有效抑制噪声干扰。实验结果表明，MSAN在−15 dB信噪比条件下对无人机控制信号的识别F1分数达到85.56%，相比当前最好的时间序列识别模型——时间二维变化模型提升了3.1个百分点，同时参数量减少了79.7%，为复杂电磁环境下的无人机控制信号高精度识别提供了轻量化解决方案。

卢比变换（Luby transform，LT）码是第一种实用的无速率码，其传输码率值可以根据信道状态自适应地进行调整。然而，LT码固有的误码平台现象限制其在实际传输场景中的应用。为了解决此问题，设计了一种系统无速率编码方案，以提高LT码在较宽范围信噪比（signal-to-noise ratio，SNR）内的误比特率（bit error rate，BER）性能。该方案通过优化编码结构与节点传输模式，实现高SNR区域快速收敛译码、低SNR区域无差错译码。此外，基于外信息传递图法分析了该编码方案在两种传输情况时的收敛性，在所需SNR范围内预设了若干期望值，并以此为核心约束条件优化了校验度分布设计模型；之后，设计了最优参数搜索算法，为度分布设计模型中关键参数的选取提供了经验依据。仿真结果表明，该方案的BER性能优于现有的改进方案，且节省的编码开销可达码长的10%。

智能反射面（intelligent reflecting surface，IRS）作为反向散射设备可显著提升共生无线电系统的性能。针对一个基于IRS的共生无线电系统，设计传输帧结构和基于导频的信道估计方案，推导存在导频开销和信道估计误差条件下的主传输速率、次级传输符号错误概率和传输速率的表达式。进一步，在满足次级传输速率约束下，对导频符号数、主次符号周期比、散射调制阶数等进行优化，最大化主传输速率。优化问题为非凸整数优化问题，将其分解为两层优化，再采用定步长搜索、黄金分割等方法进行求解。通过仿真对理论分析的准确性和优化方案的有效性进行了验证。结果显示，次级传输错误概率的理论值与仿真值一致，证明理论分析准确；相较于对比方案，在相同的次级传输速率约束下，所提方案的主传输速率高于未优化IRS相移的共生方案和完全优化的基于IRS的寄生方案，而非常接近于无导频开销和信道估计误差条件下的共生方案，验证了所提方案的有效性。