强跟踪扩展卡尔曼滤波及其在捷联惯导初始对准中的应用

针对在模型失配和观测噪声干扰情况下常规滤波器出现精度下降甚至是发散的问题,提出了基于自适应多重渐消因子的改进方法,即通过计算新息序列协方差的估计值确定多重渐消因子,提高当前观测量对滤波器的修正作用。仿真及实测实验结果表明:该算法可以有效抑制滤波发散,同时保证其快速收敛以及高精度估计。     

基于卡尔曼滤波的超宽带时变信道估计

在超宽带时变信道估计中,针对状态转移系数估计不准确引起的滤波发散问题,提出一种基于状态转移系数门限修正的卡尔曼滤波信道估计方法。该方法对时变信道采用自回归模型(AR)进行建模,利用导频估计初始信道信息和信道状态转移系数,并对信道转移系数进行门限修正。仿真实验表明:和传统卡尔曼滤波算法相比,提出方法实现简单并能有效抑制滤波发散问题,提高时变信道估计精度。     

基于强化学习的鱼群自组织行为模拟

自组织行为广泛存在于自然界中。为了通过学习的方式模拟鱼群自组织行为,构建了鱼群模拟环境模型、智能体模型和奖励机制,并提出了一种基于赫布迹和行动者-评价者框架的多智能体强化学习方法。该方法利用赫布迹加强游动策略的学习记忆能力,基于同构思想实现了多智能体的分布式学习。仿真结果表明,该方法能够适用于领航跟随、自主漫游、群体导航等场景中鱼群自组织行为学习,并且基于学习方法模拟的鱼群展现的行为特性与基于博德规则计算模拟的鱼群行为类似。     

基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

互耦条件下柱面共形阵列多参数联合估计

共形阵列天线中信源方位、极化和互耦系数相互耦合,已有经典阵列的互耦误差校正算法均不能有效地移植应用。针对柱面共形载体的单曲率特点,通过合理的天线布局,利用互耦矩阵的Toeplitz性和秩损理论,给出了柱面共形阵列天线互耦条件下信源方位与极化的联合估计算法,并对可能出现的方位角模糊进行了详细的分析,给出解模糊方法。所提算法无需参数配对,即可实现信源方位、极化和互耦系数的联合估计。计算机Monte-Carlo仿真实验验证了该算法的有效性。     

舰船水下自防御系统及其指挥控制功能设计

水下自防御系统是目前水面舰船作战系统研发中的一个全新概念。介绍了舰船水下自防御系统的概念由来和研究范畴,分析了综合防御鱼雷技术的现状及发展。从防御对象的多样性、防御手段的相干性方面,论述了自防御指挥控制功能设计的主要难点,并由此引出鱼雷制导类型识别、多手段相干性处理两项关键技术。指出了自防御指挥控制技术研发的3个基本着眼点,并从态势感知和防御决策方面论述了指挥控制功能研发思路。围绕人机结合、系统时效和评价标准阐述了对自防御指挥控制功能设计的辩证理解。研究内容可为舰船水下自防御系统的研发提供理论参考。     

面向目标对峙跟踪的四旋翼协同编队控制方法

针对多四旋翼编队飞行过程中对地面目标对峙跟踪、几何队形生成、稳固保持和协同抗干扰问题,设计了一种可应对外部环境干扰和气动参数不确定性的多四旋翼主从式协同目标跟踪方法。首先,建立存在外部干扰以及参数不确定性的四旋翼运动学/动力学模型;其次,基于Lyapunov导航向量场设计领航者的对峙跟踪航迹使得领航者以固定对峙半径实现对目标的盘旋跟踪;然后,构造多四旋翼分布式位置保持控制器,为后续姿态控制器构造提供必要的期望指令;最后,针对四旋翼外部环境干扰和气动参数不确定性设计基于自抗扰控制的多四旋翼姿态跟踪控制器。仿真结果表明所提方法可以在局部智能体通信的前提下实现对地面目标的对峙跟踪,显著改善四旋翼编队系统的抗干扰能力,提升干扰环境下多四旋翼编队几何构型的稳固性。     

用不确定性度量作战效能的评估方法

把作战过程分解成多个节点,用不确定性自信息量度量各节点完成任务的程度,并改造了信息熵函数,得出一种适合求解作战效能的评估方法.最后,针对一实例进行效能评估建模、验模和灵敏度分析.