基于曲面拟合的宽带阵列模型误差有源校正

针对阵列模型误差难以建模的问题,提出一种新的非参数化有源校正方法。首先,测量部分离散方向点上的导向矢量。然后,利用测得的导向矢量拟合所有的模型误差曲面,并得到多项式系数。最后,在DOA估计时利用多项式系数计算所有方向和频率上的导向矢量。该方法适用于宽带阵列,且需要的数据存储量小。仿真实验结果表明该方法的校正误差非常小。因此,该方法具有一定的工程实用价值。     

红外探测系统对某型隐身飞机的作用距离分析

为了估算红外探测系统对某型隐身飞机的作用距离,首先构建该型飞机的简化模型,计算了飞机蒙皮、发动机尾喷口和尾焰等主要红外辐射源的中波红外辐射,然后在考虑辐射的大气衰减的基础上,推导出红外系统对点源目标的作用距离方程,并通过逐步逼近法求解该方程,最后通过算例求出不同气象条件、不同探测方向下的作用距离并对其进行分析。结果表明:红外探测系统探测隐身飞机时,能见度越高,其探测距离越远,并在尾追方向的探测距离大于迎头方向。     

基于加权MHD的反舰导弹预定目标选择方法

平均Hausdorff距离(MHD)方法基于编队的整体形状进行匹配来寻找对应点,因此,不像距离选择区法和扩展搜索图选择法那样受导弹自控段的导航误差和目标机动散布的影响。为了进一步提高反舰导弹的目标选择能力,考虑所匹配点集不同区域对Hausdorff距离函数的贡献程度不一样,提出了加权MHD(WMHD)来研究编队预定目标选择问题。首先通过刚体变换方法将火控雷达和末制导雷达探测到的编队点集进行位置匹配,然后利用WMHD方法获取其最优变换位置,最后据此最优变换位置预测预定选择目标在末制导雷达开机的位置。通过仿真实验表明其具有较强对抗冲淡干扰和形状扭曲失真的能力,且性能明显优于MHD方法。     

不连续距离特征量信息融合方法

浅海波导中低频声场存在稳定可观察的干涉结构,目标辐射噪声LOFAR图中呈现干涉条纹图案。从条纹中可以提取出距离特征量信息,它反映了目标运动过程中的距离变化率。由于外部环境的影响或运动态势的改变,LOFAR图中条纹有可能会短暂丢失。此时,基于波导不变条纹的距离特征量提取算法失效。提出了不连续距离特征量信息融合方法,在条纹丢失期间内保持对目标距离特征量轨迹的跟踪。仿真及海试数据处理结果验证了其可行性。     

存在随机站址误差时的最大似然时差定位算法

提出了一种存在随机站址误差时的时差定位算法,该算法将站址误差等效为距离差的测量误差,分析了该等效误差的统计特性,并给出了一种迭代最大似然估计算法。仿真结果表明,存在站址误差的条件下,算法逼近了克拉美罗界,明显优于其他时差定位算法。     

ISAR雷达欺骗式干扰信号生成算法

宽带ISAR雷达能够从目标回波中计算得出众多目标特征,对ISAR雷达的干扰信号必须高逼真地模拟目标的电磁散射特性和运动特性。从弹头目标电磁散射机理出发,分析了干扰信号生成流程,提出二维成像干扰的实现方案。针对虚假目标特性模拟问题,提出基于一维距离像模板合成欺骗干扰信号的算法。算法采用距离像模板与实际宽带ISAR信号的卷积调制处理,生成的干扰信号能较好地反映目标的电磁特性。通过多个脉冲的模拟,生成的干扰信号也能够准确反映目标的运动特性。仿真实验对暗室测量数据和HRRP模板数据进行成像效果对比,验证了算法的有效性。该算法对二维成像干扰机的工程设计具有指导意义。     

航天器调度中的资源约束推理方法

资源水平边界的估计是构建资源利用可行计划中的一个基础问题。通过分析航天器资源约束的共享与分离并存、累积与瞬时消耗并存、过度订阅与区间调度并存等特点,提出了资源时间网络、时间约束网络和约束网络相结合的资源约束描述方法;构建了增量式基于包络的资源约束算法和最早开始时间链展开资源约束算法,以快速获取资源一致的柔性解。实例证明,该方法较好地解决了航天器调度的资源约束推理问题。     

累积法在随机删失数据可靠性评估中的应用

在可靠性数据分析中引入累积法,结合平均秩次法解决随机删失数据下的参数估计问题。以双参数威布尔分布为例,设计了一种对比分析累积法和最小二乘法进行参数估计时估算效果优劣性的蒙特卡洛仿真方法。仿真结果表明,对于不同删失比、不同样本量下的随机删失数据,累积法的计算误差比最小二乘法更小,其结果更加接近真实值。     

舰炮武器系统仿真试验可信性评估方法

在介绍舰炮武器系统半实物仿真原理及系统组成的基础上,深入探讨了仿真试验结果可信性问题、仿真模型校核、验证与确认(VVA)的层次、仿真模型评估方法;介绍了基于最大熵谱估计的可信性评估定量分析方法;给出了仿真试验静、动态数据的验证方法以及仿真结果静、动态精度的检验方法;最后,以某型舰炮武器系统定型试验雷达通道数据验证了以上所述方法的有效性,并展望了可信性分析方法的发展方向。     

基于Hopfield神经网络算法的雷达干扰资源分配

为了使有限的雷达干扰资源发挥最佳的干扰效果,基于干扰效益最大准则建立了雷达干扰资源优化分配模型。提出了基于Hopfield神经网络算法的干扰资源优化分配方法,利用该方法能够在可行的解空间中找出满足能量函数和约束条件的全局最优分配方案。并与干扰资源蚁群优化分配算法进行了比较,理论推导与仿真实验表明该方法的可行性与有效性,且比蚁群分配算法具有更快的收敛速度和更好的健壮性。