基于改进遗传算法的结构损伤识别

结构损伤识别问题在数学上可以转化为一种带约束的目标函数优化求解。将基于混沌系统的优化理论和免疫系统的基本机制提出的自适应免疫遗传算法用于结构损伤识别,研究其有效性和可行性。通过平面框架单元损伤识别算例分析,表明该方法是实用可行的。     

基于Kalman预测的自适应线性化信号的生成方法

自旋弹体的姿态通常采用单通道控制方法进行控制。该方法中采用线性化信号对控制信号进行调制,而线性化信号采用固定频率随机相位的信号发生器产生,这就会对弹体控制产生不良的影响。提出了一种基于Kalman预测的自适应线性化信号的实现方法。该方法通过弹旋频率测定、频率的Kalman预测和信号发生器实现了线性化信号对弹旋信号的同步、自适应倍频、定步长、定幅度的信号发生功能。仿真实验证明了方的正确性,为更加合理的控制自旋导弹的姿态提供了一种有效的方法。     

基于分簇理论的信息流优化算法研究

将导弹防御指控网络看作变拓扑结构网络,引入小世界网络中"簇"的概念,以最短作战响应时间为优化指标,提出了一种基于平均连接度自适应分簇算法的信息流优化算法。仿真结果表明,该算法在保证信息优裕度的前提下,提高了信息可达度和信息交互质量,提高了指控网络遭受打击时的重构能力。     

天线波束对飞机射频隐身性能的影响分析

射频隐身是新一代军用飞机必须具备的重要能力。从隐身飞机的实际使用环境出发,针对以往只考虑个体对抗特性,采用Schleher截获因子评价飞机射频隐身性能的不足,提出了基于整体对抗特性,采用联合截获概率评估射频隐身性能的新方法,为射频隐身研究提供了新思路。通过对隐身飞机的射频使用环境建模,计算了天线波束的空、地覆盖区大小,结合联合截获概率的定义和计算方法,仿真了不同情况下天线波束宽度对联合截获概率的影响。根据仿真结果,分析了天线波束对飞机射频隐身性能的影响,其结论可为隐身飞机天线设计时的折中考虑提供基础和参考依据。     

基于K-矩阵残差的航天器姿态确定自适应算法

在航天器姿态确定时,针对由于模型误差而使滤波发散的情况,根据协方差匹配的方法,提出一种基于K-矩阵残差的自适应姿态确定算法.通过调整滤波器中的噪声协方差,得到一种在线最佳姿态四元数的最小二乘拟合递归算法.针对传统残差定义的不足,根据K-矩阵的几何性质,设计适应的残差和标准,来解决这一问题.针对高值的残差可由测量噪声或过程噪声的建模误差引起,或由两个共同引起,分别对测量噪声自适应滤波和过程噪声自适应滤波进行了研究.仿真表明,此种算法效果较好.     

矢量阵的快速宽带频域波束形成方法

矢量水听器能获取振速信息,因此由其所组成的阵列有着常规声压阵列所不能比拟的优势,但正因为有了振速各分量信息,基于矢量阵的信号处理面临计算量大为增加的高维协方差矩阵运算的难题,当阵元数较多时,难以实时实现。为此,基于FFT思想,提出了一种适用于矢量水听器阵列的快速宽带频域波束形成方法。该方法在频域实现,将宽带信号分解为多个窄带信号,采用快速傅立叶变换来实现各阵元数据的相移累加过程,处理速度得以大幅提高。研究表明:该方法完全满足实时处理的需求,其测向性能也能达到克拉美-罗下界,且矢量阵具有常规阵所不具有的左右舷分辨能力,对微弱目标的检测能力也较强。     

基于双自适应小波变换的JPEG2000数字水印算法

针对小波变换提出一种双自适应算法,并将该算法应用于JPEG2000压缩过程中的小波变换,在此基础之上,又提出一种适合于JPEG2000的数字水印算法．该算法利用JPEG2000压缩中的双白适应小波变换,将水印嵌入到量化后的小波系数中．实验证明,该算法具有较好的不可见性和较强的鲁棒性．     

WDM—PONs系统中AMOOFDM信号的多信道传输研究

为了提高波分复用无源光网络信道的传输能力,提出了自适应调制光正交频分复用的多信道传输方法．首先,在单模光纤连接上采用直接调制激光器和直接检测技术,给出了传输系统的模型;其次,给出了波分复用信道比特位加载算法;最后,用实例分析了40（或80）km直接调制与检测单模光纤连接系统及传统单一调制系统的传输性能．结果表明：自适应调制信号传输能力得到提高,同时最佳动态光发射功率范围和削峰比范围分别提高5dB和3dB．     

基于ANFIS的目标毁伤等级预测模型

分析了神经网络和模糊推理系统的优缺点,研究了自适应神经模糊推理系统（ANFIS）结构模型及后向传播和递归最小二乘算法相结合的混合算法．在分析了目标毁伤等级主要影响因素的基础上,构建了目标毁伤等级预测ANFIS模型,利用毁伤试验样本数据训练该模型,得到了与实际一致的目标毁伤等级,并将预测结果与基于BP神经网络的预测结果进行了仿真对比分析．仿真结果表明,该目标毁伤等级预测模型能够准确地预测出目标的毁伤等级,并且其预测精度较BP神经网络方法高,为目标毁伤等级预测提供了一种有效的方法．     

基于ANFIS的空袭目标攻击意图量化方法

为准确评估空袭目标的威胁程度和提高指挥员的防空决策水平,采用自适应神经模糊推理系统(ANFIS)对空袭目标的攻击意图量化分析。该方法将模糊推理和人工神经网络有机地结合起来,充分利用专家知识,综合集成了航向角攻击意图系数和高度攻击意图系数。仿真结果表明,建立的攻击意图量化系统反映了影响因素和攻击意图的映射规律,方法合理有效,能够为防空作战提供决策支持。