针对非平面场景3D结构产生的视差对导弹及无人机等空中机动成像平台运动目标检测影响，从提高运动目标检测的快速性和准确性角度，基于梯度抑制算法，提出了改进算法。首先，在非平面场景的运动目标检测中，考虑到视差干扰主要出现在背景边缘上，采用梯度抑制法滤除视差像素。其次，对经过梯度抑制法滤波后的像素，应用外极几何约束，进一步滤除机动成像平台大角度机动产生的剩余视差像素，从而提取出离散的运动目标像素，并进行二值化处理。然后，采用行列投影的方法对二值化的运动目标像素进行分类，确定运动目标区域。最后，对所提的方法进行了实验验证，验证了算法的有效性。

针对非同构分布式阵列无法使用旋转不变子空间算法(estimation of signal parameters via rotation invariant technique algorithm, ESPRIT)，同时为了提高非同构分布式阵列的角度估计精度，提出基于求根降秩算法(root rank reduction estimator, root-RARE)的目标波达方向估计方法。由于分布式阵列的基线长度远大于半波长，合成方向图出现栅瓣，导致测角模糊。算法以root-RARE与多重信号分类算法(multiple signal classification, MUSIC)联合解模糊，以root-RARE得到的粗估计为参考，解整个非同构分布式阵列MUSIC谱估计的模糊，从而得到高精度无模糊的估计。推导非同构分布式阵列方向估计的克拉美罗界，分析算法的波达方向估计性能，同时分析分布式阵列方向估计时的基线模糊门限与信噪比门限之间的关系。仿真结果验证所提算法方向估计的正确性及有效性。

在广义秩信号模型基础上，设计了一种鲁棒波束自适应波束形成方法。通过引入分数低阶变换来抑制非高斯稳定分布噪声, 提出脉冲噪声环境下能够处理信号失配的鲁棒波束形成器算法，并讨论了分数低阶协方差矩阵的可逆性。由于采用Frobenius范数建立明确的模型来刻画期望阵列响应与数据的协方差矩阵之间的不确定性，因此所提算法具有解析闭合形式解。仿真结果表明：与传统波束形成算法相比，所提算法在脉冲稳定分布噪声和信号失配同时存在的情况时具有更好的鲁棒性。

研究了在一个固定区域对随机运动目标进行连续探测的概率时间收益问题。首先建立了“绝对连续探测”的概念，证明了在绝对连续探测条件下，在一个区域的持续探测，持续时间不会带来概率的增加。提出了“一次探测周期”概念，建立了一定“一次探测周期”时持续探测的概率与周期数的函数关系，并定义了持续探测概率的概率收益、概率时间收益率。算例表明了所定义各参数的基本变化形式。

针对主动式毫米波近距离圆柱扫描三维成像系统在人体安检中的应用，研究了该体制成像系统下的重构算法，给出了该系统中信号的带宽、采样准则以及在三维直角坐标系下的系统分辨率评估方法。基于微波暗室条件下获取的高质量回波数据验证了该体制成像系统理论上的正确性，并在此基础上搭建了高速的主动式毫米波近距离圆柱扫描三维成像人体安检系统，验证了该体制成像系统在人体安检领域应用的可行性和检测能力的有效性。

为了解决压缩感知重建中噪声引起图像质量明显下降的问题，研究了自适应学习的压缩感知模型，提出了一种盲压缩感知图像重构方法。该方法采用盲压缩感知的稀疏矩阵与稀疏基交替更新的思想，应用了图像冗余变换和初始组合余弦变换基相结合的迭代策略，解决了压缩感知中的稀疏基难于表示的问题，抑制了噪声，提高了图像重构质量。通过实验验证所提方法较基于小波变换的正交匹配追踪方法和全变差方法有明显的噪声抑制功能，且能保持较好的图像纹理信息。

提出一种新的连续波(continuous waveform, CW)体制合成孔径雷达(synthetic aperture radar, SAR)成像方法。有别于脉冲波形SAR和调频连续波SAR通过发射宽带信号获得高距离分辨率，CW-SAR成像利用CW波形的高多普勒分辨率进行成像，通过将回波信号与尺度变换后的发射信号进行相关构造成像数据模型，该相关信号实际为场景散射系数在等多普勒线上的投影，基于该相关信号，采用滤波反投影图像重建算法进行场景反射率重建。该CW-SAR成像方法不仅适用于宽带和窄带CW发射波形，而且也适用于单/双基SAR和任意载机飞行轨迹。以双基情形为例，分析成像方法的性能，并进行仿真验证。

波达方向(direction of arrival, DOA)估计问题是单基地多输入多输出(multiple input multiple output, MIMO)雷达信号处理中的一个关键问题。在低信噪比、低快拍数的情况下，常规DOA估计算法的性能会严重下降。针对此问题，提出一种新的DOA估计算法：降维酉旋转不变性信号参数估计技术算法。该算法首先通过降维变换将MIMO雷达数据变换至低维信号空间，然后在该低维信号空间构造实值旋转不变性方程估计目标的DOA。仿真结果表明该方法能够在低信噪比、低快拍数的环境下获得较常规ESPRIT方法更高的DOA估计精度，同时具有更低的运算量。

提出一种双基地多输入多输出（multiple input multiple output，MIMO）雷达相干多目标角度快速估计算法。采用单次快拍数据构建的一组Toeplitz矩阵重构出新的协方差矩阵，使得矩阵的秩等于目标的总个数；通过矩阵变换使得变换后的协方差矩阵满足centro Hermitian性，即可利用酉变换将复矩阵转化为实矩阵进行实数域的参数求解，采用旋转不变信号参数估计（estimation of signal parameters via rotational invariance technique, ESPRIT）算法即可准确估计出对应的目标角度。通过仿真表明：所提算法能够实现相干目标源的角度估计且参数自动配对；降低了复矩阵特征分解所带来的巨大运算复杂度，具有更高的参数估计精度和算法稳健性；同时能够对移动目标进行角度跟踪，具有良好的跟踪性能。

提出了一种多尺度贝叶斯网络模型和相应推断算法，并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型；然后设计了模型估计的置信传播（belief propagation, BP）算法，该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播；最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP），实现SAR图像的分割。实验结果表明，与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比，基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。

由于冲激雷达回波信号中无法提取出多普勒频率信息，传统的基于频域成像的方法不再适用于冲激雷达成像系统。近年来，基于冲激雷达的成像算法研究引起了较多关注，对冲激雷达成像算法进行综述。首先简单介绍了冲激雷达的定义，然后总结归纳了3类基于冲激雷达的成像方法，详细阐述了各种算法的原理，指出了各种成像算法中的优点和不足，最后阐述了有待进一步研究的方向。

选择合理的效能指标对维修系统进行定量的考核和评价是装备战斗力生成重要保证。基于维修系统的运营过程，提出了描述其指标体系的输入过程输出与环境框架，赋予维修指标以明确的物理意义，并在此基础上，提出了指导维修指标选择的层次化平衡计分卡方法，来综合考虑维修系统运营过程中的多种相关因素及其相互之间的因果关系，使系统宏观运营目标与微观指标一致起来，可方便结合网络分析法，对系统运营过程进行定量评价和对薄弱环节进行诊断。应用案例证明了所提方法的有效性和可操作性。

考虑权重因素，建立了加权网络的级联故障模型，其中初始负荷定义为节点强度的函数且其分布通过控制参数α可调，当节点故障时其负荷通过一定的规则分配给邻居节点。研究表明，级联抗毁性的度量指标必须同时考虑权重和拓扑结构的因素，否则将可能高估故障的严重程度。在BBV（Barrat Barthélemy Vespignani）网络的框架内，得出如下结论：当α＞1时,攻击负荷大的节点更容易引发大规模级联故障；而当α＜1时，攻击负荷小的节点更容易导致网络的瘫痪；且BBV模型参数δ与网络级联抗毁性负相关。最后从不同角度对上述结论进行了理论分析和仿真说明。

以长期运行费用率为评估指标，研究了劣化系统的周期预防性维修策略。假定开展的周期预防性维修介于最小维修和完全维修之间，维修间隔期间的故障过程用非齐次泊松过程进行描述，在此基础上采用比例寿命回退模型对预防性维修效果进行建模，给出了最佳预防性维修周期T和预防性维修次数N的计算方法以及参数应当满足的条件，同时结合实际情况给出了(N,T)策略的优化求解算法，最后通过数值算例，验证了所提方法的可行性。

针对作战决策同步过程中的态势交互阶段研究不足问题，提出环境影响下作战态势交互路径选择模型及策略。首先，界定作战态势交互在作战组织结构中选择路径的有效范围，由此构建路径选择模型，并设计衡量路径调整影响的扰动因子；其次，通过对环境影响下作战态势交互路径选择过程的理论分析，提出3种选择策略和3种调整模式；最后，通过案例仿真验证了路径选择模型及其策略的有效性，并设计4个交互环节相继阻塞的情况以检验路径调整模式的可行性。

DS（Dempster-Shafer）证据理论能够有效地处理不确定信息，在信息融合领域得到了广泛的应用。针对DS证据理论在处理高冲突证据时存在的不足，提出了一种新的证据组合方法和量化的评价指标。所提方法利用相容系数来确定每个证据关于各个命题的权重，对证据源进行修正后再利用DS证据理论组合规则进行融合。评价指标则是利用证据源的权重对合成结果与原始证据之间的冲突进行加权求和。仿真实验结果表明，同已有方法相比，所提方法的合成结果更加合理。相应的评价准则也符合主观认识，显示出良好的评价性能。

针对传统灰色预测模型解决灰数序列预测的局限性，为了提高预测精度，以考虑合成灰数灰度的区间灰数预测模型为基础，构建了基于合成灰数灰度的区间灰数自忆性耦合预测模型，结合动力系统自忆性原理克服了传统灰色预测模型对初值比较敏感的弱点。算例仿真以具饱和发展状态特征的区间灰数序列为对象，获得了满意的模拟预测精度，验证了所构建模型的有效性及优越性。研究结果表明，本文提出的新模型丰富和完善了区间灰数预测模型体系，并拓展了其应用范围。

针对大包线下变体飞行器在翼型快速变化过程中的姿态控制问题，提出了一种基于速度线性化的鲁棒线性变参数(linear parameter varying, LPV)控制方法。所提方法将状态量的微分增广至状态方程，得到系统任意状态下的线性化模型，解除了传统小扰动线性化方法要求系统处于平衡点邻域的限制。建立了具有凸多胞形式的变体飞行器LPV模型，给出了参数依赖鲁棒H∞状态反馈控制器存在的充分条件，依据顶点控制器和变参数进行凸插值得到鲁棒LPV控制器。仿真结果表明,设计的控制器在飞行器快速变形和参数大范围快速变化的情况下仍具有良好的控制性能和鲁棒性。

对于存在多变量、非线性的现代复杂系统，混合建模策略是获得准确、可靠模型的有效手段之一。在现有混合建模方法中，缺乏对先验模型和非参数模型建模目标的清晰界定，且在分析非参数模型时，对线性化方法的选择也缺乏统一的标准。针对上述问题，以四旋翼飞行器为应用对象，提出一种基于物理效应分析和非线性度量的混合建模策略，根据各类物理效应对飞行姿态的影响程度界定先验模型和非参数模型的建模目标，并根据各类物理效应的非线性程度运用模糊推理算法选择合适的线性化方法。实验结果证明了混合模型的可靠性和建模准确性。

针对欠驱动水面船舶（underactuated surface vessel，USV）航向保持稳定性问题，对船舶自动舵控制系统设计了分数阶PIλDμ控制器。积分阶次λ和微分阶次μ的引入使得分数阶比例积分微分（proportion integration differentiation, PID）PIλDμ控制器具有更好的鲁棒性和抗扰动能力，但同时也加大了算法设计的难度。使用改进粒子群算法对分数阶PIλDμ控制器参数进行整定，即解决了粒子群算法容易使粒子陷入局部最优问题，又解决了分数阶PIλDμ控制器整定参数多、设计复杂问题。通过仿真对比实验，结果表明，该控制器能很好地根据船舶动态特性变化，自动进行适应性参数优化，具有跟踪速度快、航向控制超调小以及抗扰性强等优点。

针对一类具有未知时变时滞的不确定高阶非线性系统，基于增加幂次积分方法，提出了一种非光滑状态反馈自适应神经网络动态面控制设计方案。通过构造适当的Lyapunov Krasovskii泛函处理了未知时变时滞不确定项；通过利用神经网络权值范数的适当形式幂次函数，将神经网络用于对在单步递推中所构造的未知函数进行建模；采用动态面技术，解决了“微分爆炸”问题。所提控制方案能够保证闭环控制系统的状态量和跟踪误差半全局一致终结有界。最后，仿真算例结果表明了该方案的有效性。

针对系统模型同时具有未知输入扰动和模型不确定性，提出了一种鲁棒故障检测观测器的设计方法。在不考虑系统模型误差的情况下，为降低设计的保守性，利用描述残差对故障灵敏度的H-指数和表示残差对未知输入鲁棒性的H∞范数以及一种新的迭代线性矩阵不等式(linear matrix inequality，LMI)算法解决H∞/H-的优化问题，设计了参考残差模型和自适应门限，并将观测器设计转化为LMI表述的标准H∞模型匹配问题，减小故障检测过程中误报、漏报率。仿真结果表明，设计的故障检测观测器对故障的灵敏度高，对不确定因素的鲁棒性强。

研究了线性系统有限时间函数观测器的参数化设计问题，其目的是通过设计参数化形式的函数观测器，使其在给定有限时间内能够直接估计关于线性系统状态的线性函数。基于一类Sylvester矩阵方程的参数化解，给出了该有限时间函数观测器所有增益矩阵的参数化表达式，其所含的自由参数为控制系统设计提供了全部的自由度，可通过适当选择这些自由参数使其满足某些系统性能指标。最后，数值例子及其仿真结果验证了所提线性系统有限时间函数观测器参数化设计方法的简单性和有效性。

节点的社会性与能量有限性严重影响延迟容忍网络（delay tolerant network, DTN）性能。提出了关系强度感知的DTN能量有效性路由机制，利用消息平均转发时间衡量节点间的关系紧密程度，并根据邻居节点的能量状态和相遇概率优化转发决策，同时采用社会属性关联的消息优先级机制提高缓存利用率。结果表明，所提出的路由机制显著地延长了网络存活时间，改善了消息投递率和网络开销性能。

针对部分连接相比全连接的K用户多输入多输出（multiple input  multiple output，MIMO）干扰信道（interference channel，IC）的干扰对齐（interference alignment，IA）能以每用户仅提供有限信号维度条件下在任意用户数规模部分连接网络应用的实用意义，一种基于两干扰源K用户MIMO-IC模型的低复杂度串行迭代IA算法被提出。仿真分析表明，相比现有算法，该算法具有更低的复杂度、更快的收敛速度和更理想的实用性能，并能以有限次迭代（10次以内）达到最优自由度。同时该IA算法的提出也证明在部分连接网络信号维度受限时存在可应用于任意用户数规模部分连接IC网络的可行性IA方案结论的正确性。

针对使用定向天线的协作通信系统，对固定译码转发协议（decode and forward protocol，DF）的误符号率（symbol error rate， SER）性能进行探索性研究。首先建立了基于定向天线的DF协作通信系统模型，从理论上推导出该模型下的SER闭式表达式，确定SER上界，并以SER为优化目标分析最优功率分配问题，最后结合具体的数值仿真对所建立模型的SER性能进行详细分析比较。结果表明，在使用定向天线的条件下，DF协作通信系统的SER更小，系统性能优劣与各节点定向增益、信道质量和功率分配方式密切相关，最优功率分配比平均功率分配性能更优。

由于零相关区（zero correlation zone, ZCZ）序列偶集作为通信系统的扩频序列，具有减少或消除多址干扰，有效改善系统性能的优越性能。构造性能参数达到或接近最优的ZCZ序列偶集，成为研究的重点。提出多集合相互正交ZCZ序列偶集的构造方法，基于最佳序列偶和正交矩阵偶，构造多组相互正交的ZCZ序列偶集。先对ZCZ序列偶进行移位操作，引入正交矩阵偶对其进行扩展，得出的序列偶集合相互正交性能参数达到或接近最佳。同已有方法相比较，所提方法构造集合数目更多，且放宽了序列偶中对序列长度的要求。

卫星导航系统接收机小型化是未来发展的趋势，基于小型导航接收机的无线传感器网络具有新优点的同时也面临新的问题。研究分析了导航系统接收传感器网络所面临的攻击特点，传统无线传感器网络的干扰检测方法难以准确定位干扰和校正位置，提出了基于改进的到达角度定位机制的攻击检测算法确定受到干扰的点，并进行干扰校正；然后基于导航系统抗欺骗干扰原理，提出了单干扰源双曲线定位算法。最后，利用所提算法进行实验，结果表明，攻击检测和校正效率很高，理想条件下干扰源定位效率也较高。

区别模型更新(discriminative model update，DMU)是一种常用的求解交互式动态影响图(interactive dynamic influence diagrams, I-DIDs)问题的算法。结合lookahead思想提出了一种判断模型近似行为等价的改进DMU方法。所提方法首先将满足近似行为等价的模型聚类形成代表模型集合，然后自上而下对代表模型进行更新，在模型更新过程中，只更新那些与其他模型预测行为不同的模型。结合lookahead思想提出了一种判断模型近似行为等价的方法。与DMU算法相比，该算法能迅速有效地减少模型的数量，从而减少了计算机的存储空间和运行时间，提高了算法的效率。最后通过对多Agent老虎问题及机器维修问题实验来验证所提方法的有效性。

针对以往基于约束的贝叶斯网络（Bayesian networks，BN）参数学习方法在处理先验知识时未考虑知识的不确定性这一缺陷，本文为专家知识附加一个表示不确定性的概率。对所有约束，根据其存在与否生成一个组合，计算该组合的概率，并采用凸优化方法计算该组合条件下的参数估计结果。同时，为加速问题求解，将每个具体的凸优化问题分解为一系列可并行求解的子问题。在得到所有约束组合下的参数之后，依照概率加权思想得到参数估计的最终结果。最后，通过空地战场威胁态势评估模型，证明在参数学习过程中考虑知识的不确定性可有效改善先验知识错误时的BN参数学习效果。

为了进一步提高超分辨图像重建效果，针对前期研究的超分辨误差反向传播神经网络（back propagation neural network, BPNN）重建结果中存在的块痕迹问题加以改进和优化。对影响BPNN超分辨效果的两个关键问题进行改进：(1) 网络训练样本问题，将8×8→16×16的映射方式改进为2×2→4×4的映射方式，同时，采用相邻仅间隔一个像素的方式优化构造训练样本；(2) 加速网络训练收敛问题，将网络训练规则由BP算法改进为改进的比例〖JP2〗共轭梯度算法。网络训练实验和泛化实验表明，改进方法增加了网络训练样本数量，改善了超分辨BPNN的输出图像质量，有效解决了超分辨结果中的块痕迹问题，使超分辨结果图像的峰值信噪比提高约8 dB。

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响，提高检测准确率，提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓，同时利用不同尺度的高斯核函数平滑图像，对于轮廓曲线上的每一个像素，利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵；最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值，又是局部窗口内的极大值，就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。