非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。     

基于RBF神经网络的导弹自动驾驶仪故障诊断

系统地分析了某型导弹自动驾驶仪的结构功能,在此基础上提出了采用RBF(径向基函数)神经网络对自动驾驶仪进行故障诊断的方法;提出了用Gauss(高斯)函数对获取的数据进行归一化处理的方法,再用处理后的数据训练RBF神经网络。实验结果表明,训练后的神经网络能快速、准确地诊断自动驾驶仪的故障,为自动驾驶仪的故障诊断提出了一种新的方法。     

战略导弹惯性/星光复合制导技术研究

以Kalman滤波为基础,研究了惯性/星光复合制导系统的原理和特点,并对系统进行了计算机仿真。通过将惯导系统和星敏感器所测得的战略导弹相关姿态信息进行数据融合,估计出复合制导系统的误差状态量,进而修正惯导系统的位置、速度和姿态角误差。仿真结果表明,采用惯性/星光复合制导可以有效地提高战略导弹的姿态精度。     

现代化的GPS军用M码综述

M码是现代化的GPS军用码,是美国"导航战"的重要内容。从M码信号的设计要求出发,介绍了M码信号的调制原理及其功率谱和自相关特性;然后根据相关损失、均方根带宽、频谱隔离系数和等效矩形带宽等参数对M码、C/A码和P(Y)码性能进行了分析比较;最后总结了M码的几种捕获和跟踪方案,并对其各自的优缺点进行了分析。     

基于最小最大决策的三站时差定位布阵优化

提出了一种基于最小最大决策的三站时差定位布阵优化方法,以提高系统对目标区域的整体定位精度。应用基于最小最大决策的最优化理论,建立布阵优化问题的数学模型。该模型以三站坐标为决策变量,以目标区域的最大水平定位误差最小为目标函数,然后运用基于最小最大决策的最优化算法,求解模型的最优解,并将此最优解作为三站时差定位系统的最优布阵。仿真结果与理论计算一致,验证了这种布阵优化结果的最优性。     

高功率微波武器攻击卫星有效载荷系统可行性分析

高功率微波武器是近几年发展起来的定向能武器之一,被认为是在未来制天权争夺的战场上对卫星有效载荷最大的威胁之一.首先对高功率微波武器的关键技术及技术途径进行了讨论,然后描述了高功率微波对目标损伤的机理和耦合途径,最后根据高功率微波的不同耦合途径对卫星有效载荷受到攻击的可行性进行了详细的分析,计算结果表明,高功率微波武器在高峰值功率或距离很近的情况下都会对未进行电磁加固的卫星有效载荷产生损害.     

基于矩特征的ISAR干扰效果评估方法

由于逆合成孔径雷达(ISAR)是一种新体制雷达,一些用于评估常规体制雷达干扰效果的方法和手段对于ISAR来说并不适用。综合考虑雷达干扰的原理和图像处理的理论,从ISAR目标识别的角度出发,提出了一种新的对ISAR压制干扰效果的评估方法,即采用干扰前后ISAR目标识别特征中矩的变化来定量评估干扰效果,仿真结果表明了评估方法的正确性和有效性。     

基于灰色神经网络武器装备研制费用预测模型

提出了基于灰色系统理论与神经网络的武器装备研制费用组合预测模型,该模型首先采用灰色GM(0,N)模型对研制费用进行预测,利用LMBP神经网络对预测误差进行了模拟与修正,实例验证该方法具有较高的预测精度.     

基于有色Petri网的CAN总线仿真与性能分析

针对CAN总线的多主竞争模式通过解析法难以建模这一问题,运用CPN Tools工具构建了基于有色Petri网的CAN总线CSMA/CA竞争机制模型,模拟了CAN总线的静态结构和动态行为,对CAN总线性能进行了仿真与分析。仿真结果验证了所建CAN总线模型的合理性与正确性。     

车辆典型部件结构的有限元模型修正方法

以车身结构中简化的典型结构形式为研究对象,利用有限元软件中的焊点模拟单元,建立典型结构的有限元模型并进行模态分析。在参数灵敏度分析的基础上,结合模态试验测得的数据,利用广义简约梯度算法,对结构的有限元模型进行修正和模型验证,深入探讨了车辆典型部件结构的有限元模型修正方法。通过模型修正,有限元模型的精度得到了明显的提高,为进一步研究车辆结构部件的振动特性奠定了基础。