直接耦合干扰的自适应两级补偿方法

针对水下电磁探测系统对直接耦合干扰的补偿精度受限于硬件采样分辨率的问题,研究了基于自适应技术的直接耦合干扰两级补偿方法。采用高速 DSP 芯片实现直接耦合干扰补偿电路,完成直接耦合干扰的粗调补偿;提出了基于可变遗忘因子的 QRD-LS 算法,并采用基于该算法的自适应陷波器实现了直接耦合干扰的微调补偿。实验研究验证了两级补偿方法对直接耦合干扰的补偿性能。结果表明：基于可变遗忘因子的QRD-LS 算法稳定性好,收敛速度快;基于该算法的自适应两级补偿方法对直接耦合干扰的补偿精度达到10－4倍。     

基于遗传算法的反导拦截弹助推段自动驾驶仪的设计

针对反导拦截弹助推段一般不进行大机动飞行、弹道相对平直的特点,基于小扰动线性化方程,设计了由阻尼回路、攻角回路和过载回路组成的三回路自动驾驶仪。在理想弹道计算的基础上选取特征点,在每个特征点处将弹体简化为二阶环节来近似。针对待优化参数多、且处于不同控制回路的特点,采用遗传算法对控制器参数进行优化。仿真结果证明所设计的控制器能够很好地跟踪指令信号。     

基于改进人工免疫算法的火力分配

随着现代武器杀伤力的极大提高,任何来袭目标的突防都可能造成极大的破坏,这对传统的火力分配提出了挑战。提出一种新的火力集中原则,在满足对来袭目标一定杀伤的前提下,适当转移火力,实现火力总的集中,据此建立了火力分配优化模型。通过改进人工免疫算法的抗体群,提高模型的求解速度,缩短方案的寻优时间。通过实例进行仿真,结果表明,基于改进人工免疫算法能较快速实现火力分配,算法具有一定的可行性。     

基于人工蜂群算法优化的改进高斯过程模型

高斯过程(GP)的非线性特征导致其对大样本的训练时间复杂度过高,而且其超参数的选取是否适当直接影响高斯过程回归模型的预测精度。提出采用人工蜂群(ABC)算法优化改进GP以减小时间复杂度和提高预测精度。改进GP通过选取训练样本的子样本进行模型学习,以降低训练过程的时间复杂度。ABC通过优化改进GP的超参数,提升预测精度。选取训练样本的子样本构建改进GP回归(GPR)模型,采用ABC算法搜寻改进GPR的最优超参数,并用得到的超参数构建最优的改进GPR模型,输入测试样本进行预测并输出预测精度。将该模型应用于解决海上远程精确打击(LPSS)体系作战效能评估问题中,通过MATLAB仿真实验,与常见的多种优化方法相比较,验证了该模型的有效性。     

中段智能机动突防后的虚拟目标修正研究

为实现弹头中段机动后的显式制导,进行了虚拟目标修正研究。通过在建立最大弹道包络面的基础上,提出基于穿越弹道横截面的虚拟目标修正方法,基于弹道包络横截面的大机动弹道虚拟目标计算方法,建立虚拟目标计算模型。通过仿真获得了大机动弹道对应的虚拟目标,通过显式制导方法验证了其具有较好的制导精度,此方法为工程应用和理论研究提供了重要的理论参考。     

几种机动目标运动模型的跟踪性能对比

机动目标跟踪是目标定位与跟踪领域研究的难点问题之一.在分析Singer模型、"当前"统计模型、速度估计自适应模型的基础上,对这三种模型及算法进行仿真,给出了上述三种模型跟踪机动目标的精度与实时性的比较结果.     

应用交互多模(IMM)算法跟踪低空目标

雷达跟踪低空目标时,由于多路径传播的影响,目标俯仰角的测量会出现测量误差.并且由多路径传播引起的测量噪声方差较大,在时间上具有相关性.应用交互多模(IMM)算法来提高跟踪低空目标的性能,并且提出了一种去相关的滤波方法来克服多径误差相关性的影响,最后给出了计算机仿真的滤波结果.     

并行计算的数据重分配

为提高算法的并行计算性能 ,许多并行程序必须进行数据重分配。数据重分配是在并行计算过程中实现的 ,其开销影响算法的并行性能 ,高效的数据重分配对提高并行计算的性能有重要意义。本文阐述了数据重分配的环形算法 ;提出了数据重分配的蝶网算法 ,并证明了其正确性 ;设计了结构性数据交换方法 ;通过理论和数值实验分析了两种算法的性能     

并串联系统设计优化

建立了并串联系统设计优化的两类模型,提出了遗传算法与模式搜索、启发式算法相结合的求解方法．     

多目标广义指派问题的模糊匈牙利算法求解

提出和讨论了两类多目标的广义指派决策问题,分别给出了它们的多目标整数线性规划数学模型,并结合模糊理论与解决传统指派问题的匈牙利方法提出了一种新的求解算法:模糊匈牙利法.最后给出了一个数值例子.