为了提高分布式阵列在低信噪比（signal-to-noise ratio, SNR）条件下的波达方向(direction-of-arrival， DOA)估计性能，同时放宽阵列物理孔径扩展程度的限制，提出了一种基于旋转不变子空间（estimation of signal parameters via rotational invariance techniques， ESPRIT）的多基线分布式阵列DOA估计方法。该方法通过优化分布式阵列结构，在子阵间使用多基线结构布阵，结合ESPRIT算法和多步解模糊方法得到多基线分布式阵列的高精度无模糊DOA估计。此外，利用最大后验概率准则近似法分析分布式阵列DOA估计的门限效应，给出了SNR门限和基线长度门限的近似计算方法。计算机仿真结果验证了所提方法的有效性。

自适应阵列天线作为全球卫星导航系统(global navigation satellite system, GNSS)抗干扰应用中的重要工具，已经得到了广泛应用。然而，自适应阵列天线在抑制干扰的过程中，破坏了GNSS信号的完整性，给GNSS接收机测量引入了新的误差。首先从理论上分析测量误差的来源，然后通过仿真分析自适应阵列天线对接收机码相关函数的影响，最后提出一种码/载波相位偏差估算方法，并进行了引入测量误差大小的估算。实验结果表明，自适应阵列天线引入的测量误差具有不确定性，主要是由码相位偏差引起的，引入的伪距误差甚至达到几十米。在高精度应用中，这些误差必须被消除或补偿。

线性高斯状态空间模型中假设噪声为已知的白噪声过于苛刻。认为过程噪声与观测噪声均未知且二者的解析关系确定，假设观测噪声的均值非零且服从高斯分布，方差服从逆威沙特分布，从而构成了层次式贝叶斯模型。利用变分推断将均值与方差和系统状态一起作为随机变量进行迭代估计，在得到观测噪声的均值与方差的估计值后，利用其与过程噪声的关系进一步更新未知过程噪声的均值与方差，从而动态地得到每一时刻过程噪声与观测噪声的一、二阶统计矩信息，即使在噪声统计信息动态变化的情况下也有较满意的滤波精度。实验证明了该算法的有效性。

在在线非线性自适应滤波应用中，由于基于多核学习的算法具有更高自由度并且能够利用更多数据特征，相比基于单核学习的算法在性能上有很大提升。首先给出具有相同“字典”的多核仿射投影算法，该算法是多核学习方法和仿射投影算法的结合。然后基于相干准则针对多核仿射投影算法的特例，对应不同高斯核带宽，利用相干稀疏准则构造不同“字典”，提出利用自适应l₁范数正则项来解决归一化多核最小均方非线性自适应滤波算法在非平稳信号下“字典”存在冗余核函数的问题。最后数值仿真结果与比较验证了所提算法的有效性。

利用接收工作状态模型法，对法布里珀罗（Fabry-Perot，FP）型微带天线进行了系统方法设计与研究，并用电磁场分布理论，从全新的角度解释了FP谐振天线可获得高方向性的原因。同时，设计了包括频率选择性表面、介电常数分别为10.2和4.4的不同类别的介质板在内的3种不同盖板，并将其应用在FP天线上。在此基础上，对FP天线的辐射性能、方向性系数和增益都进行了测算和对比分析，并同时计算了其口面利用效率。

针对Dempster方法在合成高度冲突的证据时结果与直观结论相悖的问题，提出了一种基于支持度的改进证据合成方法。首先根据证据之间的相似性程度判断是否存在证据冲突，对于总数在3条以上且存在冲突的证据组合，应用各证据的支持矩阵，通过其最大特征值对应的特征向量导出各证据的支持度系数，由此对基本概率分配（basic probability assignation， BPA）函数进行转化，再采用Dempster方法进行合成。仿真计算结果表明，该方法能有效处理冲突证据组合，克服了一票否决问题，相对于其它几种典型改进算法具有更快的识别速度，能进一步减小识别结果的不确定性，并保留了Dempster方法满足交换律、结合律的良好特性。

针对极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)的目标检测，提出了一个杂波区分度参数。通过构造一个包含了部分杂波像素及目标区域像素的集合，提取的杂波区分度参数衡量了该集合的均匀性，从而反映出目标区域与杂波分布的区分度。对于全极化数据，通过将3个极化通道的杂波区分度参数相乘，提出了用于舰船检测的检测量，并进行目标检测的方法。实验结果表明，所提方法实现了很好的目标检测性能。

针对目前多输入多输出(multiple-input multiple-output, MIMO)雷达中通常基于某一种而不是整体性能的波形优化问题，提出一种提高MIMO雷达检测和参数估计性能的波形优化方法。该方法基于提高检测概率、降低参数估计方差及抑制旁瓣3种性能约束优化发射波形相关矩阵(waveform covariance matrix, WCM)。首先推导了检测概率及克拉美罗界(Cramer-Rao bound, CRB)的等价表达式，而后联合最大化主旁瓣差约束，并对各约束条件加权，从而得到可灵活调整加权系数以满足实际应用中不同需要的波形优化问题。此波形优化问题可表示为线性规划问题，因而可高效求解。仿真实验对3种约束条件对雷达性能的影响进行了详细分析，实验结果验证了所提方法的有效性。

方位超分辨是国内外雷达界长期以来持续探索的一项技术难题，针对求解过程中所遇到的病态性，本文深入研究了范数正则化方法。利用L₂范数正则化方法对方位超分辨模型进行求解，针对L₂范数正则化方法的不足并考虑到目标信号的稀疏性质，建立了L₁范数正则化模型。为提高求解的计算效率，将其转化为半定规划模型，用预测校正原对偶路径跟踪法进行求解。针对不同信噪比情况进行了计算机仿真，初步结果表明，两种方法都能用于雷达方位超分辨，且在相同条件下L₁范数正则化方法分辨性能更好，具有较强的噪声适应能力，在信噪比低至0 dB时，分辨力提高1.7倍。

现有的多发多收合成孔径雷达（multiple-input multiple-output synthetic aperture radar, MIMO-SAR）正交波形正交性不足，回波间相互干扰严重，难以满足实际应用的要求。为此提出一种方位相位编码（azimuth phase coding, APC）线性调频(linear frequency modulation, LFM)波形，该波形对不同发射通道发射的线性调频信号进行相应的方位相位编码，其回波分离在方位相位解调后通过方位波束形成实现，回波间的干扰能够被充分消除。可用于高度维多发多收合成孔径雷达系统，提高多基线干涉SAR（interferometric SAR, InSAR）的干涉测高精度或三维成像的高度维成像性能。仿真结果验证了该波形的可行性及方位波束形成回波分离方法的有效性。

逆合成孔径雷达（inverse synthetic aperture radar, ISAR)成像中，为了对目标进行方位向定标和距离徙动校正，需要估计雷达与目标的相对总转角。在对Dechirp回波数据分析的基础上，提出了一种基于频谱包络相关的转角估计方法。与相位对消法相比，所提算法无需知道目标大小等先验信息，且具有更好的鲁棒性。通过对两个不同时刻信号频谱包络的相关，估计出方位向回波信号的二次项系数，并采用加权最小二乘对估计结果进行拟合，完成了对转角快速准确的估计，仿真实验证明了该方法的有效性。

为了解决脉冲压缩技术运用于超宽带（ultra-wideband，UWB）雷达系统中在增加其最远探测距离的同时也增加了探测盲区这一问题，提出一种利用长短脉冲相组合的伪随机（pseudo random noise, PRN）码调制的二相编码UWB信号作为雷达信号发射源，在满足短脉冲的最大探测距离大于长脉冲的最小探测盲区的条件下，解决UWB脉冲压缩雷达系统探测盲区的问题。Matlab仿真结果表明了理论分析的正确性及所提出的方法可以很大程度减小雷达探测盲区,说明所提出方法的可行性与优越性。

提出了一类新的称为运动累积测距的测距算法，该测距算法基于运动效应通过雷达与目标间不同时刻的距离特点确定目标的距离值。运动累积测距算法工作在高重频(pulse repetition frequency, PRF)脉冲多普勒模式下，通过计算雷达接收回波的信号强度变化确定目标的位置。给出运动累积测距算法的理论、计算方法并在实验部分给出运动累积测距算法的仿真结果。实验结果表明雷达高重频波形运动累积测距算法可以准确地估计目标的距离值。

优化选择一定的行动策略能促使任务联盟向期望的目标效果演化。考虑部分事件/行动在不同时段下影响强度不相一致，使用考虑影响值时变的动态影响网对联盟演化过程行动策略优选问题进行建模，给出因果强度逻辑下概率传播参数设计的一致性条件，并基于因果强度逻辑进行影响值计算。基于物种进化中存在基因漂流的特性，设计一种学习型遗传算法(learnable genetic algorithm, LGA)对行动策略优选模型进行优化求解，通过染色体种群对优秀染色体优势基因位学习，结合有效的遗传和选择算子，加快算法收敛寻优速度。结合空中进攻作战想定案例进行仿真验证，计算结果表明，在部分事件/行动节点影响值变化下进行策略优选，提高了对因果关系的建模能力，所提的学习型遗传算法具有良好的收敛性和较好的寻优能力。

为解决当前可执行模型构建效率低、重用性差所造成的体系结构验证困难，实现自动化的可执行模型构建，提出了一种基于模型转换的C4ISR体系结构可执行模型构建方法。该方法基于国际国防企业体系结构本体规范（international defense enterprise architecture specification, IDEAS），构建了C4ISR体系结构作战视图元模型；建立了对象Petri网（object Petri-net, OPN）建模元素与体系结构元模型数据元素的映射关系，重点研究了几种通用流程模式下体系结构元模型数据与OPN之间的语义转换规则；最后，以某防空作战指挥信息系统体系结构为例，依据获取的体系结构数据，基于以上方法有效地构建了验证作战规则的OPN模型。

网络化C4ISR系统规模庞大、结构复杂，系统结构成为影响网络化C4ISR系统各种特性的主要因素，特别是结构与系统抗毁性之间存在直接的因果关系。本文在分析系统结构抗毁性概念的基础上，首先提出了网络化C4ISR系统结构信息流模型;然后基于该模型提出了基于信息流的系统结构抗毁性分析方法;包括不完全信息下系统结构的攻击模型、系统完成任务能力的度量方法以及抗毁性指标计算方法;最后通过对区域联合防空指挥信息系统结构抗毁性仿真实验分析，验证了该方法的有效性。

针对舰载机牵引系统的甲板调运过程，提出了一种适用于复杂障碍物环境中不规则形状目标的路径规划方法。针对舰载机外轮廓特点，建立了目标的凸构型描述形式，并推导了多目标间碰撞检测及距离计算方法，在此基础上提出了舰载机牵连运动的轨迹跟踪控制算法，同时引入行为动力学方法实现牵引系统的避碰路径规划。为提高复杂环境下的避碰能力，基于广义符号阈值函数，提出了避障行为策略改进方法。仿真结果表明,本文提出的算法能够有效地解决舰载机牵引系统的避碰路径规划问题。

针对无人作战飞机(unmanned combat aerial vehicle, UCAV)对地攻击过程中存在的诸多不确定性因素问题，提出基于滚动时域策略和Gauss伪谱法(Gauss pseudospectral method, GPM)的在线实时攻击轨迹决策算法。算法采用滚动时域的优化策略，将全局优化问题转化为一系列相互叠加但不断向前推进的优化区间，通过滚动更新和反馈校正消除不确定误差，同时降低了所提算法的计算复杂度和对计算资源的需求；综合飞行包线约束，武器投射约束和威胁规避约束，采用GPM完成高精度攻击轨迹求解；采用实时迭代策略提供优化初值，通过自适应目标函数切换引导UCAV迅速规避近距突发威胁。仿真结果表明，所提算法能够有效消除不确定误差，同时以较高的精度和速度生成可行的攻击轨迹。

提出机群多编队协同作战复杂网络模型，基于复杂网络自同步原理，研究网络节点动力学和耦合强度给定不变情况下，网络拓扑结构对作战网络同步能力的影响。针对作战网络特点，以最大化网络同步能力和不同层级指控节点效能为优化目标，作战网络指控结构和作战环境对通信拓扑的限制为约束条件，建立作战网络自同步优化模型。采用遗传算法，通过调整作战节点之间的通信结构对上述模型求解。仿真实验表明，获得的优化网络在保持作战网络结构特点的同时，具备更小的网络特征值比和更快的一致性收敛速度。

针对飞机研制费用预测样本数据较少、影响因素复杂，单一预测方法预测质量不高的问题，采用组合预测方法预测飞机研制费用。组合了径向基函数（radial basis function, RBF）神经网络、格拉姆施密特回归、偏最小二乘回归(partial least squares regression, PLSR)3种预测方法，基于样本数据建立了飞机研制费用组合预测模型，并与单项预测进行了对比分析。结果表明,组合预测具有满意和稳定的预测精度，并可以降低单项预测的质量风险，是飞机研制费用预测可靠而有效的方法。

针对装备安全事故的突发性、复杂性，从系统安全熵“流程突变”角度构建灰色熵突变模型进行安全性崩溃分析。提出了复杂装备系统安全熵、安全熵函数、安全熵势函数等概念，刻画复杂装备系统安全状态从稳定到崩溃的演化机理和过程；建立了复杂装备系统安全熵函数的量子粒子群DGM(2,1)拟合模型，并以拟合值和实际值的灰关联度为适应度函数，提高模型拟合精度；构建装备系统安全熵尖点突变模型，给出安全性崩溃的灰色熵突变判据算法。最后，以某型飞机主起落架控制系统为例，验证了模型的有效性，为定量判断装备系统安全状态提供了新的方法。

地月平动点附近存在的大量拟周期轨道是一类用途广泛的轨道，其设计方法一直是研究的热点。为了克服使用圆形限制性三体模型设计任务轨道时缺乏摄动分析的不足，提出了改进的基于高精度星历模型和多步打靶法的设计方法。具体地，根据地月平动点拟周期轨道在瞬时平动点旋转坐标系中的特征，基于瞬时平动点的运动规律，结合多步打靶法，推导出了三维空间拟周期轨道拼接点的求解方法。仿真分析表明，所提的设计方法可以有效地设计出地月平动点拟周期轨道。

传统的接收机捕获方法仅针对单颗卫星码相位及载波频率进行搜索与捕获，为了提高接收机傅里叶变换及相关运算模块的使用效率，提出了一种面向北斗B1频点信号的多星联合捕获算法，并在此基础上建立了联合捕获相位参量与相应卫星编号间的映射关系。最后，利用采集的卫星中频信号对多种捕获算法进行了实验对比与性能分析，实验结果表明,多星联合捕获算法可成功对多颗卫星进行并行搜索及快速捕获，平均运行速度相对于传统捕获算法提高了约23%，改善了北斗接收机中信号捕获的处理效率。

为了提高再入制导的实时性和鲁棒性，设计一种标准轨迹跟踪制导方法。首先将参考轨迹的跟踪问题转化为轨迹状态调节问题，进一步转化为一个线性时变系统的最优控制问题；然后采用滚动时域控制结合基于间接Legendre伪谱法的最优反馈控制算法设计出一种易于在线实现的制导律。基于上述工作完成了亚轨道飞行器（suborbital reusable launch vehicle, SRLV）返回制导过程的3自由度数值仿真研究工作。数值算例说明，该制导方法在初始点状态存在较大范围偏差和气动参数存在较大误差的情况下具有良好的鲁棒性。

具有攻击角度约束的导引律能够使导弹按指定方向打击目标，具有攻击时间约束的导引律能够使导弹按指定时间打击目标。相比于传统的导引方法（如比例导引律），此类导引律均带来额外的机动，从而可能导致目标超出导引头视场（即使对于静止目标）。针对该问题，利用余弦函数的非线性特性，首先构造了一种带有导引头视场限制及攻击角度约束偏置项的比例导引律，并推导了该导引律的剩余时间估计。然后通过附加剩余时间误差反馈项，得到了一种带导引头视场限制并同时具有攻击角度约束与攻击时间约束的导引律。仿真结果验证了所提方法的有效性。

基于平面拦截问题，考虑导弹自动驾驶仪一阶动态延迟特性，应用滑模变结构控制方法，以零化视线角速率为目的，设计了一种滑模导引律。该导引律可使得滑模面在有限时间内收敛至零，进入滑模面后可确保视线角速率在制导结束前收敛于零，从而保证高制导精度，且导引律中的变结构项只要大于目标加速度的变化率即可保证制导系统的有限时间收敛性和鲁棒性，从而大大降低了制导系统的抖动。最后以空中拦截为例，仿真验证了在导弹自动驾驶仪存在大延迟和目标做大机动逃逸下，该导引律具有良好的制导性能和高制导精度。

传统的姿态匹配传递对准需要主、子惯性测量单元 (inertial measurement unit, IMU)分别惯导解算，得到两个姿态向量或姿态阵构造观测量。提出利用主、子IMU输出直接解算主、子IMU之间的相对姿态来构造匹配量的一种新的传递对准方法。首先推导了主、子相对姿态矩阵微分方程，并给出求解方法，得到的相对姿态矩阵计算值与初始相对姿态矩阵相乘作为观测信息；然后推导建立了相对姿态的误差方程，由此给出了传递对准状态空间模型；最后讨论建立了仿真验证环境，仿真结果表明，子陀螺精度为1（°）/h时，子IMU对准精度可以达到3′以内，并在10 s内迅速收敛。该方法同时适用于精确确定大角度或小角度的子IMU相对姿态，为关键位置实时高精度姿态基准的建立提供了技术参考。

针对一类含有未知干扰的不确定仿射非线性系统，讨论了一种基于高增益滑模观测器的执行器鲁棒检测方法。首先采用全局微分同胚变换，将非线性系统变换为一完全能观规范型；然后基于变换后含有Lipschitz项的非线性系统，设计了高增益滑模观测器，给出了观测器增益计算方法，并运用Lyapunov稳定性理论证明了观测器状态偏差的收敛条件，设计了滑模控制项来抑制干扰，并求解证明了滑模运动的收敛条件，以使设计的观测器具有鲁棒性；最后，对某三阶非线性电机模型进行仿真研究，验证了所提方法的有效性。

在基于分段线性模型的正交频分复用(orthogonal frequency division multiplexing， OFDM)时变信道估计中，存在模型参数估计精度受到载波间干扰(inter-carrier interference，ICI)影响的问题。为此，本文采用ICI自消除技术，抑制了导频子载波的ICI，改善了模型参数的估计性能。此外，还推导了单抽头Jakes信道条件下模型参数估计均方误差的表达式，理论分析表明，与基本的分段线性模型方法相比，本文方法可以使均方误差下降约13dB。仿真结果验证了在多抽头信道和大的多普勒扩展条件下，本文方法也能明显提高ICI抑制能力，从而得到更好的系统误码性能。

提出了一种在正交频分复用（orthogonal frequency division multiplexing, OFDM）信号中产生循环平稳签名的方法，该方法开销低，且在频率选择性衰落信道中仍然具备很好的可检测性，尤其适用于动态频谱接入（dynamic spectrum access, DSA）网络。此外，还给出了该循环平稳签名的检测方法。仿真结果表明，依靠单个跳频子载波产生的签名，在签名检测性能不恶化的情况下，其开销仅仅是萨顿方法的四分之一。

覆盖网能有效分离网络应用与底层网络基础设施，提升服务质量(quality of service, QoS)和用户体验(quality of users’ experience, QoE)。设计了一种普适性较强的覆盖网拓扑构建算法——基于最小生成树（minimum spanning tree, MST）的拓扑感知度约束(minimum spanning-tree based topology-aware degree bound, MST-TADB）覆盖网构建算法。该方法感知网络拓扑，逐步生成MST，同时参考节点的转发和计算能力作为节点度约束收敛算法。由仿真结果可知，和同类算法相比，本文方法的故障恢复率、恢复路径跳数惩罚、服务节点平均节点度和时间复杂度综合权衡较好，并保证了所构建的覆盖网的自愈性。

小小区的引入大幅提高了蜂窝网络的覆盖和容量，同时也带来了更复杂的无线环境。提出了一种基于改进的模糊层次分析（fuzzy analytic hierarchy process, FAHP）的小小区性能评估方法；建立了小小区层次结构模型；分析了影响小小区性能的影响因素，并结合模糊数学原理提出相应的指标测量及量化方法；改进了模糊层次分析法的权重计算方法，在此基础上得出各小小区方案性能评估结果。仿真结果表明，提出的方法能在不同的小小区配置方案中选择出最优方案，为小小区的设计与部署提供参考。

得益于隐层节点学习参数的随机选择，极限学习机（extreme learning machine, ELM）在学习速度极快的基础上，可以达到较为良好的分类性能。但是，当隐层节点参数完全随机选择时，ELM的性能并不总能达到最优。本文提出多隐层输出矩阵极限学习机（multiple hidden layer output matrices extreme learning machine, M-ELM）方法解决这一问题，该方法通过对不同输出矩阵加权运算以优化隐层节点结构，其中权系数与输出权值在学习过程中同时分析确定。另外，利用该方法可以实现特征级融合ELM。实验证明，对于真实分类问题，M-ELM可以提供比ELM更为准确的分类结果。

狼群算法(wolf pack algorithm, WPA)源于狼群在捕食及其猎物分配中所体现的群体智能，已被成功应用于复杂函数求解。在此基础上，通过定义运动算子，对人工狼位置、步长和智能行为重新进行二进制编码设计，提出了一种解决离散空间组合优化问题的二进制狼群算法（binary wolf pack algorithm, BWPA）。该算法保留了狼群算法基于职责分工的协作式搜索特性，选取离散空间的经典问题——0-1背包问题进行仿真实验，具体通过10组经典的背包问题算例和BWPA算法与经典的二进制粒子群算法、贪婪遗传算法、量子遗传算法在求解3组高维背包问题时的对比计算，例证了算法具有相对更好的稳定性和全局寻优能力。

显著性检测算法能够提取场景中的重要目标，因而在图像和视频处理领域有着重要应用。但目前的显著性检测算法几乎都以目标与背景之间存在显著差异为前提，利用目标与背景的差异以及目标本身的空间相关性进行算法的设计。本文则从图像的背景信息出发，首先利用超像素算法对图像进行预分割，去除图像中不必要的细节信息；然后利用背景信息获得初步的显著性检测结果；最后将多尺度显著性检测结果进行融合，得到最终的显著性图。实验结果表明,本文算法的性能远优于现有检测算法。