论微分方程中的两个不等式

对于具有无限时滞中立型泛函微分方程,以空间为相空间,讨论了方程解的性质,得到了关于解的两个重要不等式。     

多分量LFM信号检测与参数估计的新方法

针对传统的多分量LFM信号检测与参数估计中存在的精度不高和交叉项问题,将小波重排与Hough变换结合起来,首先对信号进行小波变换,克服交叉项干扰,再经过时频重排保证精度,以重排后的时频分布作为图像,利用 Hough变换通过查表的方式,实现对各分量的依次截取和参数估计.仿真实验表明,该方法能够有效地提取多分量LFM信号中各分量的特征参数.     

具有离散时滞与分时时滞的非自治系统的渐近稳定性

研究了一类具有离散时滞与分布时滞的非自治线性系统的渐近稳定性问题,利用Lyaplunov函数方法和线性矩阵不等式（LMI）,得到了系统渐近稳定性的一些充分条件,这些条件能够利用线性矩阵不等式（LMIs）表示,且表达式中含有具有时变时滞与分布时滞项,这样,具有时变时滞与分布时滞的非自治线性系统的稳定性就能够通过Matlab的LIM工具箱进行验证。     

线性调频脉冲压缩雷达抗干扰能力分析与仿真

脉冲压缩雷达具有很强的抗压制性干扰能力.针对线性调频脉冲压缩雷达的工作过程和抗干扰原理,分析了射频噪声干扰、噪声调幅干扰、噪声调频干扰、移频干扰的特点和性质,并讨论了脉压雷达抗这4种干扰的能力,给出了仿真结果和结论.     

基于球坐标系下BLUE滤波的IMM算法

针对机动目标跟踪中常见的量测转换问题,提出了一种基于球坐标系下最优线性无偏估计滤波的交互多模型算法。该算法的核心思想是将最优线性无偏估计滤波作为交互多模型中的基本滤波,完成对机动目标的跟踪。在仿真试验中,将该算法与基于扩展卡尔曼滤波的交互多模型算法进行比较,结果表明该算法有效地抑制了扩展卡尔曼滤波中常见的滤波发散问题,并且提高了跟踪的精度,具有较好的实用性。     

LMI的鲁棒H∞滤波在惯导初始对准中的应用

给出了基于线性矩阵不等式(LMI)的鲁棒H∞滤波器的设计过程,该方法克服了传统的代数Riccati方程方法诸多条件的限制.当把系统模型不确定性用多胞型表示时,只需求解线性矩阵不等式组,可以方便的设计滤波器.在惯性导航系统(INS)初始对准中的应用表明,基于LMI的鲁棒H∞状态估计器在系统参数具有不确定性时,仍能保证较短的对准时间,并可使估计失准角收敛,具有良好的鲁棒性.     

基于改进自适应聚类的无线传感器目标跟踪算法

针对无线传感器网络目标跟踪中跟踪精度与传感器节能问题进行研究,提出基于预测的簇头自适应聚类算法,该算法采用动态聚类算法,通过考虑传感器节点剩余能量、节点到汇聚的距离和节点到运动目标的距离3个参数,最大限度地减少簇头与基站间的远程通信,节约网络能量,延长网络寿命,降低目标漏失概率,加入预测机制,采用线性预测的方法预测跟踪...     

应用改进的LP算法构建虚拟阵的精确定向方法

为了克服传统LP(Linear Predecition)算法在构建虚拟阵过程中存在预测误差容易累积的弊端,提出了一种能够更充分利用实阵信息量的改进LP算法来构建虚拟阵。采用实际基阵方法、传统LP虚拟阵方法和改进LP虚拟阵方法分别对假定基阵的波束性能进行计算机仿真及对湖试数据进行处理成像,研究结果表明,与传统LP方法相比,改进的LP方法能够有效地抑制波束旁瓣,进一步提高了基阵的角度分辨力和阵增益,将其运用于特定试验背景下的实际湖底目标探测,方向分辨精度可提高75%。     

基于改进模糊综合评判法的告警器能力评估

针对模糊综合评判法在告警器评估时的有效评估问题,对评估过程的指标赋权、隶属度、信息集合算子进行了研究,提出了一种改进的适合告警器的模糊综合评判方法。该方法根据最小二乘原理和离差函数,把目标规划方法应用到组合赋权之中,充分考虑了权重的主客观因素;建立了基于隶属云的评估模型,用隶属云代替隶属函数,保留了隶属度的随机特性;提出了将密度加权平均(Density Weighted Average,DWA)算子用到信息集结中,充分利用了所有的评估信息。通过对某型机载雷达告警器的有效评估,表明了该方法的合理性。     

基于GA-BP网络的LFM信号脉冲压缩

为了改善线性调频(linear frequency modulation,LFM)信号脉冲压缩输出的性能,研究了误差反向传播(back propagation,BP)神经网络在线性调频信号脉冲压缩中的应用。采用遗传算法(genetic algorithm,GA)对BP神经网络的连接权值进行训练学习,该算法可克服BP网络容易陷入局部最优的缺点。仿真结果表明,GA-BP网络具有较快的收敛速度和较好的数值稳定性,在信噪比损失小于1dB的条件下,可获得60dB左右的输出主旁瓣比。