多波束卫星网络的物理层安全性能指标研究

安全性是卫星通信网络充分发挥其优势的必要保证。将物理层安全传输技术引入多波束卫星通信网络,可望有效提高卫星通信系统的抗截获和抗侦测能力。分析了卫星通信的物理层安全应用需求,设计了一套波束成形和功率控制相结合的多波束卫星下行链路物理层安全传输策略,建立了信道模型和信号模型,构建了一套多波束卫星网络下行链路的物理层安全性能评价指标,并对指标进行了定性和定量的分析。     

基于参数自适应CS模型的机动目标跟踪算法

为提高对机动目标的跟踪精度,提出一种基于参数自适应当前统计(CS)模型的跟踪算法。即利用加速度增量与位移的关系,自适应调整加速度方差,根据量测残差的统计距离判别目标机动特性,并调整模型的机动频率和滤波器增益系数,提高算法模型与目标机动模式的匹配程度。仿真结果表明,基于参数自适应CS模型跟踪算法能够较好地改善对强机动目标的跟踪性能。     

航空发动机自适应模拟退火遗传算法建模

以阶跃输入响应进行模型的检验,提出了航空发动机状态模型的建立方法:在抽功法所建立的状态空间模型的基础上,利用自适应模拟退火遗传算法对A、C矩阵元素进行寻优,解决了状态空间模型的响应与非线性模型不能够很好吻合的难题。仿真表明,得到的状态空间模型无论是动态过程还是稳态过程都能取得较高的建模精度,为航空发动机分布式控制的研究奠定了强有力的基础。     

基于反步法的高超声速飞行器终端滑模控制

为了使高超声速飞行器在再入过程中完成姿态控制,在反步法的基础上将模糊自适应和终端滑模控制相结合设计控制器。对于姿态角动态,使用反步法和模糊自适应设计虚拟控制律;而对于角速率动态,利用终端滑模方法设计控制器,能够有效提高系统鲁棒性。稳定性分析说明所提方法可以保证系统状态的一致渐进有界性。     

不同装备采购方式的装备价格形成机制探讨

文章在对传统的装备采购方式及装备价格形成机制进行分析的基础上,探讨了招标采购与非招标采购方式下装备价格的形成机制。文章认为,由于适用条件的不同,装备的采购可分为公开招标采购、邀请招标采购、竞争性谈判采购、单一来源采购和询价采购。与此相适应,装备价格的形成可分别采用市场机制、"成本补偿+利润"机制、"成本+激励金"机制、"平均成本+补偿成本"机制和"价值+供求"机制。     

一种能产生扇形波束的赋形抛物面天线

通过数值计算和实验发现:过抛物面顶点将抛物面平分成上下相等的两部分后,将下部分抛物面绕顶点向上旋转一小角度后形成的新天线(由上下两部分组成),可产生扇形波束.馈源方向图为cos3θ、口径半径为0.8m的赋形抛物面E、H平面的半功率宽度分别可达到1.2°、5.6°,而E、H平面的副瓣电平分别为-19.00 dB、-14.85 dB.     

多约束条件下发射DBF自适应零点控制技术

深入研究了在主瓣约束、主副瓣同时约束以及主副瓣约束且有规定零点这三种情况下的均匀线阵发射DBF自适应零点控制原理与方法,推导了基于Lagrange乘子法和采样矩阵求逆法的最优权值计算方法.仿真结果表明,在不同约束条件下,给出的自适应零点控制方法是非常有效的.     

低速滚转弹道导弹的鲁棒滑模控制

建立了在主动段滚转飞行的弹道导弹的非线性动力学模型.在传统反演滑模控制的基础上,考虑到导弹动力学特性依照时间尺度能够分离为快、慢变两个子系统,设计了对外干扰和参数摄动具有不变性的两级子滑模,实现递级滑模控制,同时引入一阶低通滤波器矩阵避免"膨胀项".考虑到不确定性的界值难于事先获知,在滑模控制器中引入了自适应律实时地估计不确定性的大小,削弱抖振.最后通过数字仿真验证了这种控制器可以实现导弹稳定飞行.     

变结构多模型估计第Ⅱ部分——模型集合自适应

变结构多模型(VSMM)估计的一个重要、自然和实用的方法是递归自适应模型集(RAMS)方法。此方法的关键是在理论上和实践上都具有挑战性的模型集自适应(MSA)。本文在理论上对MSA进行了研究。根据假设检验,阐明了MSA的各种典型问题,而这些假设一般是复合的,N元的,多变量的,更糟糕的是,不一定不相交。给出了一定数量的序列方案,这些方案在计算上都是高效的,容易实现的,并具有一些令人满意的最优特性。这些结果构成了建立性能良好,通用和实用的MSA算法的理论基础。在这里给出的理论结果已经应用于这系列后续部分的几种RAMS算法,这些算法都是应用广泛,容易实现并且明显优于当前的最佳固定结构多模型估计器。同时,它们对于变结构和固定结构多模型估计器的模型集对比、选择和设计都很重要。     

高频链路自动化（下）

ALE是HF通信的重要环节、网络化的基础。本文分别介绍2G－ALE、AQC－ALE和3G－ALE的链路建立协议、信息协议、信号结构、调制解调波形、ALE控制与管理功能、探测与信道选择。经分析比较可察觉HF链路的建立自动化程度越来越高。