基于直接数据域自适应算法的相干信号DOA估计

利用直接数据域自适应算法的稳态权值代替噪声子空间构建空间谱,构造了一种超分辨波达方向(DOA)估计方法.为了解决谱峰搜索时的伪峰问题,采用参考阵元轮换得到多组线性无关稳态权值,逼近噪声子空间,能有效去除伪峰.针对相干信号的DOA估计,进一步提出了直接数据域取对称共轭向量的解相干方法.相比子空间分解类算法,本文算法不需估计信号源数目和协方差矩阵、不需特征分解,复杂度仅为O(MP),同时能有效完成解相干处理.     

混合均衡问题和不动点问题的公共元的迭代算法

在Hilbert空间中,利用超梯度算法,用以逼近混合均衡问题的解集与半压缩映像不动点集的公共元,并且证明了该算法的收敛性。使用新的分析技巧证明了一个强收敛定理。     

上、下半连续性关系及其在经济上的应用

上、下半连续性在数学中的重要性不言而喻,在微观经济分析中也有着广泛应用,特别是静态优化问题。分别在单值映射、集值映射中探讨了上半连续性和下半连续性的关系。先证明了单值映射上、下半连续性等价的结论(定理1),并利用引理1对常见函数的上、下半连续性进行了探讨以进一步说明定理1;然后通过举反例进行论证,得出了集值映射中上、下半连续性不等价的结论(定理2);最后例举了上、下半连续性在数理经济上的应用,具有创新价值。通过对数理经济学中参数约束最优化问题的最大值定理(引理2)条件和结论所做的两点注记,并附以具体实例予以解释,说明了单、集值映射中上、下半连续性的关系,以及在数理经济上的重要应用。     

大攻角下基于卡尔曼滤波的大气参数修正算法

针对新一代航空飞行器在大攻角飞行时大气数据系统测量精度严重下降问题,提出了基于卡尔曼滤波的大气参数修正算法。该算法利用大气数据测量信息和惯性导航信息,基于飞行器力学方程构建卡尔曼滤波器,通过卡尔曼滤波的方法实现对大气参数的修正。仿真结果表明,经卡尔曼滤波修正后的大气参数能够有效消除大攻角下原始大气参数的剧烈波动性误差,并与真实大气参数吻合较好,有效的提高了大气数据系统在大攻角飞行状态下的测量精度和可靠性。     

基于ISIGHT的微型飞行器布局优化设计研究

微型飞行器具有飞行雷诺数低、易受外界环境干扰等特点,并存在多目标优化问题,因此其气动布局优化设计难度较大。针对微型飞行器的特点及优化设计要求,采用N-S方程与遗传算法相结合的方法对微型飞行器的多目标优化设计,基于ISIGHT软件来实现该方法的具体流程,克服了计算量大、无法实现自主迭代的缺点。并对微型飞行器的展弦比、尾翼安装角、尾翼的高度和根弦长进行优化,优化目标为飞行器的静稳定性和升阻特性,优化后的构型具有良好的气动性能,结果表明该方法明显提高了计算的精度和优化设计的水平,在工程上有一定的应用价值。     

一种改进的跳频信号频率估计算法

信号的信噪比较低时,旋转不变信号参数估计技术（Estimated Signal Parametersvia Rotational Invariance Technique,ESPRIT）算法的频率估计性能明显下降,针对这一问题,提出了一种基于ESPRIT的改进算法。该改进算法在基于ESPRIT的噪声抑制（Noise Suppressed based on ESPRIT,NS—ESPRIT）算法的基础上,利用DFT谱中的,个局部最大值点,缩小基于互相关矩阵迹模值曲线的ESPRIT算法中口的选择区域,在降低计算复杂度的同时,也有效地减弱了噪声对信号频率估计的影响。理论分析和仿真结果证明了该改进算法的可行性和有效性。     

战时弹药输送路径PSO决策分析

介绍了粒子群优化算法的基本思想和理论,阐述了基于粒子群优化算法的战时弹药输送路径决策分析的实现过程。通过实例应用,证实了粒子群优化算法对弹药输送路经决策问题是可行和有效的。     

想定驱动的仿真资源发现方法

为解决在云间共享架构的仿真环境下资源的自动发现问题,研究了仿真资源请求的描述方法及相应的资源发现算法,提出了想定驱动的仿真资源发现方法.方法通过扩展的军事想定描述语言表示仿真资源请求,使用双映射三过滤算法实现仿真资源的自动发现.分析表明,仿真想定驱动的资源发现方法可以实现在云间共享架构下仿真运行所需的大量资源的自动发现,并对发现结果具有语用校验功能,对于仿真环境的快速部署具有积极意义.     

声场干涉条纹图像的降噪研究与性能仿真

引导源目标定位算法形成的声场干涉条纹图像中常附带有噪声,这对定位性能的影响非常大。为了实现低信噪比条件下对目标的准确定位,根据算法仿真结果的特点,提出了利用小波阈值去噪法对图像进行降噪处理。针对软硬阈值去噪的不足,采用了阈值函数的改进方案。对小波去噪后图像再进行二值化设置,能有效提高算法去噪效果。仿真结果表明小波降噪处理能有效提高引导源目标定位算法在低信噪比条件下的定位性能。     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。