改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。     

基于自由空间法的航迹规划方法

针对无人飞行器的海上航迹规划问题,提出了一种基于自由空间法的规划方法。该方法首先对规划空间进行单元分解后,搜索给定的起始单元到目标单元所有的连通分支,将规划空间进行通道划分,然后在每个通道内采用规划算法进行航迹规划,该通道的划分既可应用于多航迹的协同规划,也可求出单航迹的最优航迹。实验结果表明,该方法可用于无人飞行器的海上航迹规划。     

基于AM-LFM和IRT的旋转微动目标成像算法

在雷达成像中,基于CS的方法因其压缩采样的特性而在高分辨雷达成像中得到广泛应用。然而由于其是一种基于参数化的成像方法,对观测位置误差特别敏感。在实际中,一般无法知道精确的观测位置。观测位置的误差会造成成像结果位置的偏离、散焦以及无法聚焦。针对基于压缩感知的成像算法存在的观测位置依赖性问题,提出了一种基于调幅-线性调频(AM-LFM)分解和逆Radon变换(IRT)的微动目标成像算法。该方法根据分解后信号调频率分离目标微动信号与主体信号,再进行IRT成像。仿真及实验结果验证了算法的可行性和有效性。     

网络雷达对抗系统涌现性研究

涌现性是网络雷达对抗系统这种新型综合电子战系统复杂特性的典型表现。分析了网络雷达对抗系统组成与交互,阐释了网络雷达对抗系统涌现性的内涵及构成,总结了网络雷达对抗系统涌现性的不可加性、不可还原性、局部影响整体性和局部整体一致性特征,从组成效应、结构效应、交互效应、环境效应四个方面剖析了网络雷达对抗系统涌现性的产生机理,提出了网络雷达对抗系统涌现性控制4C方法。     

通道幅相不一致时的全向测角误差分析北大核心

在理想情况下,基于均匀圆阵的米波全向雷达可联合-1阶、0阶和和1阶相位模式实现全方位的无模糊测角。然而在实际工程中,各接收通道幅相特性往往不一致,这将导致激励出的相位模式中包含误差项从而引起明显的测角误差,而且该误差无法补偿,只能通过校正通道间的幅相误差或选择合适阵列参数的方式来减小。为此,通过理论推导得到测角误差与各接收支路幅相误差之间的解析关系式,明确了幅相误差对测角误差影响的同时也为合理选阵列参数以减小幅相误差引起的测角误差提供了理论依据,仿真分析验证了理论误差分析的正确性并给出了最优的阵列直径取值。     

前置点比例导引制导律对抗拖曳诱饵研究北大核心

以典型拖曳式诱饵干扰模式为设计对象,结合导引头跟踪诱饵的工作模式和前置点比例导引制导律的设计,对末制导抗拖曳干扰导引方法进行了理论推导与分析,为导引头抗拖曳诱饵干扰措施的设计与验证提供了理论依据。     

基于熵权的多站纯方位目标定位分析北大核心

为克服传统权值主观性强、复合性差等现象,提出了一种基于改进熵权的多站纯方位目标定位算法。算法系统分析了匀速直线运动下的目标纯方位信息,给出了目标航迹参数与位置坐标模型,并运用均方误差进行了精度分析。仿真实验表明,本算法能有效地降低估计误差,提高多站融合精度。     

一种基于知识辅助的MIMO-STAP抗干扰算法北大核心

针对有源干扰环境下机载MIMO雷达的杂波抑制问题,利用预白化的思想,提出了一种基于知识辅助的MIMO-STAP抗干扰算法——KA-J-STAP方法,首先利用载机平台运动参数、雷达系统参数、干扰方位等先验信息构造相关协方差矩阵,后利用相关协方差矩阵对接收数据进行预白化,对杂波和噪声预置零,对于预白化后的数据空时自适应处理。仿真结果表明,相比于未采用知识辅助的算法,所提KA-J-STAP算法在干扰环境下仍能保持较好的杂波抑制性能。     

多飞行器协同轨迹优化设计

针对多飞行器协同轨迹约束多、耦合强的复杂多目标优化与决策问题,对多飞行器协同轨迹优化进行了较为系统的研究。首先,对多飞行器协同轨迹优化进行了数学描述和对多飞行器在未知环境下的航迹规划进行了数学建模;其次,提出了多飞行器协同任务规划系统优化设计的数值算法,其主要包括多飞行器协同任务分配算法与飞行器最优航迹规划;最后,基于以上的研究,对3种典型不同情况下的多飞行器协同轨迹优化进行了飞行数值仿真与分析。该算法具有以下特性:全局一体优化、采用最优的多维策略、实时在线性、高精度、能够考虑各种随机干扰的作用等。     

多目标环境下基于分布式融合思想的误差估计方法

针对多雷达多目标跟踪过程中分布未知的系统误差估计问题,提出了基于"分布式融合思想"的误差估计方法。给出相应误差估计方法的计算公式,利用改进截断奇异值方法来减轻矩阵病态性的影响,提高误差估计的稳健性。设置了两种不同的系统误差仿真场景,对"分布式"误差估计方法在两种情形下的估计性能进行了仔细对比分析。结合"分布式"误差估计方法与"集中式估计"方法所体现出的优缺点,提出了一种将两种方法结合起来的系统误差估计算法,算法通过合理选择阈值门限η,能够在多雷达多目标且系统误差分布未知的复杂环境下对两种误差估计算法自适应地进行切换,从而充分发挥两种误差估计算法各自的优点,给出更好的误差估计结果。