基于Bayes估计的高炮虚拟校射理论

给出了脱靶量的定义,建立了小口径高炮虚拟校射脱靶量的一维数学模型,分析了脱耙量的统计性质,在此基础上运用贝叶斯估计理论,推导出校正量的最优估计量方程,并进行了相应分析.脱靶量可以作为一种离散的随机序列,任何一种特定的脱靶量序列均可表示为某种蜕化的广义马尔柯夫序列;脱靶量状态的最优估计问题是:基于观测输出{x(k);k=0,1,2,…}先验信息求取状态X(k)的最优滤波估计^X(k/k),使估计误差的方差最小,从而大大提高小高炮的射击精度.     

互耦影响存在时修正MUSIC算法的DOA估计

首先用矩量法精确分析了考虑互耦影响时天线阵元的电流分布,给出了计算电流的解析式,并仿真计算了单元直线阵的电流分布。然后以等效网络法为基础研究互耦影响存在时修正MUSIC算法的DOA估计性能,仿真实验表明在互耦影响存在时MUSIC算法失效,而修正MUSIC算法仍然具有良好的DOA估计性能。     

多传感器参数融合研究

防空导弹武器系统为了适应“网络中心战”,对多传感器参数融合进行了研究。给出了同时间点参数融合的加权最小二乘法与不同时间点参数融合的Kalman综合滤波法。对于各方法的性能,不仅进行了简要的理论分析,还给出了仿真实验的数据结果。理论分析与仿真实验都证明了这2种方法具有优异性能。     

交会对接中雷达测量信息的最优估计

基于目标飞行器与追踪飞行器交会对接这一应用背景,对于追踪飞行器上交会雷达对目标飞行器的原始测量信息(斜距、方位角、俯仰角,甚至径向速度),通过建立适当的目标模型以及观测方程,很好地对2个飞行器的非线性相对运动规律、追踪飞行器绕地球高动态旋转特性、追踪飞行器姿态偏差进行了补偿或修正,实现了最优估计,并通过仿真进行了验证。     

基于组合媒质通道模型的地下目标成像

由于电磁波在穿越不同介质时会出现折射现象,因此在地下目标成像过程中,电磁波信号穿越从雷达到地下目标的组合通道的路径不是直线而是折线,此时利用常规的自由空间中的合成孔径成像方法已经不能对目标进行成像。基于电磁波的传播规律和地层有耗媒质的特性,提出了电磁波传输的组合通道模型,并将其应用到地下目标成像中。通过仿真比较可以看出,使用组合通道模型对地下目标成像效果有明显的改善,组合通道模型适用于对分层土壤中的地下目标成像。     

HLA中仿真模型的验证

仿真模型的验证是根据模型预期的使用目的,判定模型和现实世界客观事物的符合程度,对于不同的问题可能有不同的方法。RTI使用UDP多点传送实现快速传输,因此在传输数据时容易产生信息包丢失的现象。本文对一个传统仿真模型进行了改造,使其与HLA兼容,并据此对模型验证进行了案例研究。     

基于可拓工程方法的舰空导弹作战通道性能分析

分析了舰空导弹作战通道性能的影响因素,应用可拓工程方法建立了舰空导弹作战通道性能多指标参数的物元可拓评估模型,以定量的结果对舰空导弹作战通道性能进行了评估分级,并与层次分析法的结果进行了比较,结论基本一致。为舰空导弹作战通道性能评估问题寻求出一种新方法,其评估结果可为决策提供定量依据。     

集成平台空域辅助阵列共址干扰抑制技术

针对同时存在恶意干扰与非法窃听的通信环境,提出一种协作干扰(cooperative jamming, CJ)掩护的保密通信架构,收发信机之间采用跳频技术躲避恶意干扰,并采用协作干扰技术阻塞非法窃听。但该架构的通信带宽较大,会在收发频率振荡器中引起显著的同相和正交(in-phase and quadrature, IQ)通道失衡。鉴于此,对收发IQ通道失衡引起的信号失真进行数学建模,给出接收机处信干噪比的数学表达式,并给出干扰抑制比的闭合表达式。仿真结果表明,收发IQ通道失衡引起的信号失真的功率远大于热噪声功率。随着收发IQ通道失衡加剧,所提架构的信干噪比和干扰抑制比性能均会急剧下降,当幅度和相位失衡分别达到0.95和π/50时,信干噪比和干扰抑制比均损失了47 dB。     

保密通信中同相和正交通道失衡对干扰抑制性能的影响

针对同时存在恶意干扰与非法窃听的通信环境,提出一种协作干扰(cooperative jamming, CJ)掩护的保密通信架构,收发信机之间采用跳频技术躲避恶意干扰,并采用协作干扰技术阻塞非法窃听。但该架构的通信带宽较大,会在收发频率振荡器中引起显著的同相和正交(in-phase and quadrature, IQ)通道失衡。鉴于此,对收发IQ通道失衡引起的信号失真进行数学建模,给出接收机处信干噪比的数学表达式,并给出干扰抑制比的闭合表达式。仿真结果表明,收发IQ通道失衡引起的信号失真的功率远大于热噪声功率。随着收发IQ通道失衡加剧,所提架构的信干噪比和干扰抑制比性能均会急剧下降,当幅度和相位失衡分别达到0.95和π/50时,信干噪比和干扰抑制比均损失了47 dB。     

基于事件的视觉SLAM综述

事件相机是一种生物学启发的新型视觉传感器。不同于传统相机输出强度图像帧,事件相机检测每个像素点的亮度变化,当亮度变化超过某一阈值,产生包含像素位置、时间戳及变化极性的像素级事件输出。同步定位与地图构建(SLAM)是一种让机器人独立估计自身位置并同步增量式地构建周围环境地图的技术,使用传统相机进行SLAM已经是一个成熟的话题,但在高速、高动态范围等挑战性场景下,传统图像帧易产生运动模糊。事件相机具有低延时、高时间分辨率、高动态范围等优秀特性,可以在SLAM领域弥补传统相机的不足,但“事件”这种非常规的异步输出形式导致了处理范式的转变。首先介绍了SLAM技术的基本流程,其次介绍了DVS、ATIS和DAVIS三种典型的事件相机,列举了基于事件的SLAM性能评估方法,梳理了事件寿命估计、时间平面表示、事件帧表示等事件数据的不同处理方式,然后回顾了事件相机在国内外视觉SLAM领域的应用研究并进行了总结和对比,最后对基于事件的视觉SLAM技术作了总结并展望了其未来发展趋势。综述表明,事件相机可以进一步拓宽视觉SLAM的应用场景,但新的数据形式和尚不成熟的硬件体系限制了基于事件的SLAM的发展。未来基于事件的SLAM可以围绕以下主题开展进一步研究:新的基于事件的传感器的研发、新的处理事件数据的方法、基于事件的SLAM与深度学习的结合以及基于双目事件的SLAM。