量子雷达的技术体制

当前,量子信息理论正在蓬勃发展,其应用已经深入到自然科学的各个领域.量子雷达是量子信息技术在目标探测上的具体应用,可探测隐身目标,具有超强的隐蔽性和机动性.主要介绍了量子雷达的分类、原理、系统组成、特点和关键技术问题.     

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。     

一种纯方位跟踪中的自适应滤波算法

针对纯方位被动目标跟踪中扩展卡尔曼滤波算法易发散的不足,提出了一种自适应的改进算法。该算法利用极大后验噪声估计器Sage-Husa对虚拟观测噪声进行实时在线估计,动态补偿线性化带来的误差。算法的对比仿真分析结果表明,AEKF较之EKF滤波效果有所改善,增强了稳定性,提高了精度,为水下纯方位被动目标跟踪的实现提供一种新的方法。     

线性规划优化分析的元模型方法及其比较

线性规划优化分析在经济管理等领域有着广泛的应用。当线性规划约束条件的右端向量在一定范围内变化时,目标函数的最优值是右端向量的一个复杂的分片线性函数,但通常难以给出分析表达式。应用多项式回归、径向基函数、Kriging法及多项式回归 Kriging法这四种元模型方法,能快速预测最优值函数。通过仿真实验,对这四种形式的元模型作较全面的比较分析。数值实验的结果表明,用次数较少的实验设计,后三种方法都具有较高的拟合精度;特别地,多项式回归 Kriging法不仅拟合精度高,而且还能用一个二阶多项式给出最优值函数的一个简明的近似描述。结果表明,元模型方法是研究线性规划优化分析问题的有效途径。     

一类复变函数问题的统一解法

本文通过具体例子阐述了一类复变函数问题的统一解法,而且简单易行。     

基于改进PLOW算法的干涉相位滤波

针对合成孔径雷达干涉相位滤波问题,提出了一种改进的分块局部最佳维纳滤波算法（Patch-based Locally Optimal Wiener, PLOW）。该算法是加性高斯白噪声下的线性最小均方误差估计（Linear Minimum Mean Square Estimation, LMMSE）,利用目前图像滤波最前沿的技术——非局部技术,来联合估计图像的一、二阶矩。针对干涉相位中噪声的空变性,在应用中提出了两点改进：首先,估计噪声的标准差时,用均值代替中值;其次,根据噪声标准差的最大值和均值的比值,自适应的确定类的数量。经过仿真和实测数据验证,改进后的PLOW算法是有效的,并优于其他三种算法。     

应用改进的线性预测算法构建虚拟阵的精确定向方法

为了克服传统线性预测(Linear Prediction,LP)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声探测,方向分辨精度可提高75%。     

自适应平方根无迹滤波的雷达组网状态估计算法

从最小方差的角度分析了雷达组网无迹滤波(Unscented Filter,UF)状态估计的统计学本质,并且针对UF的Cholesky分解遇到非半正定矩阵容易发散、不准确滤波初值造成滤波发散以及异常扰动影响滤波效果等问题,提出将自适应平方根无迹滤波(Adaptive Square Root Unscented Filter,ASQUF)用于雷达组网状态估计,结合合理的滤波初始化策略,提高了UF的工程可用性。仿真验证表明,提出的ASRUF算法用于雷达组网空域目标状态估计时,初始化平稳无波动,工程可用性好,状态估计精度高,明显优于扩展卡尔曼滤波(Extended Kalman Filter,EKF)算法。     

基于OFDM的宽带混沌干扰信号产生技术

根据OFDM调制特点,并结合混沌序列伪随机以及初值敏感特性,提出了一种基于OFDM技术的宽带自适应多目标混沌干扰系统。该系统可灵活实现干扰频带控制,并能根据目标特征灵活调整功率谱形,还可以实现多目标同时干扰。该系统选用混沌序列作为基带干扰源,具有类随机性能好、计算量小、序列数量众多等优点。仿真结果表明:该系统具有灵活的干扰频带和功率控制能力以及优异的时频遮盖性能,可用于对多目标进行自适应干扰。     

火箭发动机故障检测的快速增量单分类支持向量机算法

为解决液体火箭发动机故障诊断正负样本不平均问题,以及实现发动机稳态工作段自适应故障检测,建立了基于快速增量单分类支持向量机的异常检测模型。采取特征工程方法,对传感器获得的多变量时间序列进行特征提取。通过增量学习方法,对单分类支持向量机模型进行改进,并应用于液体火箭发动机异常检测,使单分类支持向量机检测模型具备对不同台次、不同工况的自适应性,提高了模型的计算速度。对多台次热试车数据的分析结果表明,该模型十分有效,训练速度快,具备实用价值。