基于影响网络的态势估计

为克服传统贝叶斯网络进行态势估计时,在主观性环境下条件概率难以获取和指定条件概率表的工作量随贝叶斯网络中节点数量的增长呈指数增长的问题,提出了用影响网络对态势估计进行建模的方法;基于影响网络的态势估计模型,在继承传统贝叶斯网络结构的基础上,利用促进与抑制两种因果影响关系使建模更为直观、易懂,更好地表现证据节点对其子节点的影响关系;利用CAST逻辑使条件概率表的获取更为简单,解决了条件概率随节点增长而指数增长的问题,并能很好地表现专家知识以及为条件概率表的获取时提供了一种新的解决方法。     

MEMS矢量传感器方位估计误差分析

为提高MEMS仿生矢量传感器的定位精度,对其误差来源进行分析。对于单个矢量传感器,误差来源于其自身灵敏度不一致及流噪声的影响。提出通过分段插值来绘制线性曲线、选用差分测量结构和调整两路输出信号的大小使灵敏度一致;对于流噪声产生的误差,提出一种加聚氨酯导流罩的新结构,可以使水听器抑制流噪声的能力较之前提高20 dB。对阵列而言,选取不同阵元数进行仿真对比分析,得出随着阵元数的增加,水声传感器阵列DOA估计的准确度会随之增高,分辨力也随之增强。通过对影响MEMS矢量传感器方位估计的误差来源进行分析,进一步提出解决方案,为提高其定位精度提供了有力的科学支撑,从而为MEMS矢量传感器的工程化应用奠定了坚实的基础。     

比例最小偏度单形UKF的RBF神经网络算法

为提高RBF神经网络的建模性能,提出一种基于改进无迹Kalman滤波(UKF)的RBF神经网络训练算法。在该算法中,首先将比例最小偏度单形Sigma点采样策略引入UT,以有效改进UKF,提升其计算效率,然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明,改进的UKF比EKF具有更高的RBF神经网络模型训练精度,与传统UKF的模型精度大体相当,但速度更快,计算效率更高。     

通信误码率对浮标声纳系统DOA估计性能的影响

浮标声纳受到功耗、体积和硬件复杂度等因素的限制,通常将接收数据通过无线信道发送到终端设备进行处理。由于多径传播、衰落特性以及多普勒效应等众多因素的干扰,信号在无线通信传递中会产生误码并影响最终系统性能。针对复杂传输信道环境下的浮标声纳系统,研究了误码率对系统的多目标方位估计性能的影响,并通过计算机仿真给出了误码率允许的门限。     

基于Matlab/Simulink的无人机自主着陆过程仿真

为了研究无人机自主着陆过程中高度、速度和飞行轨迹角的变化特性,以提高无人机自主着陆的安全性和精确性,需要对无人机着陆过程进行数学建模。采用模块化设计思想,根据无人机非线性动力学和运动学方程,在Matlab/Simulink环境下建立了无人机着陆仿真系统及其分系统模型。通过仿真分析,该模型能够比较真实地描述无人机着陆过程的特性,为更深入地无人机仿真研究打下基础。     

对机载相控阵雷达STAP技术的旁瓣干扰

空时自适应处理(STAP)是一种有效的抗干扰技术。介绍机载相控阵雷达STAP技术检测动目标的基本原理,提出了基于灵巧噪声的旁瓣干扰方法。研究了灵巧噪声的具体干扰样式,利用其经雷达MTD处理后在距离-多普勒域都展宽的特性形成大量假动目标,当假动目标的距离-多普勒信息与待检测通道吻合时将产生响应输出形成欺骗干扰,以扰乱目标的正常检测,理论分析和仿真结果证明了干扰的可行性和有效性。     

基于WebSocket的Web实时通信系统

传统军事信息系统一般采用C/S架构,但是其系统部署成本高,软件升级维护困难。而采用B/S架构则不会存在此问题,但是B/S架构通信量大、网络带宽占用高,不利于在战场环境中进行服务器推送。针对此问题,首先对目前存在的WEB服务器推送技术进行了分析和总结;接着实现了基于WebSocket的服务器推送技术,并通过实验证明了该方法网络带宽占用小,效率高;最后详细介绍了如何实现一个WEB实时通信系统。     

基于FPGA的GNSS卫星信号模拟器扩频调制实现

介绍了GNSS卫星信号模拟器卫星信号调制方式,阐述了扩频调制原理及其在GPS和GLONASS系统中的实现方式。给出了GNSS卫星信号模拟器GPS和GLONASS系统伪随机码和扩频调制信号的生成方法,利用Verilog在Xilinx’ISE 11.2和ModelSim 6.5中完成设计和仿真,并在FPGA中进行实现。本调制模块已应用于某型GNSS模拟器样机,通过程序仿真与样机测试,表明本信号调制模块性能满足GNSS卫星信号模拟器系统需求。     

起重机吊重摆角的自适应神经网络补偿控制

为了控制起重机吊重摆动幅度在最短时间内衰减到规定范围或平衡点附近,同时考虑到由于外界不确定性因素导致的系统模型的不确定性,设计了自适应径向基函数Radial Basis Function（RBF）神经网络补偿控制器。RBF神经网络对系统模型的未知函数进行辨识,并将辨识信息提供给控制器。实验结果表明：吊重摆角约在5s时跟踪给定幅度的正弦信号,并在参考信号发生突变时,摆角仍在给定的范围内;RBF神经网络约在5s后几乎以零误差辨识未知函数。所设计的控制器对不确定性因素具有较强的鲁棒性,这也验证了控制系统稳定性证明结论。     

信号分割修正聚类的星座图恢复算法

通过分析载波估计频偏、信号长度对星座图恢复的影响,采用将长信号分割为短信号的方法减小频偏对星座图恢复的干扰,并通过旋转叠加修正的方法解决了由信号长度减小导致码元失去历遍性而带来的星座图恢复不完整问题,最后根据信噪比大小选取不同聚类算法进行聚类并再次修正,实现了星座图对称的幅相调制信号的星座图完整恢复。多次仿真表明,该算法对频偏估计精度的要求可以降低1~2个数量级,减小了参数估计的工作量,使因参数估计精度不高而带来的信号后续分析困难问题得到了良好解决。