共形阵机载相控阵雷达统一杂波建模与分析

针对机载雷达任意形状共形阵列,在考虑阵元方向图及其安装指向的情况下,给出了阵元级统一杂波模型,在此基础上对共形阵的空域匹配滤波器进行了研究,给出了与常规平面阵不同的共形阵空域匹配滤波器形式.最后通过对几种典型机载共形阵天线的杂波仿真,分析了共形阵机载相控阵雷达的杂波分布规律,验证了模型的合理性,得出了有用结论.     

用神经网络变易有效焦距的摄像机标定法

针对传统摄像机标定中由于像差等非线性因素的影响造成结果精度和稳定性不高且算法复杂的特点 ,提出了用 4层前向神经网络模型变易摄像机横纵向有效焦距的方法。给出了摄像机标定结果和用标定后的摄像机进行三维立体测量的结果 ,并与传统方法作了对比。结果表明 ,基于神经网络的摄像机标定方法可以获得比传统方法更高的精度和稳定性     

幅相误差对声纳均匀线列阵的影响分析

针对幅相误差是制约声纳基阵性能的重要因素,建立存在幅相误差的均匀线列阵模型,进而提出统计计算与计算机仿真相结合的方法。该方法通过计算线列阵方向性函数的统计特性,分析具有幅相误差、基元失效时均匀线列阵对基阵指标的影响。仿真证明理论分析是正确的。     

俄罗斯战略相控阵雷达部署现状及发展

首先简要介绍了俄罗斯弹道导弹预警系统的基本组成和地位,然后研究了俄罗斯弹道导弹预警系统的形成历史与发展现状,分析了俄罗斯远程战略相控阵雷达的部署情况,并对俄罗斯战略相控阵雷达的发展趋势进行了分析,以期对我国战略预警系统的发展和建设起到促进作用.     

舰载武器系统零位检测与规正方法

零位检测与规正是作战系统装舰的基础工作,也是武器系统准确打击目标的前提和基础.鉴于传统瞄星方法和标定物标定方法的局限性,以在工程中遇到的特定环境下的武器系统标定为例,分析了具体环境下武器系统零位检测与规正的创新性运用,提出了"线标定法",以为类似情形下的武器系统或作战系统标定提供借鉴.     

基于改进整型遗传算法的稀疏矩形平面阵列优化

为了降低固定稀疏率、固定孔径的稀疏矩形阵列的峰值旁瓣电平,提出一种改进整型遗传算法。该算法在整型遗传算法的基础上,提出了等间隔采样的交叉策略、多点变异策略以及优良基因重组的策略。采取等间隔采样的基因交叉方式,可以有效发挥整型编码的优势,从而提高算法的运行效率;为了提高种群的多样性,防止算法陷入局部最优,采用了多点变异策略;采用优良基因重组技术,加快了算法的收敛速度。仿真结果表明,相比传统的二进制和实数编码,整型编码更为直接高效;与用于稀疏矩形阵列优化的相关算法相比,本文所提算法获得了更优的旁瓣电平,证实了算法的有效性和优越性。     

应用改进的LP算法构建虚拟阵的精确定向方法

为了克服传统LP(Linear Predecition)算法在构建虚拟阵过程中存在预测误差容易累积的弊端,提出了一种能够更充分利用实阵信息量的改进LP算法来构建虚拟阵。采用实际基阵方法、传统LP虚拟阵方法和改进LP虚拟阵方法分别对假定基阵的波束性能进行计算机仿真及对湖试数据进行处理成像,研究结果表明,与传统LP方法相比,改进的LP方法能够有效地抑制波束旁瓣,进一步提高了基阵的角度分辨力和阵增益,将其运用于特定试验背景下的实际湖底目标探测,方向分辨精度可提高75%。     

卫星导航天线阵的载波联合跟踪算法

测量卫星导航信号在天线阵各阵元上的载波相位之差可用于卫星波达方向解算,但传统的各阵元独立跟踪算法在干扰条件下无法实现高精度跟踪且容易失锁。针对此问题,通过将天线阵各阵元的载波相位分解为公共的平均载波相位和低动态的残余载波相位,提出了一种联合载波跟踪算法。该算法利用平均载波相位为每个阵元共有的特点,通过对全部阵元的联合处理来提高其跟踪精度,同时通过缩小环路噪声带宽来提高残余载波相位跟踪精度。理论分析与仿真结果表明,该算法提高了波达方向解算所需的阵元间载波相位差的测量精度及跟踪灵敏度,四阵元天线阵在典型应用条件下,跟踪灵敏度提高4d B,相同载噪比下载波相位差测量精度提高3倍。     

多波束相控阵天线角跟踪性能及测试方法

针对目前对多波束相控阵天线角跟踪性能测试研究较少的问题,首先分析了多波束相控阵天线的单脉冲和差测角方法,并对波束滑动、波束穿越及信号频率变化对角跟踪性能的影响进行了仿真分析。类比传统的雷达精度校飞试验,提出了基于飞艇的角跟踪性能测试方法,对角跟踪精度及误差范围进行测试,并利用STK软件实现了可视化。仿真分析表明,该方法可以实现对多波束相控阵天线角跟踪性能的评定并具有较高的工程应用价值。     

Single‐commodity stochastic network design under demand and topological uncertainties with insufficient data

Stochastic network design is fundamental to transportation and logistic problems in practice, yet faces new modeling and computational challenges resulted from heterogeneous sources of uncertainties and their unknown distributions given limited data. In this article, we design arcs in a network to optimize the cost of single‐commodity flows under random demand and arc disruptions. We minimize the network design cost plus cost associated with network performance under uncertainty evaluated by two schemes. The first scheme restricts demand and arc capacities in budgeted uncertainty sets and minimizes the worst‐case cost of supply generation and network flows for any possible realizations. The second scheme generates a finite set of samples from statistical information (e.g., moments) of data and minimizes the expected cost of supplies and flows, for which we bound the worst‐case cost using budgeted uncertainty sets. We develop cutting‐plane algorithms for solving the mixed‐integer nonlinear programming reformulations of the problem under the two schemes. We compare the computational efficacy of different approaches and analyze the results by testing diverse instances of random and real‐world networks. © 2017 Wiley Periodicals, Inc. Naval Research Logistics 64: 154–173, 2017