基于语言评价与模糊数的群体意见共识方法

针对具有自然语言评价信息的群决策问题,给出了一种基于语言评价信息与梯形模糊数的群体意见共识方法.该方法先通过无量纲化处理、语言评价信息转换为梯形模糊数、对梯形模糊数进行集结等步骤,形成群体对方案的综合评价值(梯形模糊数);然后对群体意见进行共识分析和评价;最后对共识结果进行方案排序.通过对实例进行分析,表明该方法能得到切合实际的决策效果.     

基于声矢量传感器原理的目标被动定向算法

声测被动定向是声学监视技术的重要研究内容.为了实现对低空运动目标的声学监视,提出了一种基于声矢量传感器原理的被动定向方法,推导出了基于互谱法声强测量技术的定向算法,并对定向算法进行了分析和数值仿真.仿真表明:当传感器尺寸为0.28m、信号信噪比为5dB时,定向精度在2.5°以内.仿真结果说明,该定向算法是正确可行的,有较大的实用价值.该研究成果可直接用于空中运动目标,如飞机、导弹和无人机等目标的声测被动定向.     

高频地波雷达目标高度估计的AR模型方法

高度估计对于高频地波雷获取三维信息、提高预警能力很有意义。然而目标RCS的随机起伏对高度估计产生严重影响,通过对RCS随机起伏的AR模型建模和模型参数的自适应估计,提出了在RCS变化的条件下高度估计的扩展卡尔曼滤波算法。通过Monte Carlo仿真和外场试验数据的处理,验证了该方法对抑制RCS随机起伏、提高高度估计精度的有效性。     

基于Gabor谱方法的跳频信号参数盲估计

提出了一种基于Gabor谱的未知跳频信号参数盲估计方法。该方法利用Gabor谱能量集中、时频分辨率高、交叉项干扰小的特点,在未知任何先验参数的情况下,能够准确估计出跳频信号的跳频频率、跳变时刻和跳频信号驻留时间等参数。通过计算机仿真得到了较为准确的估计结果,验证了该算法的有效性。     

基于频率补偿的时延估计方法

由于2个测量站的通道幅相不一致而导致送给时延估计器的两路信号的频率有差异,继而影响时延估计和系统定位精度。首先理论推导了频率差异是如何影响广义相关时延估计的,接着应用频域相关函数对频率差异做准确估计和补偿,最后给出了频差补偿后的时延估计方法。以4种常用通信信号为例,仿真验证了不同信噪比下所提出方法的正确性和有效性。     

调频脉冲信号辐射源多普勒信息提取方法研究

提出了一种基于单脉冲频率及频率变化率联合估计和多脉冲联合估计脉冲重复周期变化率的调频脉冲信号辐射源目标多普勒参数提取方法。该方法解决了无源定位系统数据采样频率与辐射源脉冲重复周期不匹配造成的频率偏差问题,在脉冲到达时间的提取上避免了对脉冲边沿的判断,使得利用中频采样信号计算脉冲重复周期成为可能。介绍对了该方法所采用的频率及频率变化率联合估计关键技术,并在此基础上讨论了该方法所能达到的理论估计精度及误差分析,最后通过仿真试验验证了该方法的可行性和有效性。     

装备战损量的兰彻斯特方程预计方法*

针对装备战损量预计这一未来作战装备保障必须解决的核心问题,运用兰彻斯特方程探讨解决途径。从分析影响装备战损的因素出发,综合讨论目前预计装备战损量的方法,提出基于指数多元兰彻斯特方程的装备战损量预计模型和模型中毁伤能力系数的确定方法,得到了装备战损量的兰彻斯特方程预计方法,并举例验证。该方法将经验计算与模拟计算相结合,用较简单的确定性解析方程描述所考虑因素对装备战损量的客观约束关系,较好地满足了未来信息化条件下作战装备战损量预计的需要。     

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。     

基于级间设计的人机联合探月方案

基于登月飞行器的级间组合设计方法对载人登月飞行器的构造进行设计,在级间方案的论证中分析了不同组装模式对运载火箭能力的需求,建立了航天员和机器人联合探测的载人登月方案。级间组合方法可为应转移飞行器和登月飞行器设计提供另一种思路,本文根据飞行器级间的不同组合方式对登月飞行器的质量规模进行了初步估算,并对比了不同飞行方案对运载火箭能力的需求,研究可为我国首次载人登月任务方案提供参考。     

自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。