纯方位系统TMA非线性最小二乘法——理论数学模型与常规算法

对非线性最小二乘法应用于纯方位系统目标运动分析进行了综合评述,介绍了经典的非线性最小二乘法及几种常规算法:高斯—牛顿迭代法,麦夸脱迭代法,自适应非线性最小二乘法,给出了非线性最小二乘法对纯方位目标运动分析的四个数学模型:高度非线性模型,减弱非线性模型,再减弱非线性模型,再进一步减弱非线性模型。     

MUSIC算法中可测波源数与阵元数之间的关系

仿真实验表明,K≤N-1只是MUSIC算法运行的必要条件．而不是MUSIC算法正常运行的充分条件。本文的仿真结果对于设计测向天线阵列具有一定的帮助。     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

基于粒子群优化算法的平流层飞艇总体设计

平流层飞艇总重最小化能一定程度上反映总费用最低的设计目标,满足有效载荷功率需求是飞艇总体设计的出发点和落脚点。本文在飞艇参数建模中引入了太阳电池曲面铺装模型以及昼夜能源闭环模型;以整艇重量最小为设计目标,以昼夜能源供需平衡、浮重平衡、推阻平衡三大平衡问题为约束条件,运用粒子群优化（PSO）算法对飞艇的外形尺寸参数进行优化设计;分析了有效载荷功率需求和功率密度对于飞艇总体设计结果的敏感性。分析结果表明：（1）飞艇总重随有效载荷功率线性增加;（2）飞艇总重随有效载荷功率密度增加而迅速减小,但变化率逐渐变小,飞艇总重趋于稳定。最后,能源系统仿真的结果表明了飞艇总体设计方法的有效性和设计结果的临界特性。     

武器装备体系复杂网络模型构建算法

针对武器装备体系的复杂性和网络化趋势,在现有研究基础上构建了以目标为中心的武器装备体系对抗网,基于OODA模型分析了协同式武器装备体系和受控式武器装备体系的异同,提出了以目标为中心的受控式武器装备体系连接结构的构建算法。最后实例验证了算法的可行性,为构建武器装备体系网络提供了新思路。     

临近空间高超声速目标拦截弹弹道规划

利用弹道规划设计了针对临近空间高超声速飞行器的拦截弹道。分析了临近空间高超声速目标拦截问题,将其定性为临近空间的远程高超声速拦截,并提出弹道规划需求;设计了一种两级助推的拦截弹,建立了考虑地球曲率和自转的拦截弹质点平面运动模型;根据弹道规划需求设计弹道约束,以末速最大、与终点距离误差最小和全程热量最小为指标建立拦截弹弹道规划问题;采用粒子群算法求解弹道,结果表明:符合约束的规划弹道是高抛再入形式,与比例导引弹道和准最佳弹道相比,拦截弹大部分时间飞行在大气层外,有效降低了气动热效应影响和对弹体材料的性能需求,且为末制导段提供良好的初始工作环境。     

基于遗传算法的吊放声纳搜潜策略优化

针对吊放声纳搜潜策略问题,在平均分配每点的搜索时间的典型搜潜策略的基础上,采用遗传算法优化搜潜策略中的吊点选择,进而给出合理的吊放声纳搜潜路径。算法中,利用实数编码优化初始种群,采用轮盘赌和期望值相结合的混合选择策略优化种群的进化。仿真运算表明:采用遗传算法优化吊放声纳搜潜路径是一种具有研究价值的方法,但算法复杂,计算量大,工程实现还需要进一步研究简化。     

基于GPU的SAR成像层次化并行处理研究

针对SAR成像处理具有的内在并行性,提出了一种基于GPU的SAR成像层次化并行处理方法。首先分析了SAR成像处理过程中信号的并行性,对任务进行了层次化分解与组合,设计了层次化并行的CS成像算法;然后通过CUDA编程将并行成像算法映射到CPU+GPUs系统平台上,实现了层次化并行成像处理;为了检验并行处理效果,采用原始数据进行了SAR成像处理实验。实验结果表明,在几乎没有损失图像质量的情况下,层次化并行处理获得了较高的加速比。     

基于改进截断正态概率密度模型的防发散多尺度卡尔曼滤波

借鉴对机动频率建模的思想,对机动目标的截断正态概率密度模型进行改进,提出了一种改进的截断正态概率密度模型(ICN模型),并将防发散算法与多尺度估计理论结合,用克服滤波器发散的S(k)算法对基本的多尺度估计进行机动检测和相应改进,得到单模型单传感器系统的防发散多尺度估计算法,旨在减小噪声影响,减小机动目标模型不准确带来的跟踪误差,改善跟踪效果。     

受互联网思路启发的电力系统重要节点评估算法

对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis, E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search, MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。