舰船目标逆合成孔径成像算法改进研究

针对舰船类目标运动情况比较复杂,进行逆合成孔径雷达(ISAR)成像时运动补偿比较困难的特点,将改进的自适应联合时频算法(AJTF)与强点处理(PPP)模型结合,通过遗传算法的全局搜索实现运动补偿,提高了运动补偿算法的快速性和精确性,为实现实时成像奠定了基础.试验数据的处理结果表明,算法可以有效地完成相位的补偿,提高ISAR成像质量.     

复杂场景下基于自适应多特征融合的跟踪算法

在复杂的场景下,单特征对目标描述不够充分,很难稳健地跟踪目标,针对这个问题,提出了一个基于自适应多特征融合的粒子滤波跟踪算法。该算法采用灰度和边缘特征表示目标,从目标观测似然模型构建的角度融合两种特征,利用粒子似然分布的香农熵动态地评价特征的可靠性,进而确定特征融合权重,以提高算法对场景的适应能力;同时,改进了线性加权的模型更新策略,通过对加权系数的在线调整来抑制模型漂移。实验表明,本文算法可以实现部分遮挡和背景干扰等复杂场景下的跟踪。     

火箭助飞鱼雷发控及弹道仿真

针对水面舰艇反潜武器系统研制、火箭助飞鱼雷作战使用研究中对助飞鱼雷的仿真需求,重点研究了助飞鱼雷发射控制仿真方法和空中弹道仿真方法,突破了不同工况不同射程下发动机关机时间建模技术、保证大范围飞行一致性的火箭自适应控制器设计技术。应用表明,所形成的助飞鱼雷武器通道仿真模型能有效模拟助飞鱼雷从发射控制到弹道航行到命中目标的全过程以及作战效果,能够支撑助飞鱼雷发控算法研究以及作战使用研究。     

自主水下航行器的自适应反演变结构控制器设计

由于水下航行器是高度耦合、复杂的多输入多输出不确定性非线性系统。对水下航行器进行精确作业时的运动控制一直是其实用化过程中困扰人们的问题。将自适应反演控制技术和变结构控制策略相结合,提出了一种基于反演技术的自适应变结构控制器设计方法,实现AUV水平侧移和航向控制,并利用自主水下航行器模型进行了仿真研究。仿真结果表明,该控制方法对模型不确定性和不确定环境干扰表现出良好的鲁棒性和自适应性。     

高空高马赫数侧向喷流数值模拟

高空环境下,侧向喷流在飞行器的姿态转换及热防护方面起到关键作用,同时也由于来流稀薄,直接模拟蒙特卡洛方法(DSMC)对侧向喷流干扰流场的模拟具有很好的适用性。在非结构网格计算的DSMC数值算法的基础上,针对喷流的高密度区及激波区提出了一种自适应网格技术,可以用于对高空稀薄区的大气来流与侧向喷流的干扰流场进行模拟预测。通过模拟二维平板侧向喷流,对编制的算法可靠性进行验证,研究了时间步长对流场模拟结果的影响及其数值的选取原则,并模拟计算了不同喷流/来流压力比下的复杂干扰流场结构和气动力的变化规律。     

基于磁通门/GPS组合的车辆导航系统滤波技术

给出了基于磁通门/GPS组合导航系统的硬件结构图,并应用卡尔曼滤波和方差自适应滤波算法分别对GPS、磁通门单独导航定位系统进行了分散滤波,最后应用联合卡尔曼滤波器对GPS和磁通门信息进行了信息融合.并且通过实际跑车实验,验证了滤波对导航系统随机误差消除和定位精度提高的有效性.     

多指标约束下的防空反导装备修理级别建模

修理级别分析是防空反导装备维修决策的重要内容。分析了防空反导装备的组成结构和维修流程,建立了基于模块化装备的修理级别分析决策流模型,在多指标约束条件下,以维修效果和维修费用为目标函数,建立了防空反导装备修理级别的经济性分析模型,运用自适应粒子群算法对模型进行求解,通过算例证明了该模型的合理性和方法的有效性,对于完善防空反导装备的修理级别决策分析具有理论指导意义。     

并行时域自适应算法在电大目标瞬态散射中的应用

基于电磁场时域积分方程(TDIE)数值技术计算复杂目标的瞬态散射特性,其计算量和内存需求大,采用时域自适应算法(TDAIM)降低了TDIE的计算规模。在研究TDAIM并行算法的基础上,开发了基于.NET Remoting的电磁场分布式数值计算方案。数值结果表明,该方案显著提高了TDAIM的计算效率,为解决电大目标瞬态电磁散射问题提供了一条有效途径。     

无线传感器网络中基于有限反馈的协同MISO传输方案

为解决无线传感器网络中节点能量受限,文中提出一种基于有限反馈的协同M ISO传输方案,此方案通过接收端反馈给簇头节点的信道增益比值来调整簇头节点和协同节点的发射功率。通过联合优化传输速率和协同节点数,使得网络总能耗最小。分析和仿真结果表明,此方案能有效降低网络的总能耗。     

数据挖掘在图像信息隐写分析中的应用

提出数据挖掘在图像信息隐写分析中的应用。首先计算原始图像和隐写图像在通用图像质量指标下的失真测度,然后利用数据挖掘技术建立一个预测模型,完成失真测度到已知隐写概率的映射,模型的输出即为预测隐写概率。实验结果表明,使用该方法得到的预测隐写概率和已知隐写概率的相关度,当使用训练样本时达到0.951以上,使用测试样本时达到0.943以上,达到了很好的预测效果。