双站测向与测时差组合定位精度分析

针对无源雷达测向与测时差组合定位问题,提出一种利用前者量测结果为后者构建假量测点和协方差的新方法,并采用凸组合法对测向与假量测结果进行融合,得出综合定位精度的分布。仿真结果表明,该方法能够有效地利用两种完全不同的量测数据,提高目标的定位精度,同时给出的GDOP理论值可以真实反映组合量测的性能,具有一定的应用价值。     

作战任务总量的迭代收敛性

为降低作战任务的复杂度,提高任务执行效率,研究了作战任务总量及其迭代收敛问题.首先,采用图形和设计结构矩阵,阐明反导作战子任务的复杂联系.再引入任务转移矩阵建立任务总量模型,总结迭代收敛条件.最后,综合考虑资源和时间约束,规划子任务优先级并优化作战资源配置.结合实例分析了任务总量迭代收敛规律的可行性和有效性,为反导作战任务规划提供了理论指导.     

几何非线性机械臂有限段传递矩阵法

提出了几何非线性柔性机械臂动力学有限段传递矩阵建模方法,该方法既保留了有限段法自动计及几何非线性和动力刚化的优势,又保留了传递矩阵法建模的方便灵活.算例表明,计算时间与自由度成正比,在已知运动规律的情况下,可直接求得所需的驱动力矩,反之亦然.该方法无需建立系统总体动力学方程,易于工程技术人员掌握,具有一定实用价值.     

构造二维正交紧支撑线性相位小波滤波器的递推算法

根据二维小波滤波器参数化理论,提出了一个具有可操作性的二维小波滤波器递推算法。用最简形式刻画了4阶标准正交中心对称矩阵,并证明了根据算法产生的线性相位滤波器的一个重要性质。     

空战中基于威胁评估的任务规划

根据空战作战计划的复杂性、实时性特点,提出了在威胁评估基础上动态进行空战任务规划以实现对战场的有效实时控制.首先建立了融合态势优势和空战效能指数优势的威胁评估模型,然后将感知到的战场态势信息作为威胁评估模型的输入,得到体现战场态势的优势矩阵,最后在此基础上进行攻击目标的分配.以目标分配的结果为根据就可以指导作战单位做出正确实时的决策.     

ANP的指挥控制系统作战效能评估

通过分析指挥控制系统的结构,提出了影响其作战效能的指标集.针对系统的特点选定了基于网络层次分析法(ANP)的评估方法,确立了评价准则.建立了ANP控制层和网络层模型,并且利用计算极限超矩阵的方法对单个准则下各方案的作战效能进行排序.最后通过对单个准则下的排序向量进行加权求和获得指挥控制系统作战效能的排序向量.     

侵彻子母弹封锁机场跑道最小升降窗口搜索算法研究

针对侵彻子母弹封锁机场跑道中判断是否存在最小升降窗口的"两点比较"算法,提出更为符合实际毁伤情况的"网格-矩阵"算法。采用随机分布的数学模型和计算机仿真模型,利用Monte Carlo法模拟侵彻子母弹子弹的落点。最后在Matlab7.0环境下对两种算法进行了仿真试验和对比分析,提出两种算法在火力辅助决策中的使用建议。     

基于解线频调ISAR成像与散射中心匹配的弹道目标识别

为了能充分利用目标的散射中心进行弹道目标识别,提出利用解线频调的方法,通过对距离向和方位向进行快速傅里叶变换(FFT),实现对目标散射中心成像,然后从目标ISAR像中提取目标特征信息。最后提出了一种新的匹配识别的方法实现对目标的分类识别,该方法利用提取的散射中心的位置和幅度信息,通过构造匹配度矩阵,判定目标所属的类别。仿真实验表明,该方法在设定情况下具有良好的目标识别能力。     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

块Toeplitz矩阵低复杂度求逆的卫星导航空时抗干扰算法

采样协方差矩阵求逆是空时抗干扰算法的基本运算单元,但由于其运算量随时域抽头个数急剧增长,直接限制了空时抗干扰技术在卫星导航接收机中的应用。针对该问题,提出了基于块Toeplitz矩阵快速求逆的空时抗干扰方法。通过采用新的协方差矩阵近似计算方法,使得该矩阵同时为块Toeplitz矩阵与Hermite矩阵,并运用块Toeplitz矩阵的快速求逆算法,将时域抽头个数为K的计算复杂度从O[K3]降至O[K2]。理论分析和仿真结果表明,在阵元数为4、时域抽头为15的典型情况下,相比现有矩阵求逆方法,该算法的抗干扰性能损耗小于1d B,但计算量可降低约2/3。