基于时频分析的到达角估计方法比较

提出了一种基于模式编码进行宽带信号到达角估计的方法。该方法通过广义回归神经网络(GRNN)对信号的线性时频协方差矩阵进行分类来实现。介绍了网络结构,数据仿真和应用于高频地波雷达目标定向的实际效果。特别介绍了通过窄带信号数据训练网络然后应用于宽带信号的训练方法,适于宽带训练数据难以获得的情形。仿真和实测数据的分析结果显示该估计方法能适应阵列的误差模式且鲁棒性好,在较低信噪比时能够给出正确估计。     

采用非对角1-D切片的码片速率盲估计北大核心

在通信侦察识别中,通信信号的码元速率估计是调制识别和信息解调的前提和基础。针对直接序列扩频信号的伪码码片速率估计问题,提出了一种利用联合循环高阶累积量非对角1-D切片特征参数,对直扩信号码片速率进行盲估计的改进算法。该算法将采样信号不同延时的非对角1-D切片进行联合处理,通过自相关、快速傅里叶变换、求模平方等方法,增强了谱线特征。仿真实验证明,改进算法较2-D切片算法简化了计算,并且在更低信噪比条件下,实现了对无先验信息直接序列扩频信号的码片速率盲估计。     

柱体大攻角入水弹道建模与仿真

基于CFD计算获得了柱体大攻角入水过程流体动力特性,进而建立了大攻角入水弹道模型,使用流场-弹道耦合计算结果验证了模型的适用性和精度,然后仿真分析了入水攻角和速度对入水弹道的影响规律。该模型能较准确地预测柱体大攻角入水弹道,对研究发射平台安全性问题和空投鱼雷等入水攻击性武器的入水弹道预测问题等有较强的指导意义。     

多波束相控阵天线角跟踪性能及测试方法

针对目前对多波束相控阵天线角跟踪性能测试研究较少的问题,首先分析了多波束相控阵天线的单脉冲和差测角方法,并对波束滑动、波束穿越及信号频率变化对角跟踪性能的影响进行了仿真分析。类比传统的雷达精度校飞试验,提出了基于飞艇的角跟踪性能测试方法,对角跟踪精度及误差范围进行测试,并利用STK软件实现了可视化。仿真分析表明,该方法可以实现对多波束相控阵天线角跟踪性能的评定并具有较高的工程应用价值。     

互耦条件下方位全向米波雷达测角算法

针对方位全向米波雷达的天线阵列口径小,阵元间互耦严重,从而使得传统全向测角方法误差大的问题,提出一种互耦条件下的无模糊全向测角算法。该算法利用相位模式激励出的-1阶,0阶和1阶模进行联合测角,相比于仅利用-1阶和0阶模或者0阶和1阶模,消除了互耦对测角的影响;相比于仅利用-1阶和1阶模,可实现无模糊测角。理论推导、仿真分析以及实测结果均验证了该算法的有效性。     

基于MPC方法无人机避障路径规划研究

无人机大多依靠规划好的航路飞行,面对复杂的、不可预知的飞行环境,有效的自主障碍规避能力对提高飞行安全十分必要。针对无人机飞行过程中机动障碍物的避障问题,提出了一种MPC避障路径规划方法。构造障碍物预测模型、一阶指数参考轨迹生成方法、并提出了能力-时间组合最优为目标的滚动优化模型,有效解决了在运动障碍物作用下,无人机运动轨迹安全、平滑的动态规划问题。二维和三维空间仿真结果表明,所提方法是有效的。     

射击诸元综合检验管理系统的设计与实现

射击诸元是炮兵实现精确打击的关键核心要素之一,其精度是一个非常重要的战技指标,射击诸元解算软件的精度检验就显得尤为重要。目前,射击诸元精度检验多为人工检验,存在工作量大、耗时多、检验题覆盖面不全面、易出现误操作影响检验结果等问题。基于此,提出设计一套射击诸元综合检验管理系统,该系统通过出题、解算、分析、定位、纠错等完成诸元精度检验的全流程,解决了目前检查题不全面、解算软件多形态、问题定位纠错不及时等问题,减少中间环节人为操作因素,可大幅提升综合检验能力和效率,实现快速高效检验。该系统既可用于检验人员进行诸元精度检验,也可辅助设计人员改进和完善射击诸元解算软件,具有较强的实用价值和推广意义。     

基于混合算法的巡飞无人机轨迹优化策略

提出大型空中侦察无人机作为控制中继来控制陆基发射的巡飞无人机作战模式。以多脉冲固体火箭发动机为动力的巡飞无人机的航程末端速度大,可以有效提升无人机的战场生存能力;为使巡飞无人机末速最大,有效提高巡飞无人机飞行轨迹优化求解的鲁棒性和精度,提出了遗传算法与高斯伪谱法相嵌套的混合优化方法。同时与单脉冲推力模式的无人机进行了对比仿真,验证了该混合优化算法的实用性和有效性。     

转台角位置误差校准技术

角位置误差是评定转台性能的重要指标。对当前几种转台角位置误差校准技术的校准原理、校准方法及校准装置进行阐述和分析,比较各种校准技术的特点,最后对校准实际中需解决的关键问题和发展前景进行了总结展望。     

日常交互中朋友关系强度度量方法

针对如何度量日常生活中人们之间的关系强度问题展开研究,提出一个从日常轨迹、语义位置以及语义标签三个层次度量朋友之间关系强度的层级模型FRSHV。采用动态时间规整模型通过计算朋友之间的空间距离来度量其日常轨迹之间的相似度,进而使用轨迹序列熵值对用户每天轨迹的相似度进行加权处理,将其作为朋友之间的关系强度;采用主题模型隐含狄利克雷分布分别计算朋友之间的基于语义位置和语义标签的行为模式的相似性,将其作为朋友之间的关系强度;采用集成学习的思想对三个层次的度量结果进行投票,以投票结果作为最终的朋友之间的关系强度。在公开数据集上对FRSHV模型的有效性进行实验验证,结果表明该模型能够有效地度量朋友之间的关系强度。