提高近场精度的海洋声学快速场改进模型

为了提高海洋声学快速场模型在近场区域的计算精度,分析了影响经典快速场模型精度的因素,主要包括Bessel函数近似、忽略内行波项以及在水平距离最远处波数采样率过低,这些因素导致快速场模型近场误差较大、远场水平距离最远处结果不正确(计算结束后需要去除水平距离后段的声场)。提出能够提高经典快速场模型近场计算精度的改进模型,改进部分主要是采用保留内行波项的近似Bessel函数,再将近场上下两个基于声源点与对称轴的三角形区域用波数积分解(使用精确Bessel函数)覆盖。算例测试结果表明:与经典快速场模型相比,改进模型可在绝对时间增加较少的情况下,显著提高近场计算精度,综合性能更优;与波数积分法相比,改进模型在误差为同量级的情况下,积分时间大幅降低,实际应用价值更高。     

车载综合电力系统动态重构及其功率流控制

随着陆战平台全电化技术的加速发展,战斗平台大功率用电负载不断增加,电能需求急剧上升,且不同负载驱动特性迥异,对车载综合电力系统的供电性能与负载适应性提出了苛刻要求。针对上述问题,探讨了一种车载综合电力系统动态重构方法,利用系统内部各装置、部件组合重构,构建出适应不同应用环境的多种工作模式;在此基础上,设计了工作模式层次化状态集,提出了基于有限状态机的工作模式转换与功率流动态控制方法,将其应用于工程实践。装车试验结果表明:系统模式转换灵活,冗余度高,动态重构能力强,负载适应性好,可为高适应性车载综合电力系统研究提供参考。     

基于K_L变换与SVM的硬件木马检测新方法

针对基于旁路分析的硬件木马检测,旁路信号数据在空间中呈现高维分布、非线性的问题,探究在降低信号维数方面核函数的可行性,提出了一种基于K_L变换与支持向量机(Support Vector Machine,SVM)的硬件木马检测模型。在FPGA加密芯片中植入所设计的硬件木马进行实验,实验结果对比表明,利用主特征向量构建的SVM模型在检测占电路2%的硬件木马时,测试准确率达到了98.1%,为规模更小的木马检测提供了新思路。     

高超声速再入轨迹跟踪控制的微分变换方法

针对多约束条件下高超声速飞行器再入制导问题,提出一种基于微分变换法求解最优反馈控制的全状态标准轨迹跟踪制导律。利用滚动时域控制方法设计易于在线执行的闭环跟踪制导策略,在每个制导周期内将标准轨迹跟踪问题转化为线性时变系统状态调节器问题,并通过最优控制理论进一步转化为两点边值问题,采用微分变换法进行求解获得最优反馈控制律。数值仿真表明微分变换法的引入有效解决了传统两点边值问题求解的数值不稳定性与耗时问题,所设计的闭环制导律对状态偏差与模型不确定性具有较强的鲁棒性,可为工程设计提供有益参考。     

矢量偏差小波函数（Ⅱ）

基于数学辩证法思想,提出了一种新的小波变换即矢量积小波变换、这种变换对信号处理尤其是高信信号处理十分有用。建立了矢量小波函数、矢量尺度函数和偏差小波函数,它们适合信号分析与处理。分析并提出了一种新的信号表示,并用最优控制理论实现了数值测试,结果表明该方法明显优于传统方法。     

小波分析电子签名系统

成功开发了小波分析电子签名系统。运用快速小波变换理论和生物识别技术提取人体指纹特征,转化为指纹特征码嵌入电子文本,解决了信息传输的安全问题,对因特网的身份认证、信息认证有重要指导作用。     

频域匹配滤波-FFT联合捕获算法北大核心

频域匹配滤波法利用FFT-IFFT完成时域伪码的快速相关,提出频域匹配滤波-FFT联合捕获法,该方法在频域匹配滤波法的基础上对相关结果进行二次FFT运算。通过仿真结果可知,在相同条件下得到的相关峰值高于频域匹配滤波法的相关峰值,提高了多普勒频率的估计精度,在信噪比大于-14 dB时捕获概率能达到0.988。由此可见,频域匹配滤波-FFT联合捕获法在估计精度和捕获概率上优于传统的频域匹配滤波法。     

闭环激励下无人机非线性参数频域在线辨识

随着无人机在军民领域的大规模应用,对无人机复杂工况下的安全性和适应性提出更高要求。闭环辨识能够在考虑系统反馈作用下获取辨识参数,大幅提高辨识试验的稳定性和安全性。针对无人机闭环辨识试验中多变量非线性气动参数获取问题,首先基于某固定翼无人机动力学模型,推导了无人机的气动力、气动力矩等29个气动参数辨识模型;然后提出了一种闭环激励下无人机多变量非线性参数频域在线辨识方法,设计了基于递推傅里叶最小二乘的闭环辨识的流程架构;最后通过添加噪声后的仿真系统对辨识方法的有效性进行了验证,对辨识结果的有效性进行了分析,可为后续开展的闭环辨识飞行试验提供技术储备和理论支持。初步仿真结果证明,提出的闭环激励下无人机多变量非线性参数频域在线辨识方法可以高效获得辨识结果,辨识的29个气动参数中有16个气动参数辨识平均误差3.43%,同时提出的辨识方法较常规最小二乘法精准度平均提高25.5%。     

一种面向无人侦察机的通信受限干扰源跟踪方法

复杂战场环境中无人侦察机对干扰源的跟踪面临着信号干扰能量强、干扰源数量多、信道容量受限制、通信信道被攻击等难点。为提升无人侦察机对干扰源的跟踪能力,提出了一种从测向直接到跟踪的两段式干扰源跟踪方法。首先,对干扰源的动态、无人侦察机集群的观测模型和信道模型进行建模;其次,阐述了基于集贝叶斯滤波器的从测向直接到跟踪的两段式干扰源跟踪方法,通过规避定位过程,减少跟踪误差;再次,对通信受限信道模型进行了建模,并将其引入到所提出的方法中,实现了对通信受限时干扰源跟踪的一体化表征及求解;最后,采用仿真实验验证了所提方法的可行性与优越性。研究可为无人侦察机对干扰源的跟踪提供新思路。     

基于高斯数据增广的小样本数据无人机编队类型抗扰识别

近年来,随着无人机的应用越来越广泛,对无人机编队类型进行准确识别具有重要意义。基于此,对小样本数据下无人机编队类型识别问题进行了研究。首先,对目前常用的各种无人机编队类型识别方法进行了介绍,针对小样本数据无人机编队类型抗扰识别面临的主要问题进行了分析;其次,对所提方法涉及的理论背景进行了研究;然后,对所提无人机编队类型抗扰识别算法进行了详细阐述;最后以带有噪声的菱形无人机编队的位置坐标作为输入数据,使用所提方法进行仿真实验,仿真实验结果表明,以参数均方误差作为队形识别的准确度指标,所提方法可将均方误差由45.1降低至0.46,显著提高了无人机机群特征聚类的精度与鲁棒性,证明了所提方法在小样本数据无人机编队类型抗扰识别问题上的有效性。