基于Gabor谱方法的跳频信号参数盲估计

提出了一种基于Gabor谱的未知跳频信号参数盲估计方法。该方法利用Gabor谱能量集中、时频分辨率高、交叉项干扰小的特点,在未知任何先验参数的情况下,能够准确估计出跳频信号的跳频频率、跳变时刻和跳频信号驻留时间等参数。通过计算机仿真得到了较为准确的估计结果,验证了该算法的有效性。     

基于频率补偿的时延估计方法

由于2个测量站的通道幅相不一致而导致送给时延估计器的两路信号的频率有差异,继而影响时延估计和系统定位精度。首先理论推导了频率差异是如何影响广义相关时延估计的,接着应用频域相关函数对频率差异做准确估计和补偿,最后给出了频差补偿后的时延估计方法。以4种常用通信信号为例,仿真验证了不同信噪比下所提出方法的正确性和有效性。     

调频脉冲信号辐射源多普勒信息提取方法研究

提出了一种基于单脉冲频率及频率变化率联合估计和多脉冲联合估计脉冲重复周期变化率的调频脉冲信号辐射源目标多普勒参数提取方法。该方法解决了无源定位系统数据采样频率与辐射源脉冲重复周期不匹配造成的频率偏差问题,在脉冲到达时间的提取上避免了对脉冲边沿的判断,使得利用中频采样信号计算脉冲重复周期成为可能。介绍对了该方法所采用的频率及频率变化率联合估计关键技术,并在此基础上讨论了该方法所能达到的理论估计精度及误差分析,最后通过仿真试验验证了该方法的可行性和有效性。     

相干信号源DOA估计改进ESPRIT算法研究

在目标方位估计(DOA)的众多算法中,ESPRIT是一种运算速度快、精度高的常用算法,但它不能解相干信号。提出一种基于观测数据直接空间平滑的改进型ESPRIT算法,解决了常规ESPRIT算法不能解相干、对信噪比要求高等问题。该方法适用于所有信号(非相干和相干信号)的目标方位估计。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

基于级间设计的人机联合探月方案

基于登月飞行器的级间组合设计方法对载人登月飞行器的构造进行设计,在级间方案的论证中分析了不同组装模式对运载火箭能力的需求,建立了航天员和机器人联合探测的载人登月方案。级间组合方法可为应转移飞行器和登月飞行器设计提供另一种思路,本文根据飞行器级间的不同组合方式对登月飞行器的质量规模进行了初步估算,并对比了不同飞行方案对运载火箭能力的需求,研究可为我国首次载人登月任务方案提供参考。     

改进熵系数法的预警机探测引导能力评估

引入欧氏距离来度量基于离差最大化法与熵系数法确定的两个权重向量的相似度,在相似度最大约束条件下,确定了熵系数法中参数ρ值,解决了参数ρ取值人为主观性的问题。采用区间数来表示专家对指标间的相对重要性,克服了实际中难于得到准确决策信息的问题。将区间数特征向量法确定的主观权重和改进的熵系数法确定的客观权重集成得到组合权重,采用加权算术平均算子对4种预警机的探测引导能力进行了计算。     

空间角度相近多干扰源DOA估计

针对空间角度相近多个干扰源DOA估计时,经典MUSIC算法估计性能与分辨效果不佳的问题,提出了一种改进的MUSIC算法。该算法利用干扰与目标回波信号的特征,划分出干扰子空间、信号与噪声子空间,重新构造了空间谱函数。通过对经典MUSIC算法与改进的MUSIC算法DOA估计的仿真分析,结果表明,在小快拍数、多干扰源空间角度相近、低信干比的情况下,改进的MUSIC算法估计性能与分辨精度更佳。     

基于非参数统计的加速退化试验优化设计北大核心

加速退化试验优化设计研究如何在有限的费用约束下设计方案以减少试验评估误差。采用参数统计分析试验数据需要假设分布函数,当假设错误时会引起较大的误差,而采用非参数统计分析,通过数据本身来寻找合适的回归模型则可避免这一问题。以试验费用为约束,进行加速退化试验优化设计,给出各优化变量:试验应力水平、各应力水平下样本量、性能监测次数和监测间隔,最后通过仿真算例说明该加速退化试验优化设计方法的应用。     

基于控制器动态线性化的数据驱动ILC

针对未知非线性非仿射重复离散时间系统,将迭代域的动态线性化技术应用于非线性被控系统和未知非线性理想学习控制器,提出一种新的数据驱动迭代学习控制方案。通过设计一种改进的无模型自适应迭代学习控制算法对理想学习控制器的增益进行估计,该方案仅利用非线性系统的输入输出数据,便可自动调整迭代学习控制律。数值仿真和对高速列车模型的仿真验证了该方法的有效性和适用性。