基于GRU-VAE的无监督航迹异常检测方法

针对海量无行为模式标签航迹数据的目标行为异常检测问题,提出一种基于门控循环单元的变分自编码器模型(Gate Recurrent Unit-Variational Autoencoder, GRU-VAE)无监督航迹异常检测方法。该方法通过检测航迹异常发现目标的行为异常,分为模型训练阶段和异常检测阶段两步实施：在模型训练阶段,构建了以GRU和VAE为主要结构元素的基于门控循环单元的变分自编码器模型,利用无异常信息标签的历史航迹数据对GRU-VAE模型进行训练,根据训练集的航迹点重构损失分布情况,采用正态分布法或百分位数法划定置信区间为航迹点重构损失门限;在异常检测阶段,该模型对实时航迹数据集进行检测,将重构损失超出航迹点重构损失门限的航迹点视为异常航迹点,当航迹序列中的异常航迹点占比超出占比阈值时,判定为异常航迹序列,结合数据异常情况向一线人员发送目标的异常行为信息。AIS数据实验结果表明,模型最高F₁分数达86.36%,查全率达95%。本方法对异常航迹的检测具有高灵敏度和低漏警率,可满足战场态势认知需求。     

美国海军寻求情报、监视、侦察、攻击无人机编入舰载航空联队

目前，美国海军已经对其航空工业界提出了信息需求，了解是否能在2018年之前将舰载隐身无人打击、监视系统与有人战机联队结合．编入航母航空联队。根据美国海军的需求．这种舰载无人监视与打击系统将由4～6架可自主起飞和降落的无人机组成．能够适应非常规和混合型战争场景。     

基于Bayes理论的航空电子设备可靠性评估

针对航空电子设备无失效数据可靠性分析问题,提出了weibull分布下基于Bayes理论的无失效数据分析方法,基于分层Bayes思想建立了模型,推导出可靠性参数后验分布计算公式,结合实例,验证了方法的有效性,结果表明,此方法计算结果符合工程实际,在其他电子设备可靠性分析中,有一定的借鉴意义.     

感应式磁性天线设计及干扰抑制算法研究

当期望信号和干扰同方向时,为了有效改善超低频频段的通信质量,提出了一种基于模拟电路预处理和改进广义旁瓣抵消的干扰抑制算法,设计了磁性天线、低噪声前置放大电路,制作了灵敏度较高的磁传感器,有效地抑制了工频及其谐波干扰。鉴于超低频频段的信号十分微弱,在广义旁瓣抵消算法的基础上做了几点改进,为主通道提供较多的参考信息,从而提高了算法的性能,有效地解决了传统算法失效的问题。为了验证所提算法的有效性,在实验室环境下搭建实验平台,设计了多组对照实验,实验结果表明:无论期望信号与干扰是否同方向,改进后的广义旁瓣抵消算法相比原来的算法,在信噪比的提升和噪声底限的降低等方面均有较大程度的改善。     

基于星间测距和地面发射源的导航星座整网自主定轨

导航卫星星座自主定轨技术是我国新一代卫星导航系统的关键技术之一.但是仅仅依靠星间相互测距定轨会因缺少地面基准而出现基准秩亏现象.针对这个问题,提出利用少量地面发射源随机工作的方式提供地面基准,将星间测距和地面发射源信息融合起来进行星座整网定轨,进一步提高定轨精度.最后利用仿真实验对该方法的合理有效性进行了验证.     

卫星导航信号无模糊抗多径码相关参考波形设计技术

针对目前卫星导航接收机码环多径抑制技术在二进制偏移副载波类信号下鉴别曲线可能出现多个稳定跟踪位置，导致接收机存在伪距测量的系统性误差的问题，提出最优鉴别曲线设计技术，采用奇异值优化的最小二乘方法，设计无多余跟踪点的本地码相关参考波形。从多径误差包络和跟踪精度两方面，对基于最优鉴别曲线的二进制偏移副载波信号码相关参考波形的设计性能进行验证评估。仿真结果表明：该方法可实现二进制偏移副载波信号在有限接收带宽下的无模糊鉴别曲线设计。以前端带宽为8.184 MHz时的BOC(1,1)信号为例，设计的码相关参考波形相比W2波形，多径误差包络面积增加了61.8%，而跟踪精度提高了4~5 dB。     

空基平台无源定位精度分析

针对三维空间内的空基平台对海面目标的无源定位问题,在考虑了多种测量误差因素的条件下,建立了定位模型,分析了各种测量误差对最终定位精度的影响.仿真实验表明,所采用的定位精度分析方法能够有效的分析空基平台的定位精度.从仿真实验结果中得到了各种测量误差对定位精度影响的一些指导性结论,为提高空基平台无源定位的测量精度提供了依据.     

数字阵列雷达宽带快速跳频源设计

介绍了一种基于直接数字合成技术(DDS)与直接频率合成(DS)相结合的数字阵列雷达T/R组件设计,其主要核心思想就是运用DDS技术中的相位控制功能代替传统高频移相器,并且运用其幅度控制功能代替传统的数控衰减器,从而实现阵列雷达发射信号的数字波束形成;并且设计出高稳定度的800 MHz高频源作为输入参考,利用DDS技术实现宽带下快速跳频;输出端采用DS方法,保证得到所需频带低相噪特性。     

基于传感器阵列的近场时延信号盲源分离算法

主要研究了近场条件下,当接收阵列信号存在微小时延的盲分离问题.此情况下传统的线性无记忆盲分离模型已不再适用,提出了一种通过引入源信号的导数并改进混合模型后,利用二阶统计特性的算法,可以轻松解决时延条件下的盲分离问题(BSS).同时当传感器数远多于源信号数时,该算法还能达到消噪的目的,仿真结果证明了算法的有效性.