基于天线阵方位变化的相位双差GNSS欺骗干扰检测算法研究*

GNSS欺骗干扰通常由单个天线发射,各个欺骗干扰信号到达接收机的角度相同,采用阵列天线接收时欺骗信号达到不同阵元的相位差包含了其角度信息,故可利用信号载波相位差进行欺骗干扰检测。相位双差检测算法通过比较不同卫星信号到达天线阵两阵元的相位差实现欺骗干扰的判别,但对于二元天线阵,其载波相位双差存在角度模糊,导致虚警概率较高,限制了算法的应用。针对这一问题,本文提出了基于天线阵方位变化的欺骗干扰检测算法,通过二元天线阵在不同方位估计信号的载波相位双差,进行多次判决,有效消除了角度模糊,降低检测的虚警概率,实现二元天线的载波相位双差检测。建立了仿真模型,并通过仿真计算分析验证了该方法的有效性。     

C3I系统中的态势关联技术

态势关联是在态势估计前必须解决的一个问题,即要将不同时刻的态势数据进行关联,得到各个时刻态势数据中描述的目标间的关系。对时间间隔比较长的态势数据的关联,研究了一种基于模糊推理的态势关联方法,综合考虑了目标属性信息和状态信息、战场环境信息、指挥人员的态势预估计知识,通过推理得到关联的结果。     

多方位测量的相位双差GNSS欺骗干扰检测算法

对于二元天线阵,相位双差检测算法的载波相位双差角度模糊、虚警概率较高,这限制了算法的应用。针对这一问题,提出天线阵方位变化的欺骗干扰检测算法。通过二元天线阵在不同方位估计信号的载波相位双差,进行多次判决,有效消除角度模糊,降低检测的虚警概率,实现二元天线的载波相位双差检测。建立仿真模型,并通过仿真计算分析验证了该方法的有效性。     

水下仿生推进器阀控液压摆动关节建模与动态特性分析

采用液压驱动的模拟鱼柔性长背鳍波动运动的水下仿生推进器,当改变液压系统的流量和阀的控制参数时,其运动学参数能够迅速地做相应调整,实现平稳、流畅、连续的仿生运动。建立了阀控液压摆动关节的动力学模型,根据动力学模型得到系统传递函数,并绘制了Bode图。根据传递函数分析了阀控液压摆动关节的稳定特性、动态位置刚度特性和动态响应特性。结果表明阀控液压摆动关节具有一定的自稳定性,其工作频率与影响位置刚度的负载变化频率重叠,动态响应速度可以通过优化结构参数来调整。     

坦克和自行火炮的简单定位定向方法

应自行武器间瞄射击的要求,提出了测定装甲机械化分队各车体方位的原则和简单方法,并对此测算方法进行了误差分析,然后以某分队为例,分别测算了指挥车和队属单车的车体方位和误差,结果表明该定位定向方法能够满足自行武器间瞄准射击的要求,可供装备自行武器的部队在射击训练时参考。     

目标数据关联多因素分布式推理判决系统推理结构

目标数据关联多因素分布式推理判决系统 ,是一基于分布式判决分类系统理论进行目标数据关联分析的大规模推理判决系统 ,在C3I系统中有着广泛的应用前景。本文在分析推理判决系统的推理规则类型和状态类型的基础上 ,给出系统的推理结构图 ,该推理结构是正关联神经推理结构     

空时频方位关联算法

针对跳频组网通信中不同信号间的时频分隔特点,利用时频重心进行目标方位数据关联,提出了空时频方位关联算法。根据提取的时频特征设计空时频测向的核函数,实现了简化的空时频测向算法。根据时频距离设计代价函数,基于匈牙利算法实现了方位关联结果的最优化二维分配。根据时频距离选择窗函数的类型和长度,有效避免了信号旁瓣泄露对测向精度的影响,显著提高了密集目标条件下的关联正确概率。数值仿真验证了上述观点。     

多目标数据关联的多维Lagrangian松驰法

将多目标跟踪中的数据关联问题提成为一个离散最优化问题 ,并采用 L agrangian松驰算法来克服该问题面临的计算困难 ,这是目前多祯多目标测量数据关联研究发展的重要方向。首先将多祯多目标数据关联问题建立为一个带约束的多维分配问题 ;并在维数大于 2时 ,采用 L agrangian松驰算法来松驰约束条件 ,使问题降维为计算上可接受的二维分配问题。     

一种非均匀噪声下的DOA估计算法

通用协方差差分算法用来实现对空间非均匀噪声环境下相干信号的波达方向(DOA)估计,该算法可以完全消除空间非均匀噪声,且适用于低信噪比环境,但该算法的DOA估计结果存在伪峰。针对这一问题,提出了一种改进的算法。改进算法通过对通用协方差差分(GCD)算法的信号协方差矩阵进行变换,再用特征分解的方法得到信号的DOA估计值。改进的算法可以完全消除伪峰,理论分析和仿真实验验证了改进算法的有效性。     

齿轮箱故障诊断特征级数据关联方法研究

提出了齿轮箱故障诊断特征级数据关联的定义．在该定义的基础上,提出了基于Bootstrap方法的小样本诊断特征参数关联的方法．利用某型齿轮箱振动试验台测取的振动加速度响应信号对提取的特征参数进行了关联评估,基于Bootstrap方法的特征级数据关联方法正确区分出了效果不好的特征参数,证实了该数据关联方法的正确性．