一种基于最大选择的Switching-CFAR检测器

针对传统CFAR(Constant False Alarm Rate)检测器不能同时适应于均匀和非均匀杂波背景的问题,提出了一种改进的CFAR检测器,即IEGOS(Iterative Excision Greatest of Switching)-CFAR检测器。在迭代删除的基础上,采用Switching方法,利用检测单元幅度自适应选择参考单元,得到前后滑窗的局部杂波功率估计,然后取二者中的最大值作为总的杂波功率估计,实现恒虚警检测。在SwerlingⅡ型目标和瑞利包络杂波分布的假设下,推导证明了IEGOS的恒虚警性,与CA、GO、SO、OS和EXS算法的对比分析表明IEGOS在均匀杂波、多目标干扰和杂波边缘中均拥有较好的性能,且该算法无需排序,便于工程实现。     

异步非平稳干扰抑制方法

为解决单通道条件下异步非平稳干扰抑制问题,提出基于数据驱动的稀疏分量分析干扰抑制方法,旨在从接收到的混叠信号中恢复期望信号。该方法利用深度卷积神经网络对输入/输出端数据间的复杂映射关系的强大建模能力,实现了目标信号稀疏域的自适应选择、稀疏域中目标信号稀疏表示的自适应学习以及目标信号的自动恢复。与以往干扰抑制算法不同,所提方法在时域上完成了“端到端”的信号波形恢复,且对混叠观测无先验要求,相比现有方法更具普适性。仿真实验验证了所提干扰抑制方法在不同环境噪声和干扰信号强度及泛化测试条件下的有效性,对干扰的抑制性能显著优于现有算法。     

一种基于单频GPS接收机的自迭代定位算法

随着通用航空及无人机产业的发展,低成本及小型化的导航解决方案将具有广泛的市场。提出了一种基于单频GPS接收机的自迭代定位算法,用于提高定位精度,增强定位收敛性。对该算法的基本原理进行了分析,并推导出该算法的数学模型,通过静态实验的方法对该算法的收敛性进行验证,并将该算法的位置信息与最小二乘法解出的位置信息进行对比,体现了自迭代定位算法的优势。     

搜索路径给定时的搜索对策问题及其应用

搜索路径给定时的最优搜索方案问题,也可以理解为是关于搜索者和目标的二人对策问题,主要讨论了当搜索路径给定时的单个搜索者和单个目标的搜索对策问题。首先根据问题的特点,利用动态规划和迭代的方法,确定关于目标逃逸路径混合策略的最优分区,证明该分区是多面体凸集;针对目标不同逃逸路径的分区,求出搜索者的最大期望收益,再将问题转化为二人有限零和对策,计算出搜索者的支付矩阵,确定最优搜索策略。最后结合海军护航行动,对我舰载直升机搜索小型海盗船进行分析和计算,说明搜索路径给定时的最优搜索对策对于双方的资源分配和提高搜索效率具有一定的应用价值。     

具阻尼广义Korteweg-de Vries方程的迭代学习控制

研究了一类具阻尼广义Korteweg-de Vries(KdV)方程的迭代学习控制问题,利用半群理论导出系统状态的表达式及先验估计。若迭代过程中初值允许存在一定偏差,结合P型迭代学习控制算法,证明了跟踪误差在Banach空间■中收敛,并且给出了数值实例。     

基于LOB的辐射源无源定位算法对比研究

分析了4种具有代表性的基于辐射源方位线(Lines Of Bearing,LOB)的无源定位算法,即Pages-Zamora定位算法、布朗定位算法、概率定位算法和模糊定位算法。在此基础上提出了融合-迭代定位算法,并进行了蒙特卡罗仿真对比实验,对5种算法的定位精度和运算量进行了比较分析。实验结果表明:融合-迭代定位算法的综合性能优于其他定位算法。     

基于星历辅助的导航星座星间链路捕获初始信息求解算法

针对星间链路信号动态范围大、捕获时间要求短之间的矛盾,提出了一种捕获初始信息的求解算法。该算法基于导航星座的星历资源和动态特性,采用迭代的方法对信号传输时延和多普勒频率进行估计。分析指出,该算法实现过程简单,收敛速度快,估计精度高,两次迭代即可实现时延估计精度达到纳秒级,大大降低了捕获实现的难度和复杂度,适合星上资源要求比较严格的场合。分析基于北斗导航星座模型展开,对我国北斗导航星间链路的设计提供了参考。     

资源结构映像异步更新策略及其在JBCM中的应用

使基于构件的软件配置管理系统支持对配置资源的并发访问是一种必然要求,为此提出了一种资源结构映像异步更新策略用以实现这一目标.这种方法已由北京大学软件工程国家工程中心应用于青鸟软件配置管理系统(JBCM).     

Banach空间中拟非扩展映象的不动点的迭代逼近

研究了严格凸Banach空间中非空间凸子集上拟非扩展映象的不动点的迭代逼近问题,主要证明了:设E是严格凸Banach空间,K为E的闭凸子集,T:K→K为连续拟非扩展映象。进一步假设T(K)包含于K的一个紧子集之中,迭代地定义序列{xn}∞n=1如下:(IS)yn=(1-βn)xn+βnTxn,n≥1,xn+1=(1-αn)xn+αnTyn,n≥1,其中{αn}和{βn}满足一定的条件,则{xn}强收敛于T的某个不动点。     

一种基于反馈式结构的异步航迹融合算法

在实际的雷达网数据融合系统中,多数情况下各部雷达的采样时刻不同步,并且采样周期不一致,比如引导雷达和警戒雷达。本文提出了一种基于反馈式结构的异步航迹融合算法,即便在局部节点采样周期相差较大的情况下,仍能充分利用局部节点的信息。经仿真实验验证了该算法的优越性。