三维半线性波动方程初值问题解的破裂

研究了半线性波动方程初值问题在三维空间中解的生命跨度的上界估计,关于此初值问题的爆破解将被建立。无论多么小的初值,该问题都没有整体解,在前人研究的基础上给出该初值问题解的生命跨度的上界估计。     

导弹自动驾驶仪控制算法鲁棒性研究

以某型轴对称导弹为研究对象,在解耦和线性化的情况下,得到简化的数学模型。通过求解线性矩阵不等式(LMI)设计了状态反馈H∞控制导弹自动驾驶仪,采用模糊和变论域理论设计了变论域模糊PID控制自动驾驶仪。考虑飞行过程中的干扰、气动参数摄动,对两种自动驾驶仪的控制性能进行对比研究,仿真结果表明,二者皆能实现对导弹制导指令的有效跟踪,其中状态反馈H∞控制设计的自动驾驶仪在指令跟踪的快速性、准确性和抗干扰性上具有明显的优越性。     

边缘化粒子概率假设密度滤波的多目标跟踪

针对复杂情况下的多目标跟踪问题,提出一种边缘化粒子概率假设密度滤波(MPF-PHD)方法。该方法首先将复杂情况下多个目标的状态向量分别提取出其中的非线性状态与线性状态。然后利用粒子概率假设密度滤波(PF-PHD)估计非线性状态,利用卡尔曼滤波(KF)估计线性状态,并把其中与非线性状态相关的线性状态估计用来优化非线性状态估计。通过对MPF-PHD方法与传统的PF-PHD方法仿真对比,验证了MPF-PHD方法有效解决了复杂情况下多目标跟踪的漏检问题,提高了多目标状态估计精度。     

****OFDM水声通信自适应调制算法研究

分析预估信道长度对信道估计算法的影响规律,提出了利用水声通信均衡恢复信号统计量对信道估计质量实时评估的方法,通过信道长度自适应修正机制,实现了对未知水声信道高精度、快速估计;针对水声信道造成的OFDM子载波特性差异,基于信道估计结果,提出了在码元总速率、能量约束条件下,各个OFDM子载波局部速率、功率优化分配的自适应调制算法,相比于传统的等功率、速率分配算法,新算法能够显著提升水声通信系统的误码率性能,通过仿真和实地试验,验证了本文研究内容的有效性。     

不完全量测下基于面目标的火控系统性能分析

针对实际工程中出现的不完全量测下火控系统性能的理论研究,将水面舰船建模为椭圆形面目标,建立了不完全量测下基于面目标测量的数学模型,给出了火控跟踪系统统计意义下的估计误差Cramer-Rao下界(CRLB);根据目标状态与射击诸元间的非线性误差传递关系,基于UT变换得到不完全量测下基于面目标的火控系统射击诸元误差方差下界。以某型舰载火控系统为例,仿真结果表明,在不完全量测下,与传统的质点目标火控系统相比,基于面目标测量的火控系统在估计性能上提高36%,火控性能提高34%。     

基于综合势力图的态势估计方法

在AI兵棋对抗中,能够更全面地理解态势信息是AI棋手获胜的前提条件.提出了基于综合势力图的态势估计方法,阐述了势力图的原理和一般生成过程,提出基于综合势力图的态势分析框架;将AI兵棋的静态信息、经验信息和动态信息计算叠加形成综合势力图,在此基础上分析敌方位置、视野以及火力威胁等态势相关信息,得到态势估计结果,为AI决策提供信息支撑;基于AI兵棋推演平台进行内置规则AI和基于势力图的AI之间的对抗实验,实验结果表明该方法能够提升AI决策的准确性,提高AI在兵棋对抗中的胜率.     

基于空间平滑的单次快拍DOA估计方法

针对DOA估计的实时性和数据污染影响,给出了一种基于空间平滑的单次快拍DOA估计算法.由空间平滑技术,对接收的单次快拍数据采取解相干,再对Toeplitz矩阵进行协方差处理、采用特征分解、MUSIC算法和ESPRIT算法对信号实现DOA估计.该算法只需单次快拍,大大地减少了计算量,并且比现有的算法估计性能更好.采用计算机实验模拟分析和验证,证实了其有效性.     

多因素观测来源不确定的多目标跟踪算法

杂波、低检测概率和目标间观测相互干扰等因素,使得目标观测的来源难以辨别,提出一种基于改进GMPHD滤波的多目标跟踪算法,通过引入目标标记和权重向量,增广了标准GMPHD迭代中目标信息.基于高斯分量合并策略、目标状态估计策略和高斯分量优化策略,能够有效地改善目标状态估计精度和滤波迭代效率.目标跟踪仿真实验结果表明了所提算法的有效性及鲁棒性.     

考虑地球曲率的三维目标APBR跟踪算法

针对机载被动双基站雷达(Airborne Passive Bistatic Radar,APBR)三维目标跟踪问题,提出一种杂波环境下考虑地球曲率的航迹起始与目标跟踪算法.在地心地固坐标系中建立包含地球曲率的目标运动模型和测量模型.利用多帧测量构建对数似然比函数,并通过遗传算法求解最优值,获得目标的三维状态初值.最后,利用概率数据关联结合扩展卡尔曼算法对杂波环境下的目标进行状态估计.仿真结果表明,所提方法比不考虑地球曲率的方法能获得更好的估计性能.     

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 ,增强了算法的稳定性