固定翼无人机航迹跟踪抗风性研究

无人机作为一种新型军事装备,具有广泛的作战应用场景。无人机的航迹跟踪性能和抗干扰能力是其安全完成飞行任务的保障,随着现代战争作战环境日益复杂,无人机飞行将面临更大的挑战。针对目前固定翼无人机在飞行过程中受风扰影响严重的问题,设计了一种具有抗风性的航迹跟踪方法。利用非线性导引原理实现对航迹的跟踪,并通过引入反馈消除了风扰条件下飞行轨迹与期望航迹之间存在的静差。最后通过仿真验证了该方法的可行性和有效性。     

形状记忆合金自复位减振装置研制与验证

为改善第二喉道中的可调中心体机构(简称中心体)在工作状态下的流致振动,根据形状记忆合金(shape memory alloy, SMA)偏置双程驱动原理,设计制作一种能够满足中心体有限安装空间要求的SMA自复位减振装置;采用UMAT接口编制的SMA本构关系子程序实现减振装置最大压紧力的数值分析,数值分析与静态调试试验结果误差约为2.58%;搭建地面减振试验平台,测试SMA自复位减振装置分离和闭合状态下的中心体零部件振动响应。减振试验结果显示:SMA自复位减振装置闭合后,中心体振动响应明显降低,在0～100 Hz频带内,均有明显的减振效果,低频至55 Hz范围内,减振率均大于50%。     

结构方程模型参数估计的GME方法

提出应用广义最大熵的方法对结构方程模型的参数进行估计,该方法能够处理有限的或者不完全数据。为了验证广义最大熵方法在估计结构方程模型参数时的性能,采用了一个应用于美国顾客满意指数(ACSI)的结构方程模型生成仿真数据,仿真结果表明,与PLS相比,GME方法具有更高的拟合精度和较低的预测误差,在样本数据较少时,表现更为明显。     

长码直扩信号的符号速率盲估计方法

针对长码直接序列扩频(DSSS)信号的符号速率估计的难题,提出了基于相关处理的方法。该方法首先估计长码直扩信号的相关函数二阶矩,然后将相关函数二阶矩的估计作为输入信号进行预处理,以去除扩频码周期处的峰值。对预处理后的信号再次进行自相关处理,则所得的信号的频谱中含有符号速率谱线。理论分析和计算机仿真证明了所提出的算法的有效性。     

基于状态的装备可靠度模型及其应用

为应用基于状态的装备可靠度模型,实现对装备的精确维修,采用了比例风险模型（Proportional Hazards Model,PHM）将装备的年龄信息及检测所得状态信息融入系统的风险函数中。考虑到样本包含截尾数据的情形,应用极大似然估计方法对模型中的参数进行了估计以及相应的模型检验。通过对该方法在一个实际案例中应用的详细分析,验证了方法的可行性。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

地波雷达组网探测高空目标优化布站

针对高空无人机等目标,建立基于高频地波雷达为主的2D雷达探测网,以目标高度估计和协同补盲为约束条件,对2D雷达网的优化布站问题进行理论计算和实例仿真,实验结果证明布站方法的有效性。     

无线传感器网络信息质量评估的柔性框架

为建立完整统一的无线传感器网络信息质量评估体系,提出可灵活剪裁的柔性框架来动态地评估无线传感器网络应用中信息的准确性和时效性。该框架基于信息融合理论和时间刻度标记技术,在sink节点聚合网络中所有传感器节点的信息。将信息融合结果近似为真值,利用观测信息与融合结果的数值或语义差异分别评估测量数据和决策信息的准确性。根据信息获取的截止期限和延迟敏感性,分三类描述和建模信息时效性,并通过轻量级的信息获取时间测量法量化。采用滑动窗口机制和增量计算方法,动态地更新评估结果。通过仿真三个目标监测应用场景的信息时效性评估和两个环境监测应用场景的信息准确性评估验证了框架的有效性。仿真结果与信息质量参考基准吻合,表明该框架能够灵活地评估不同无线传感器网络应用中信息的准确性和时效性。     

基于星座图恢复的MQAM信号调制方式识别算法*

针对MQAM信号调制方式的识别问题,提出了一种基于星座图恢复的算法。该算法首先估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样。随后采用一种非判决辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响。最后利用平均似然比检测的方法,完成MQAM信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有更优的识别性能。     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。