基于FPGA的BOC调制信号捕获处理器设计

通过对BOC调制信号的相关特性进行分析,结合带通欠采样技术,提出了一种BOC调制信号的直接捕获方法,并进行基于FPGA的BOC调制信号捕获处理器的设计与实现.仿真结果表明,基于FPGA的BOC调制信号捕获处理器实现了对BOC信号的正确捕获,为BOC信号接收机的研制提供了技术基础.     

基于间歇采样转发干扰的ISAR群目标生成方法

基于间歇采样转发干扰理论,提出了一种ISAR二维群目标生成方法。采用伴飞式干扰机,对所掩护的目标回波信号进行间歇采样转发,在ISAR上形成逼真的虚假二维群目标图像;通过调整干扰机和目标的空间位置关系,生成二维假目标序列,并能模拟目标的动态姿态变化。在介绍了间歇采样转发干扰的基本原理后,阐述了伴飞式干扰原理,然后从理论上推导了了伴飞式干扰机的功率和空间位置要求,接下来着重分析了二维群目标生成的理论原因,指出了影响二维群目标分布的关键因素和群目标的姿态角变化规律,最后进行了仿真验证,结果表明了该方法的有效性。研究成果对于ISAR干扰机的设计和工程应用具有指导意义。     

时敏打击中航迹规划与重规划研究

针对时敏打击作战的特点,对飞行器航迹规划与重规划进行了研究,提出了一种基于粒子群的航迹规划算法.该方法通过使用特定的粒子群编码方式和构造适当的适应度函数,可以在满足航迹约束的条件下,有效利用各种环境信息,进行实时航迹规划.仿真实验表明,该算法可以有效利用各种环境信息,在实时环境下处理各种航迹约束,并最终获得近似的最优航迹.     

发射与制导分离的编队协同防空目标分配决策

为解决舰艇编队协同防空中发射和制导分离时的动态目标分配问题,以编队生存概率最大、目标突防综合威胁值最小和制导单元分配效益最优为最优函数,建立了动态多目标优化分配决策模型及状态的动态更新方式.采用多项改进措施设计了动态多目标粒子群优化求解算法及流程.仿真结果表明,所建立的目标分配模型能较好地解决舰舰协同防空中火力通道固定和分离时的不同分配问题,并得到了一些有益结论.     

基于FPGA的无线传感器设计

现代技术可以用飞机或远程火力布撒传感器网络节点到敌方战场,用以详尽准确地探测目标战场的精确信息.针对这一数据采集传感器网络节点具体应用,运用FPGA器件Cyclone芯片实现对控制A/D转换芯片AD 1674的采样控制,利用QuartusⅡ开发平台进行软件编程实现了对的A/D转换芯片的工作时序控制,节点平台用FPGA实现MAC逻辑控制和相关帧数据处理,对模拟采样数据组帧编码,利用射频芯片实现无线链路向外传输.     

一种高效的通信电台测试点优化故障诊断策略

针对通信电台的测试诊断问题,通过建立“故障一测试”相关性矩阵,提出了一种GADPSO算法与最大诊断信息量准则结合进行通信电台故障诊断的方法．GADPSO算法收敛速度快、计算精度高,既避免了陷入局部最优和早熟收敛,又提高了优化效率;最大诊断信息量准则能全面评判测试点,快速有效地获得测试顺序．该方法为通信电台故障诊断提供了一种高效诊断策略．     

自由漂浮空间机器人关节故障锁定位置辨识

针对自由漂浮空间机器人在关节故障情况下关节锁定位置的辨识问题,根据其线动量守恒和角动量守恒特性,建立了关节故障锁定位置辨识的误差模型,提出了利用混沌粒子群优化(CPSO)搜索关节故障位置的辨识算法。最后采用虚拟样机技术,建立了空间机器人系统的虚拟样机,对空间机器人系统进行动力学仿真,获取了运动数据,采用此数据对提出的关节故障位置辨识算法进行了有效性验证。     

基于PSO-RBF神经网络的雷达目标识别

为提高雷达系统目标识别能力,对粒子群算法及RBF神经网络进行了分析。针对离子群算法(PSO)易陷入局部极小的缺陷,提出了基于自适应时变权重和局部搜索算子的改进PSO算法,并将该算法应用到RBF神经网络核函数参数的优化学习中,进行了雷达目标识别仿真实验。仿真结果表明,相对于标准PSO-RBF神经网络,改进算法不仅收敛速度快,且误差精度高,特别在干扰较强时,目标的识别率有较大提高。     

基于兹-QPSO的战斗机机动规避优化方法

规避导弹攻击对于提高战斗机生存能力具有重要意义。首先,建立战斗机和导弹的运动模型及导弹导引律模型,采用直接多重打靶的参数化方法,将机动规避最优控制问题转化为非线性规划问题;采用相位角编码量子粒子群优化算法（兹-QPSO）实现参数寻优,并结合滚动优化的思想,利用模型预测控制得到规避轨迹闭环解和战斗机的实时控制量。最后仿真验证了该方法的合理性和算法的有效性。     

非高斯背景条件下水声信号粒子滤波性能分析

基于贝叶斯滤波原理,介绍了粒子滤波(Particle Filter,PF)的基本思想和具体算法实现步骤。针对非高斯噪声对水下信号目标跟踪的影响,分别对符合高斯分布、韦伯分布和伽马分布的随机噪声序列,在噪声均值和方差相同的条件下,对比分析了扩展卡尔曼滤波(Extended Kaman Filter,EKF)算法和PF算法的估计精度。仿真结果表明,在非线性非高斯环境下EKF算法跟踪性能严重下降,而PF算法能继续保持较好的跟踪精度,证明PF算法在非线性非高斯系统中的有效性。