应用于卫星导航功率倒置阵的改进最小均方算法

采用功率倒置准则的自适应天线阵特别适合于弱信号、强干扰的场合,因而在卫星导航系统中得到了广泛的应用。针对基于最小均方算法实现的卫星导航功率倒置阵在干扰数目或干扰功率突然减少时,算法收敛慢、影响信号接收性能的问题,分析了这一现象的产生机理,并提出了相应的改进算法。改进算法通过功率监测来检测干扰数目或干扰功率的突变,然后对最小均方算法进行复位处理重置权值来达到迅速收敛的目的。仿真结果表明:与原算法相比,改进算法可显著提高功率倒置阵的收敛速度。     

平台姿态误差对TDICCD相机成像几何质量影响

研究卫星平台姿态误差对TDICCD相机成像几何质量影响有助于提出姿态指标设计要求以提高相机几何成像质量,以像点位移为中间参量,研究了平台姿态误差和成像几何质量指标之间的定量关系。基于平台姿态误差引起的像移速度、偏流角和积分时间等成像参数误差分析,结合严密几何成像模型推导了像点位移的误差模型,建立了从像点位移量到相邻像元间角度畸变、长度畸变、像元分辨率和定位误差等几何质量指标的定量模型,构建了从平台姿态误差到相机成像几何质量指标的完整定量分析链路。仿真实验结果表明偏航角姿态误差是影响成像几何质量的主要因素。     

星载SAR天线阵面形变分析与补偿方法

研究了星载SAR天线阵面形变对波束输出的影响及形变补偿方法.针对未来星载SAR将采用的柔性阵面,提出了一种用于星载SAR天线的空间形变实时测量与控制的闭环系统,建立了阵面形变下阵列流形误差模型,得出小幅度形变主要影响波束的旁瓣输出,通过求解补偿形变权值的最小二乘解,使阵列形变补偿后波束输出与期望波束输出最佳逼近,并给出用于阵列误差补偿的阵列形变测量精度要求.仿真结果验证了本文方法结论的正确性与有效性.     

偶变元MAI旋转对称布尔函数

代数免疫度是布尔函数的一个重要密码学指标.给出了具有最大代数免疫度的偶数元旋转对称布尔函数的两种构造方法.进一步地,研究了特殊情形时所构造的旋转对称布尔函数的非线性度,当n≥18时,构造3得到的MAI旋转对称布尔函数的非线性度优于已知构造的偶数元MAI旋转对称布尔函数的非线性度.     

倾斜转弯高超声速飞行器滚动通道的自适应全局积分滑模控制

针对倾斜转弯高超声速飞行器滚动通道控制中初始误差大、系统参数不确定和干扰严重的问题,设计了一种自适应全局积分滑模控制方法.该方法在滑模控制参数中引入了自适应调节律来逼近系统参数摄动和干扰的上界,保证了整个控制过程中的滑模可达性,在此基础上,设计了一种基于全局积分滑模面的自适应滑模控制器,消除了稳态误差,同时大大削弱了系统参数不确定和干扰对系统的动态影响,并使系统在初始阶段就处于滑模态,解决了大的初始误差引起的超调问题.理论分析和仿真结果验证了本文所提方法的有效性.     

模2n加与模2加相对结合律相容程度的分析

模2n加和模2加是密码算法设计中经常使用的两个编码环节,二者对于结合律的相容程度是指改变二者形成的混合等式中两个变量的运算顺序所造成的误差大小.本文研究了模2n加与模2加相对于结合律的相容程度,给出了在改变[(χ(+)y)+z]mod 2n的运算顺序时,产生的噪声函数ξ(x,y,z)=[(x(+)y)+nz](+)[x(+)(y+nz)]在各点取值的概率分布规律,以及对噪声函数所有取值点的概率值平方求和的计算公式.这些结论在区分攻击中有一定的应用价值.     

幂函数型完全非线性函数原像分布的特征

完全非线性函数是特征为奇数的有限域上抗差分密码攻击最优的函数,目前已有的六类完全非线性函数都是2-1的。当Π(x)为Fqm上的Dembowski-Ostrom函数或者Coulter-Matthews函数时,从Fqm到Fq的完全非线性函数tr(aΠ(x))的原像分布恰有两种取值,其中一种取值对应Fqm所有平方剩余元,另一种取值对应Fqm所有非平方剩余元。该结论在文中得到了证明。     

反正弦函数教法的探讨

反三角函数的教学,重点应放在反正弦函数,抓住反正弦函数定义的由来,形成鲜明的概念,就容易理解其定义、定义域、值域和性质,并会应用公式进行三角运算。     

基于遗传算法的航向测量误差分析

提出了一种基于遗传算法的高精度航向测量误差分析的方法,测量模型由2台全站仪组成.通过最佳保留策略和带约束条件的遗传算子,保证该算法具有全局搜索能力.分析结果表明,遗传算法的搜索空间仅为整个搜索空间的0.03%,该模型在现有码头条件下航向测量的精度可达到4″,满足对舰船导航设备高精度航向标校的要求.     

小样本采样数据的预处理

一般情况下数据处理大多采用数理统计方法,该方法对于数据较少情况下处理和判别粗大误差不适用。提出了运用线性均方估计法和熵值判别法来处理和判别粗大误差,线性均方估计消除粗大误差是一种采用软化的方法处理粗大误差;熵值判别法是根据熵的上界对应最大的不确定度,利用所得数据的熵信息量判别数据是否含有粗大误差。这两种方法经过多个实例计算,结果表明,它们在处理小样本采样数据时更有效。