方向图可重构天线能够根据实际需要实时改变阵列天线的方向图,稀疏天线阵在满足方向图要求的前提下可以有效降低天线设计的复杂度。提出了一种基于多任务学习的方向图可重构稀疏阵列天线设计方法。将稀疏阵列优化设计及其方向图综合问题转换成为稀疏矩阵的线性回归问题,利用多任务学习能同时对多个相关任务优化学习的特性,建立了多个方向图联合赋形的多任务学习模型。通过迭代收缩阈值的方法,对多任务学习问题进行优化求解,使得阵列天线能够使用更少的阵元实现多个方向图的重构。仿真结果表明,该方法可以生成相同阵列结构的稀布天线阵,并通过动态改变其权值向量,实现多个方向图的精确赋形。

针对密集杂波条件下的目标检测与跟踪问题,开展极大似然概率数据关联(maximum likelihoodprobabilistic data association, ML-PDA)算法优化与实时计算问题研究。在算法层面,通过在极大化对数似然比(log likelihood ratio, LLR)过程中引入粒子群优化(particle swarm optimization, PSO)方法,并进一步提出基于观测引导的PSO播撒粒子方式,提升算法的计算效率;在实现层面,提出基于图形处理器(graphic processing unit, GPU)的PSO实现策略。仿真实验结果说明了基于观测引导PSO算法搜索的有效性。在GPU平台上实现该算法获得显著的加速比,验证了所提出方法具有工程实时性。

针对标准标签多伯努利(labeled-multi-Bernoulli, LMB)算法只考虑了单个运动模型的问题,提出了一种适用于跳转马尔科夫系统的多模型标签多伯努利(multiple model-LMB, MM-LMB)算法。首先对目标状态进行扩展,将多模型思想引入LMB算法得到了新的预测和更新方程,并给出了算法的序贯蒙特卡罗实现。仿真实验表明,MM-LMB算法能对多机动目标进行有效跟踪,在复杂探测环境下跟踪精度优于多模型概率假设密度(multiple model probability hypothesis density, MM-PHD)算法和多模型势平衡多目标多伯努利(multiple model cardinality balanced multi-target multi-Bernoulli, MM-CBMeMBer)算法;所提算法计算量当目标相距较远时低于MM-PHD和MM-CBMeMBer,目标聚集时增长速度快于对比算法。

为拓展反导作战中红外预警卫星的目标速度估计方式,提出利用星载探测器进行被动红外多普勒频移测速的构想。首先建立多星多普勒频移测速模型,给出了多普勒频移测速误差与观测几何、辐射波长以及光谱分辨率的关系;然后推导多普勒频移测速误差与导弹发射坐标系下速度误差的坐标转换关系,描述了多普勒频移测速对弹道参数估计的贡献。最后,结合战术需求,通过仿真实例分析了多普勒频移测速对参数估计的影响。

对于带不确定噪声方差的线性离散时不变随机系统,根据极大极小鲁棒估计原理,基于带噪声方差保守上界的最坏情形保守系统,应用Kalman滤波和最优白噪声估计理论,提出了一种鲁棒稳态白噪声反卷积平滑器。对于所有容许的不确定噪声方差,保证它的实际平滑误差方差阵有一个最小上界。基于Lyapunov方程方法证明了它的鲁棒性和鲁棒精度关系。一个数值仿真例子验证了所提出结果的正确性和有效性。

针对传统的正交频分复用(orthogonal frequency division multiplexing,OFDM)时域参数估计方法在Alpha稳定分布噪声环境下性能退化的问题,该文提出了一种基于相关熵的时域参数估计新方法。相关熵是适用于非高斯信号处理的一种广义相关函数,用于表征随机变量的局部相似性。该方法利用OFDM信号时域结构具有局部相似性这一特点以及相关熵对脉冲噪声较好的抑制作用,完成Alpha稳定分布噪声下OFDM信号有用符号时间和符号周期这两个时域参数的估计。此外,为进一步提高强脉冲噪声下有用符号时间和符号周期的估计性能,该文利用累积法对相关熵进行了改进。仿真结果表明,在Alpha稳定分布噪声下,本文提出的基于相关熵的方法具有良好的估计性能,并且在强脉冲噪声下优于基于分数低阶统计量的方法。

针对无人机遥控链路常受干扰的影响导致性能下降甚至失锁,研究将多输入多输出(multiple input multiple output, MIMO)空时分组编码与直扩技术相结合实现对链路常见干扰抑制。提出叠加扩频的方法消除融合技术中存在的多址干扰、对抗窄带干扰并预防欺骗干扰;采用基于噪声子空间投影的简化最大似然译码(maximum likelihood decoding, MLD) 抑制自然以及强宽带噪声干扰,通过分析由信道估计误差引起的MLD扰动误差,并利用导频修正来降低信道估计误差对MLD性能影响。理论分析及仿真表明,该方案通信保密性好、鲁棒性强,能够实现对多种干扰的抑制,为未来无人机智能抗干扰的实现提供方案。

机载雷达的阵元误差会影响运动目标的参数估计与定位性能。为了解决这个问题,提出一种基于杂波数据Frobenius范数拟合的阵元误差估计方法。该方法首先利用杂波谱分布结构和雷达构型参数计算杂波空时导向矢量矩阵,接着利用截断的奇异值分解求解杂波幅度矢量并重构杂波数据,最后将实际的数据矩阵与重构的数据矩阵进行Frobenius范数拟合来估计阵元误差。数值仿真实验结果表明,该方法在低脉冲数目、低样本数目的情况下均具有较好的参数估计精度与稳健性。

干涉相位噪声的存在直接影响相位解缠的效果及最终干涉测量的精度。针对这一问题,本文提出了一种结合局部频率估计的小波域干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)相位滤波方法。根据局部频率估计可以判断出干涉相位小波系数中包含有用信息的子带。结合VisuShrink和NeighShrink两种小波阈值收缩方法分别具有去噪效果好和细节保持能力强的特点,对有用信息所在子带的小波系数利用NeighShrink方法进行阈值收缩,而对其他子带的小波系数则利用VisuShrink方法进行阈值收缩,从而尽可能地滤除噪声,同时保持干涉条纹的细节信息不被破坏。仿真和实测数据实验验证了本文提出的滤波方法的有效性。

针对L型阵列多输入多输出(multiple-input multiple-output,MIMO)雷达二维空间角估计问题,提出一种基于协方差矩阵联合稀疏重构的降维波达方向(direction of arrival,DOA)估计算法。该算法根据L型阵列MIMO雷达联合流型矢量的特点,通过降维矩阵的设计及回波数据的降维变换,最大程度地去除了所有的冗余数据;通过协方差矩阵联合构造稀疏线性模型,将2维角参量空间映射到1维空间,极大降低字典长度和求解复杂度的同时,不牺牲阵列孔径,实现了二维空间角度的有效估计和参数的自动配对。理论分析与实验仿真表明:与RD_MUSIC算法相比,本文降维处理有效提高阵元利用率的同时,最大程度地降低了回波数据的维数;与传统子空间类算法相比,基于协方差矩阵联合构造的稀疏线性模型充分利用了阵列孔径,无需预先估计目标数目,参数估计性能在低信噪比及小快拍数据长度下优势明显。最后,仿真结果验证了本文理论分析的正确性和算法的有效性。

针对机载窄带雷达探测海面非合作舰船目标识别能力不足问题,首先建立了舰船横滚、俯仰和偏航三维微动下舰船运动方程,在此基础上建立了窄带雷达探测舰船的回波信号模型,分析了回波信号多普勒频率成分及其特征。理论分析结果表明,舰船三维微动会导致雷达回波信号的多普勒频率相对无微动情况下出现频谱展宽;并且不同位置的散射点具有不同的时频变化曲线;在短时间内,各散射点微多普勒时频曲线以类似LFM形式的线性关系变化,在较长时间内以类似正弦信号形式周期性变化,其周期与横滚角变化周期相同。

传统修正的偏置相位中心近似方法往往忽略距离历程近似误差的方位空变性,使得基于该方法的成像算法重建的图像出现近距离散焦和方位向偏移现象。为解决该问题,该文对修正的偏置相位中心近似方法进行改进,将双根号形式距离历程表示为类收发合置项、距离空变项和方位空变项之和的形式,有效提高了距离历程的近似精度;在利用驻定相位原理求取方位向驻定相位点的过程中,通过充分考虑距离历程方位空变性的影响,推导了更为精确的方位向驻定相位点,有效提高了点目标响应二维谱的准确性。在此基础上,提出一种适用于高分辨多子阵合成孔径声呐成像的距离多普勒算法,仿真试验和实测数据成像结果验证了该算法的有效性。

针对传统波束形成算法的旁瓣效应在调频连续波多输入多输出(frequency modulated continuous wave multiple-input multiple-output,FMCW MIMO)雷达的成像结果中造成的方位向虚警问题,提出了一种基于方位向门限的改进成像算法。首先从原始数据中分别提取目标的距离向、方位向信息,然后单独将方位信息归一化之后使用门限检测实现了对方位向虚假目标的抑制,最后结合距离向信息与方位向信息得到了成像结果。仿真成像实验证明,该方法能使得成像结果中的虚警概率明显降低,外场实验的成像结果进一步验证了所提出算法出色的成像性能。

机载毫米波高分辨合成孔径雷达(synthetic aperture radar,SAR)对运动补偿的精度要求很高。当前运动补偿算法在运动误差或斜视角大时对毫米波高分辨斜视SAR垂直航向运动误差补偿效果不明显。文中提出了一种修正的垂直航向运动补偿算法,通过先补偿包络和相位,然后产生一个附加的沿航向速度, 该附加沿航向速度和原始的沿航向运动误差一起补偿。毫米波高分辨斜视SAR仿真结果表明,所提方法在30°斜视角时仍能较好补偿垂直航向运动误差,补偿效果显著优于已有算法, 实测数据成像结果也进一步验证了所提方法的正确性和有效性。

在复杂装备研制项目中,由于其研制过程中的多种复杂性和不确定性特征使得对项目的进度规划管理非常困难。文章基于系统论的思想,把复杂装备的研制过程看作是由一系列标志性事件组成的整体系统,定义了复杂装备研制项目的图示评审技术(graphic evaluation and review technique,GERT)网络模型,讨论了复杂装备研制项目完成时间的GERT网络“反问题”求解思路。以某飞机研制项目为例,对其期望完成时间进行了规划。

空间目标监视是航天任务得以顺利开展的重要基础。针对空间目标地基监视中的大规模复杂调度问题,建立了包含多种约束条件和优化目标的调度问题数学模型。探讨了利用遗传算法对全局解的一部分进行局部优化以提高资源利用率的算法混合策略,构建了遗传-模拟退火算法,其中对模糊需求使用了启发式方法以构造可行解的局部,并采用窗口修剪法进行冲突处理。仿真结果表明,遗传-模拟退火算法与窗口修剪法结合能够在可接受的时间内求得满意的解,验证了模型和算法的有效性。

针对无人机协同控制问题,提出一种多无人机任务分配与航迹规划的整体控制架构。将威胁和障碍区域考虑为合理的多边形模型,使用改进的A*算法规划出两个航迹点之间的最短路径。并利用该路径航程作为任务分配过程全局目标函数的输入,采用与协同系统相匹配的粒子结构进行改进粒子群优化(particle-swarm optimization,PSO)任务分配迭代寻优。根据分配结果并考虑无人机性能约束,基于B-spline法平滑路径组合,生成飞行航迹。仿真结果表明,算法在保证计算速度和收敛性能的同时,能够产生合理的任务分配结果和无人机的可飞行航迹。

针对多分类极限学习机(extreme-learning-machine,ELM)缺乏概率输出能力问题,提出一种基于sigmoid后验概率映射和Lagrange成对耦合法的多分类概率ELM(multi-class probabilistic ELM,MPELM)。采用成对耦合法将多分类问题分解成多个二分类问题,利用sigmoid函数将二分类ELM输出映射成概率输出。为融合所有二分类概率输出,推导基于Lagrange乘子法的多分类概率计算公式,最终求解被预测样本分属不同类别的概率。将MPELM用于剩余使用寿命(remaining-useful life,RUL)预测,实验结果表明,相比于多分类概率支持向量机(multi-class probabilistic support vector machine,MPSVM),MPELM耗时高于MPSVM,但MPELM所需优化参数少,预测精度高于MPSVM;与基于Hastie成对耦合法的MPELM相比,两者预测精度相近,本文MPELM的测试耗时较少。

针对舰船编队在航无补给的情况,对经典可修复备件多级管理(multi-echelon technology for recoverable item control,METRIC)模型进行了扩展,建立了舰船出航期间设备冗余和外场更换件冗余系统任务成功概率评估模型及备件优化模型。针对任务期间舰船设备和外场更换件最小工作数量随时间变化、编队任务成功概率难求的问题,采用超几何分布和二项分布结合的方法求取装备的瞬时可用度,进而求得舰船编队的任务成功概率。以任务成功概率为优化目标,备件总费用为约束条件,基于边际算法计算了备件方案。通过实例分析了在航编队任务成功概率随时间的变化曲线,曲线变化趋势与实际情况相符。

群体选择的结果往往受个体主观因素的影响而具有一定的波动性,需要借助某些分析工具来考察其稳定或可靠程度。文中采用几何学方法,针对一类典型、常见的群体选择方法——加权计分规则(weighted scoring rules,WSRs),提出了一种基于评分向量夹角正弦的稳定性分析和度量方法,结合三候选方案情况阐述了该方法的合理性和相关概念的直观几何解释,给出了具体求解方法及其证明,并进一步针对候选方案数不同时可能引起的稳定度可比性问题扩展了相关问题、概念和方法。本文提出的群体选择结果的稳定性度量方法具有较好的直观性和可公度性,可作为多目标群决策问题中稳定性或敏感性分析的一个有力工具。

为了避免着陆器在着陆过程中落于地势平坦的封闭环境,本文提出了一种基于单幅图像的星表着陆区选择方法。首先进行障碍检测,并且提取出图像中非障碍区的骨架,然后以骨架三线交点为圆心得到多个具有允许着陆范围的着陆圆,最后利用计分加权法从着陆圆的半径、连通性、纹理,以及着陆圆心与障碍物的集群关系四个方面得到最佳着陆圆。通过与其他方法的对比实验发现,本文方法能选择出障碍物稀少的区域,能够避免着陆器落入地势封闭的环境。

针对航天器交会远程导引段时间非固定多脉冲轨道转移问题,研究多约束条件下且脉冲数未知的共面椭圆交会燃料最省导引律设计。因不同脉冲数将造成多脉冲优化问题求解变量和约束条件个数随之变化,为此在遗传算法中引入隐式基因使得种群中样本个体的基因具有长度可变特性,在单层迭代框架下可同时解出最优脉冲数和脉冲矢量。为进一步改善性能指标还将端点滑行时间作为优化变量,使得在最佳转移时刻进行离轨脉冲作用。寻优过程首先由遗传算法给出设计变量估计值,再由序列二次规划(sequential quadratic programming,SQP)求解全局最优解。最后基于主矢量和最优控制判据,表明所设计的含隐式基因混合遗传算法是求解复杂问题的有效全局优化方法,可解决一类优化变量个数可变的最优多脉冲远程导引律设计问题。

针对系统动力学模型不准确可能导致滤波精度下降,以及系统状态协方差阵可能出现的负定性问题,提出一种新的高斯过程回归平方根分解无迹粒子滤波(Gaussian process regression square-root decomposition unscented particle filter,GPSR-UPF)算法。在该算法中,采用高斯过程回归求取UPF的重要性密度函数。当系统模型不准确时,通过高斯过程回归学习训练数据,进而获取系统的回归模型及系统噪声协方差,同时引入平方根变换抑制系统状态协方差阵的负定性。将提出的GPSR-UPF算法应用到捷联惯导/全球定位系统(strapdown inertial navigation system / global positioning system, SINS/GPS)组合导航系统中进行仿真验证。结果表明,所提出滤波算法的性能优于基本的无迹粒子滤波算法,能提高组合导航系统的解算精度。

分析了平台-平台系统传递对准技术与捷联-捷联系统传递对准技术的差异,在此基础上,推导了平台-平台传递对准中主、子惯导系统速度误差方程和框架角误差方程,建立了平台-平台传递对准数学模型,给出了角速度与角加速度的获取方法,设计的低通滤波能够有效抑制角速度与角加速度中的高频噪声。仿真计算表明,基于速度与框架角匹配的平台-平台传递对准方法能够得到优于0.15°的对准精度。

研究了基于随机信标的水下同时制图定位(simultaneous localization and mapping,SLAM)导航定位方法。信标导航是目前导航领域的研究热点,但往往需要提前对信标位置进行标定。对此文中提出一种无需位置标定的随机信标导航方法,即在信标随机散布的情况下,通过量测信标和航行器间的距离和方位,用SLAM方法对随机信标位置进行估计,从而实现对航行器的导航,并在不同的信标密度和观测误差下分析了其导航精度。仿真结果表明,该导航方法具有良好的收敛性和定位精度。

在由一个源节点、中继节点、目的节点和窃听节点组成的两跳中继窃听信道模型中,假定各节点均具有能量收集能力,采用“储能—发送”模式工作,即先收集能量,然后再发送数据。中继节点采用放大转发方式,目的节点发送人工噪声协同干扰。首先分析得到目的端协同干扰方式下获得正的保密容量的条件;然后给出以最大化保密速率Rs为目标的吸收比例系数ρ和干扰功率分配因子α的迭代优化算法;最后对算法性能进行仿真。仿真结果表明，优化算法收敛速度快,能有效提高系统的保密传输速率。

在认知无线电中,能量检测法是次用户实现频谱检测的重要方法之一。其中,检测参数的设置尤为重要。然而,当无线网络环境改变时,一些重要检测参数(如检测器门限)将会随之改变,因而及时准确地获取检测参数就显得十分必要。本文首先在理想高斯白噪声信道条件下推导了能量检测的最佳门限表达式。为了在变化的网络环境中快速自适应地获得最佳门限并降低检错率,提出了一种基于模糊C均值(fuzzy C means,FCM)的自适应门限选择机制。该机制只需根据接收到的能量样本的相似性和差异性进行聚类,选取隶属度值差异最小的能量样本作为最佳门限值,而无需信噪比、初始门限等先验信息,因此在能量检测中具有更强的自适应性。Matlab仿真结果证明,新机制下获取的最佳门限与本文中推导的高斯白噪声信道下的最佳检测器门限相比,具有很好的拟合度。

快速准确的载波频偏估计在突发信号的相干解调中发挥着至关重要的作用。目前的载波频偏估计算法很难同时兼顾估计精度、信噪比(signal-to-noise ratio,SNR)门限以及估计范围等指标。针对这一问题,提出了一种数据辅助的基于接收信号自相关序列离散傅里叶变换(discrete Fourier transform,DFT)的载波频偏估计算法。该算法通过对接收信号的自相关进行加窗处理,借助离散傅里叶变换来实现频率估计。仿真结果表明,与经典的M&M算法相比,该算法具有更低的信噪比工作门限,在低信噪比情况下具有更低的差错概率和更宽的估计范围,非常适合低信噪比突发信号的载波频偏估计。

为提高通信的安全性,将多项加权分数傅里叶变换(multi-terms weighted-type fractional Fourier transform, MWFRFT)与变换域通信系统(transform domain communication system, TDCS)相结合,提出一种加权傅里叶变换域通信方法。首先使用MWFRFT对原信号进行处理;然后利用混沌序列产生的伪随机相位生成TDCS基函数;最后将所得信号与基函数调制并用于隐蔽通信。为验证该方法的可行性,对信号的星座变换特性以及相关特性进行了仿真分析,结果表明,MWFRFT具有较好的星座混淆性,利用混沌映射得到的TDCS基函数相关性有所提高,因此,该方法适用于隐蔽通信。

提出了一种时变衰落信道下的自适应调制识别算法,设计出一种新的动态状态空间模型,来刻画信号调制方式与时变信道增益的时变特性,并引入一阶有限状态马尔可夫(finite state Markov channel,FSMC)模型来描述衰落信道;基于上述,新算法采用贝叶斯序贯推理法,充分发掘利用了其中所隐含的信道动态相关特性,实现对调制方式和时变信道增益的联合估计。仿真结果表明,新算法性能相比于传统ALRT算法有极大提升,且增加采样点数或者降低多普勒频移值都会使算法性能得到改善。

针对支持向量机(souport vector machine,SVM)训练学习过程中样本分布不均衡、难以获得大量带有类标注样本的问题,提出一种基于委员会投票选择(query by committee,QBC)的SVM主动学习算法QBC-ASVM,将改进的QBC主动学习方法与加权SVM方法有机地结合应用于SVM训练学习中,通过改进的QBC主动学习,主动选择那些对当前SVM分类器最有价值的样本进行标注,在SVM主动学习中应用改进的加权SVM,减少了样本分布不均衡对SVM主动学习性能的影响,实验结果表明在保证不影响分类精度的情况下,所提出的算法需要标记的样本数量大大少于随机采样法需要标记的样本数量,降低了学习的样本标记代价,提高了SVM泛化性能而且训练速度同样有所提高。

为了有效检测出彩色航拍图像中的云区,提出一种基于边缘敏感递归滤波的彩色航拍图像云检测方法。通过基于自适应引导权的边缘敏感递归滤波算子构造航拍图像的差异映射,并结合基于类内方差的递归阈值选择方法,将输入的航拍图像区分为待定云区和非云区。利用边缘敏感递归滤波算子对原始航拍图像累进滤波,有效抽取分层的图像细节,构造航拍图像的细节映射以精化待定云区。利用客观性能指标对检测结果进行评价。实验结果表明,相较于其他相关研究工作,提出的方法有效易行,计算复杂度低。

如何依据部件的可靠性属性和系统的结构特性定量分析系统可靠性,是可靠性工程研究中亟待解决的重要问题之一。本文总结现有的系统可靠性分析方法,将其划分为4大类,即解析法、蒙特卡罗法、综合法和网络法,并对上述4种方法的优缺点及适用的系统进行了分析,最后指出将表征组成系统的各组份相互关系的拓扑结构和表征系统组份的节点可靠性属性相结合,构建新的可靠性测度指标评价系统可靠性是未来系统可靠性分析方法的研究趋势。