子空间投影后波束形成的导航接收机抗干扰性能分析

利用导航信号淹没于干扰信号和热噪声的特点,将天线阵列接收的空时信号矢量向干扰子空间的正交子空间投影以实现干扰抑制。当接收机对投影后的单阵元数据捕获成功后,利用捕获估计的本地扩频码相位作为参考信号,依据最小均方误差准则进行波束形成。仿真结果表明该抗干扰算法在零陷强干扰的同时使主波束指向导航信号来波方向,有效提高了阵列输出信干噪比,并降低了空时自适应处理对导航信号伪码相关峰形状和载波跟踪性能的影响。     

航天测控通信系统可靠性分析的Krylov子空间投影算法

基于Markov模型对航天测控通信系统进行可靠性分析的过程中,若系统中测控通信设备数量较多,模型中的状态空间随设备数量呈指数增长,将会导致数值计算困难.提出了一种基于Krylov子空间技术的可靠性分析方法,将大规模问题投影至小规模子空间中,求得问题的近似解.实验结果证明,Krylov子空间方法的计算速度及精度优于Ross方法和前向Euler法(forward Euler method,FEM).     

基于进化搜索策略的并行子空间设计算法

并行子空间设计是一种有效的多学科设计优化算法,但其搜索策略存在两点不足:一是寻找全局最优解能力有限,二是计算复杂。为弥补上述不足,将遗传算法应用到CSD算法中,提出了一种基于进化搜索策略的CSD算法。介绍了该算法的设计流程,应用该算法对一测试问题进行了优化,取得了满意结果。     

采用遗传算法的弹托迎风窝结构设计

针对一体化弹丸弹托易分离性和轻质化的设计要求，构建弹托迎风窝参数化外形模型，基于激波和膨胀波理论建立弹托气动力计算模型；以弹托分离加速度和弹托质量综合最优为目标函数，采用遗传算法对弹托迎风窝的外形参数进行优化设计，从而得到弹托迎风窝的优化外形。以中口径尾翼稳定脱壳穿甲弹的弹托设计为例，采用提出的优化设计模型对其迎风窝结构进行优化设计，并采用基于动网格技术的弹托分离仿真模型验证其最优性。仿真结果表明：所提优化模型能够得到最优的弹托迎风窝结构；针对现有的中口径尾翼稳定脱壳穿甲弹，可进一步对其弹托结构进行优化，以提高其分离快速性。     

基于子空间投影波束形成技术的导航接收机抗干扰算法研究

阵列天线空时自适应处理通过联合空域和时域的自适应滤波处理技术能够有效提高导航接收机的窄带和宽带干扰抑制性能。利用导航信号淹没在干扰信号和热噪声的特点，本文提出先将天线阵列接收的空时信号矢量向干扰子空间的正交子空间投影以实现干扰抑制，当接收机对投影后的参考阵元数据捕获成功后，利用捕获估计的本地扩频码相位作为参考信号依据最小均方误差准则进行波束形成。仿真结果表明该抗干扰算法在零陷强干扰的同时使主波束指向导航信号来波方向，有效提高了阵列输出信干噪比，并降低了空时自适应处理对导航信号伪码相关峰形状和载波跟踪性能的影响。     

关于D—N.S.算子类的注记

本文在文献的基础上对 D—N.S.算子类作了进一步探讨,得到了一些新的结果,它们对 Hilbert 空间上有界线性算子的不变子空间研究有所启示和帮助。     

子空间分解与淘汰优化方法

提出一种新的多学科设计优化方法,即子空间分解与淘汰优化方法.该方法通过子空间的分解和淘汰,提高剩余子空间的近似模型精度,基于子空间近似模型优化获取最优解.首先,基于设计空间近似模型获取最优解,如果近似模型达到满意精度,则终止优化;否则将设计空间分解为多个子空间.然后,各子空间基于近似模型优化,如果子空间没有可能获得优于...     

巨型机求解大型稀疏问题的Krylov子空间法

求解大型稀疏问题最流行的方法是建立在子空间投影技术之上的。这类方法的主要吸引力是仅需要使用矩阵向量乘法。我们给出PCG、GMRES、Lanczos和Davidson算法及在YH-I上的实现,然后比较每一方法的优缺点,并尽可能讨论其并行执行。     

一种高阶累积量的模态参数辨识方法改进及其应用

高阶累积量的模态参数辨识方法能够消除高斯噪声的影响。但基于传统的高阶累积量降阶方法的子空间模态参数辨识方法具有一定的缺陷。为此,提出2种降阶方法用于高阶累积量的子空间模态参数辨识方法,并对这2种方法进行了比较。利用主切片方法对某变截面轴进行了模态参数识别,获得了与有限元法相一致的计算结果,从而证明了该方法的可靠性。该方法的辨识质量较高,能够用于一般结构的模态参数辨识。     

Adaptive subspace detection based on two-step dimension reduction in the underwater waveguide

In the underwater waveguide, the conventional adaptive subspace detector (ASD), derived by using the generalized likelihood ratio test (GLRT) theory, suffers from a significant degradation in detection per-formance when the samplings of training data are deficient. This paper proposes a dimension-reduced approach to alleviate this problem. The dimension reduction includes two steps: firstly, the full array is divided into several subarrays; secondly, the test data and the training data at each subarray are transformed into the modal domain from the hydrophone domain. Then the modal-domain test data and training data at each subarray are processed to formulate the subarray statistic by using the GLRT theory. The final test statistic of the dimension-reduced ASD (DR-ASD) is obtained by summing all the subarray statistics. After the dimension reduction, the unknown parameters can be estimated more accurately so the DR-ASD achieves a better detection performance than the ASD. In order to achieve the optimal detection performance, the processing gain of the DR-ASD is deduced to choose a proper number of subarrays. Simulation experiments verify the improved detection performance of the DR-ASD compared with the ASD.