基于混沌双扰动的CDDP SO-BP目标威胁估计方法?

信息化条件下的战场环境对目标威胁估计技术提出了越来越高的要求。提出一种基于混沌双扰动的CD?DPSO?BP目标威胁估计方法,该方法针对粒子群算法在进化过程中易出现早熟和寻优结果不稳定的缺陷,基于Tent映射提出混沌双扰动的思想,并加入粒子群算法的进化过程,实现对粒子群算法的改进;之后,利用该新算法训练BP神经网络的初始权值和阈值,建立目标威胁估计模型和算法;最后,将该方法应用于实例中进行仿真,结果表明该目标威胁估计新算法具有较高的准确度。     

基于Golay互补序列的UWB同步和信道估计

提出了一种基于Golay互补序列的UWB信道估计和同步方法。该方法利用了Golay互补序列所具有的互补的自相关特性。首先引出了Golay互补序列的插0序列的概念,并证明了这种插0序列也是Golay互补序列。通过依次发送Golay互补序列,在接收端采样后分别与相应Golay插0序列进行相关并求两者和,根据门限判别即可完成同步和信道估计,仿真结果表明了该方法是有效的。     

时延估计多基地水下目标被动定位及误差分析

根据基于时延估计的多基地航空搜潜系统中目标、各被动浮标之间空间上的几何位置关系,建立目标位置的数学模型,确立了目标空间位置与声传播信号到各被动浮标的时延、布阵间距、声速之间的关系;在此基础上,根据时延估计方差的克拉莫-罗下限,分析信号信噪比、接收机带宽、信号中心频率及观测时间等参量测量误差对时延估计的影响,进而分析了各参量误差对目标定位误差影响,最后对所建模型及误差进行了仿真分析。     

基于二进制传感器网络的目标运动方向估计方法

介绍了方向估计二进制传感器网络(DE-BSN),提出基于统计学习解决目标运动方向估计的思路,并给出了使用线性判别分析法(LDA)和支持向量机算法(SVM)的估计方案。仿真分析了在不同传感器节点密度时上述算法的精度、和在节点出现错误的情况下算法对目标方向估计的可靠性。实验结果表明上述算法均可实现高精度的目标方向估计,并都具有一定的鲁棒性,各自的优势分别在于:LDA的计算复杂度较小,而SVM的估计误差较小。     

基于贝叶斯网络的威胁识别

根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.分析了使用贝叶斯网络进行威胁估计表示问题,提出了构建贝叶斯网络进行威胁估计的步骤.最后,给出一个具体的实例,演示了使用贝叶斯网络进行威胁识别的过程,实现了战场态势中蓝方机群对红方战术意图的提前预测.     

独立分量分析在MIMO OFDM系统信道盲估计中的应用

研究了MIMO—OFDM系统基于独立分量分析（Independent Component Analysis）的盲信道估计算法,提出了改进的ICA—only算法。该算法将ICA算法应用到各个子载波,将ICA算法所固有的排列和幅值上的模糊性通过发射端的线性编码来消除,实验结果表明,该算法能很好地估计出信道参数。     

基于离散模糊动态贝叶斯网络的空战威胁估计

对空战中目标的各个特征因素进行了分析,建立了空战目标威胁估计的离散模糊动态贝叶斯网络模型,并利用离散动态贝叶斯网络的直接推理算法进行了仿真计算.仿真结果表明,该方法得到的推理结果与理论分析完全一致,而且能够将各种并不显著的特征因素进行综合,使得各个特征因素间及不同时间片的同一特征因素相互修正补充.为空战威胁估计提供了一种有效而准确的方法.     

贝叶斯参数估计在雷区范围估计中的应用

提出了以发现水雷位置信息为抽样点,在给定估计误差的条件下,使用贝叶斯参数估计方法进行雷区范围估计的思路。详细讨论了水雷服从均匀分布时使用贝叶斯参数估计方法估计雷区范围的问题,给出了相关公式的推导过程,并设法解决仿真中存在的中间数值过大的问题。仿真结果均在允许误差范围之内,这验证了算法的可行性。     

GPSM码信号的产生与特性分析

GPS采用了一种新的信号形式,其关键技术为BOC(Binary Offset Carrier)调制.基于对GPS M码信号BOC调制的定义与功率谱研究,针对其采用的BOC(10,5)调制方式进行了信号仿真,进一步对其频谱与自相关函数进行了仿真,并针对其特性进行了分析,同时与现在的军用P码信号性能进行了对比,从而得出GPS现代化采用BOC调制的M码信号的优势所在.     

MIMO雷达的MUSIC算法应用

不需要额外的去相干处理,MIMO雷达可直接对相干信号源利用MUSIC算法测向。研究MIMO雷达应用MUSIC算法的成功概率问题,给出了接收子阵均匀配置和非均匀配置情况下MUSIC算法成功率的解析表达式。数值仿真表明:高信噪比条件下,MIMO雷达的MUSIC算法成功率优于多输入单输出和相控阵雷达;子阵均匀配置MIMO雷达的MUSIC算法成功率优于非均匀配置,且当子阵均匀配置时,子阵数目越多,MUSIC算法成功率越高,当子阵非均匀配置时,各阵元数均匀程度越好,其应用MUSIC算法的成功概率越高。