亚音速轴流风扇静转子相互作用线谱噪声预报

静转子相互作用线谱噪声是亚音速轴流风扇主要噪声源之一,快速预报该噪声对风扇设计初期的叶片选型和参数设计具有重要意义.因此在叶栅响应函数理论的基础上考虑静转子叶片的相互作用,采用叶片经验尾流模型模拟转子尾流,推导得到静转子叶栅相互作用线谱辐射声功率半经验半理论计算公式.通过与NASA已有的试验模型和计算模型结果对比,验证...     

美军杀伤网概念研究及对我防空作战装备体系的启示

DARPA寻求从杀伤链转向杀伤网,意图利用信息网络构建高度分散的杀伤网,形成难以预测的杀伤链。美空军在试验旗体系下开展“橙旗”“翠旗”和“黑旗”试验,探索杀伤网概念的落地应用。首先,围绕杀伤网作战概念,阐述杀伤网与杀伤链的内涵与差异;其次,理清DARPA“自适应跨域杀伤网”项目的发展背景,分析其基于电子商务“供应商—消费者”框架的架构设计,总结其“跨域杀伤网协商与实例化的实时推理分析”软件针对项目关键技术的演示验证情况;再次,从作战管理、体系架构、安全通信、基础设施、标准规范等方面提出构建杀伤网所需的关键技术;最后,瞄准构建未来防御作战弹性杀伤网,从技术角度给出建设我防空作战装备体系的建议。     

自适应阵-扩频抗干扰,全相参多点源诱骗抗反辐射攻击的通信系统研究

自适应阵－扩频通俗读物针扩频通信与天线阵自适应调零技术结合真情为,可充分发挥扩频、５ 各项的技术优势,使通信系统具有很强的抗干扰效果,在军事通信中具有特别重要的意义。以辐射源作为牙击目标的反辐射导弹对军事通信系统以及雷达系统严重威胁。利用全相参多点源电子诱骗技术将诱导到远离辐射源及辐射源载体的地方。是一和中抗反辐射攻击的有效方法,将该技术与扩频－自适应阵通信系统相结合,可以构成具有很强抗干扰能力和     

基于小波的信噪分离方法

本文在 Ｄｏｎｏｈｏ 提出的从噪声中恢复信号的非线性小波方法的基本原理的基础上, 并针对非线性小波方法的核心问题——浮动阈值的设定提出了新的算法。通过算例证明, 所设计的浮动阈值在实际应用中效果较好, 特别在低信噪比时信号恢复效果明显优于现常用的浮动阈值设计方法。     

发射波束域MIMO-STAP雷达发射接收联合设计方法

研究了信号相关杂波背景下机载多输入多输出(multiple-input multiple-output,MIMO)雷达发射波束形成和接收滤波器的联合设计问题,建立了机载MIMO雷达发射波束域空时自适应处理(space-time adaptive processing, STAP)信号模型。为了提升杂波环境下目标的检测性能,通过最大化输出信干噪比构建了发射波束形成和接收滤波器的联合设计问题;然后,设计了一种新的基于优化最小化(majorization-minimization,MM)框架的迭代优化算法来解决联合设计问题。该算法通过合理寻找目标函数的下界可以有效提升算法的收敛速度并降低算法的运行时间。此外,与传统的相控阵雷达和MIMO雷达相比,优化后的发射波束形成和接收滤波器可以显著提升输出信干噪比,仿真实验验证了所提方法的有效性。     

基于小波分析的光纤陀螺信号处理

在分析光纤陀螺的噪声特性的基础上,研究光纤陀螺信号滤波的方法,采用基于S te in无偏似然估计原理,对光纤陀螺信号进行小波阈值除噪,从而达到抑制光纤陀螺中存在的1/fr噪声和白噪声的目的。实验结果表明,小波滤波的方法对于抑制光纤陀螺中的噪声,提高信噪比具有良好的效果。     

惯性导航系统中的Kalman滤波技术

近年来针对在实际应用中出现的Kalman滤波精度低,甚至滤波器发散的问题,出现了多种改进的状态估计算法,研究了偏差分离滤波,自适应Kalman滤波,H∞滤波,鲁棒Kalman滤波,根据它们的特点,对于它们在惯性导航领域中的应用进行了论述和分析,这些算法对于提高Kalman滤波精度,增强滤波的稳定性,提高惯性导航系统性能具有一定的效果,同时具有广阔的应用前景。     

基于指数试探的稀疏度自适应匹配追踪算法

针对贪婪算法需要以信号稀疏度作为先验信息的问题,基于指数试探思想提出了一种稀疏度自适应重构算法。利用指数函数特性分段试探信号稀疏度,使其快速逼近真实值,通过筛选回退锁定信号的有效支撑集,再采取弱匹配剪枝精确重构出原始信号。能够摆脱对稀疏度的依赖,以高概率自适应重构信号。实验表明,该算法的试探结果更加准确和稳定,重构成功率提高,特别是当稀疏比小于0.25时,算法最少只需3次试探,便可快速估计出信号稀疏度,且成功重构成功率不低于97%。     

基于逆强化学习的空战态势评估函数优化方法

为提高无人作战飞机(UCAV)自主决策效能,提出基于逆强化学习的空战态势评估函数优化方法。以现有的正例与反例两类空战数据为样本训练一个RBF网络,采用逆强化学习得到不同态势下的态势值,实现了对现有空战数据的知识提取;利用Sigmoid函数的压缩作用,降低了整体态势值,加快了UCAV学习的收敛速度;采用自适应粒子群算法求解优化了态势评估函数中的权重参数,提升了对复杂空战态势的适应能力;仿真结果表明该方法能够优化态势评估函数,提高机动决策的收敛速度,在UCAV自主决策中具有一定现实意义。     

引入STF算法的自适应SICKF及其在目标跟踪中的应用

针对容积卡尔曼滤波在系统状态突变时滤波精度下降的问题,结合均方根嵌入式容积卡尔曼滤波(SICKF)和强跟踪滤波(STF)算法,提出了一种自适应均方根嵌入式容积卡尔曼滤波(ASICKF)方法。采用嵌入式容积准则和均方根滤波方法,以提高算法的滤波精度和稳定性。引入强跟踪滤波,利用渐消因子在线修正预测误差协方差阵,强迫残差序列正交,以增强算法应对系统状态突变等不确定因素的能力。为了解决状态突变未知的目标跟踪问题,采用自适应均方根嵌入式容积卡尔曼滤波算法进行数值仿真,仿真结果表明,ASICKF在系统状态突变时能保证较高的滤波精度,具有较强的鲁棒性和系统自适应能力。