非确知先验信息条件下MIMO雷达波形设计

考虑了目标先验知识未确知条件下,提升基于多输入多输出正交频分复用(MIMO-OFDM)雷达的空时自适应处理(STAP)最差条件下检测概率的稳健波形设计问题。在发射波形恒模特性及目标参数不确定凸集约束下,基于最大化输出信干噪比(SINR)准则,构建了提高最差条件下MIMO-OFDM-STAP检测性能的极大极小波形优化问题。为求解所得NP-hard问题,先将发射波形恒模特性松弛为低峰均比约束,而后利用对角加载(DL)将其重构为可有效求解的半定规划(SDP)问题。与传统非相关信号和主流非稳健算法相比,数值仿真验证了该算法可显著提升MIMO雷达目标检测的稳健性。     

基于超网络的作战体系演化模型构建方法

作战体系建模是体系对抗分析和体系能力水平度量的基础,分析了作战体系的网络特性,引入与作战体系网络具有天然契合性的超网络理论,提出基于时序的作战体系超网络描述方法,根据作战体系网络特性提出局域空间点超度择优演化机制;提出基于网络连通率的体系抗毁性指标,并结合复杂网络理论分析超网络节点距离的计算方法,提出基于网络距离的体系...     

未标定的视频小卫星深空目标凝视控制

设计了一种目标凝视自适应姿态控制方法,可以实现未知目标位置和未标定相机参数条件下的目标凝视控制。根据运动学方程提取出恰当的未知参数,从而将参数进行线性化表示;引入关于未知参数的势函数,确保参数矩阵的秩满足稳定性要求;采用了一个参数自更新律在线估计未知参数,提出了基于估计参数的自适应控制律。采用李雅普诺夫稳定性理论和芭芭拉特引理,证明了目标成像位置与期望成像位置的误差可以渐近收敛到零。仿真结果表明:目标位置未知且相机参数存在偏差的情况下,该自适应控制器能〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCSC.TIF;%129%129〗听语音 聊科研与作者互动 够有效地对深空目标进行凝视观测。     

领导者输入未知的多智能体系统容错一致性设计方法

自然界中许多现象都间接地映射了多智能体分布式协同控制问题,在实践应用中展现了潜在的应用价值,如何实现一致性一直是多智能体研究的基础和热点问题。基于李雅普诺夫稳定性分析、自适应控制理论等方法研究了具有绝对未知输入的多智能体系统的自适应容错一致性问题。首先,根据故障的演变特征建立了一种马尔科夫跳变故障模型;其次,提出一类包含固定控制器增益、相邻智能体的局部状态信息及时变辅助控制函数的容错一致协议,利用辅助控制函数来补偿执行器故障和领导者未知输入;然后,建立适合于该系统的H;性能指标函数,减少了估计误差和多智能体初始状态对闭环系统的影响;最后,通过仿真验证了所设计方法的有效性,能较好的估计故障和实现容错一致性。所提供的算法为无人协同编队在复杂环境下的应用提供理论支撑。     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。