基于事件触发的异构多智能体最优包含控制

针对异构多智能体系统的输出包含控制问题，提出一种基于边的事件触发最优控制协议，保证所有跟随者的输出能进入到由领航者的输出所形成的凸包中。同时，使系统达到最优性能，最小化控制代价。考虑到不是所有的跟随者都可获得领航者的信息，提出一种基于边的分布式事件触发观测器，估计领航者输出形成的凸包内点的轨迹。设计加权代价函数评价包含控制的性能，并将输出包含问题转化为最优状态反馈控制设计问题。利用贝尔曼方程和黎卡提方程，给出异构多智能体系统最优输出包含控制的参数设计。选择不同类型的机器人构成多智能体系统，验证算法的有效性。     

基于MCIS技术的相位差变化率单站无源定位

针对最大似然估计（ML）方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术（MCIS）高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样（IS）技术构建符合高斯分布概率密度（PDF）的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。     

一种稀疏阵列下的二维DOA估计方法

研究了稀疏阵列下二维波达方向（DOA）的估计问题,提出一种基于不动点迭代的空间谱估计（FPC-MUSIC）算法。首先建立基于矩阵填充的DOA估计信号模型,并验证该信号模型满足零空间性质（NSP）,其次通过不动点迭代算法将稀疏阵列信号恢复为完整信号,最后利用恢复信号估计二维DOA。该算法可在稀疏阵列下大幅度降低谱估计平均副瓣,在大幅度降低阵元数的同时具有较高的估计精度。计算机仿真表明：FPC-MUSIC算法可在稀疏阵列下准确估计二维DOA,验证了该算法的有效性和优越性。     

基于DCT-CS的脉冲星周期超快速估计方法

受快速傅里叶变换（fast Fourier transform，FFT）的影响，基于FFT和压缩感知（compressive sensing, CS）的脉冲星周期快速估计算法的计算量大。为进一步减小计算量并提高计算精度，利用离散余弦变换（discrete cosine transform，DCT)取代FFT，提出了一种基于DCT-CS的脉冲星周期超快速估计算法。在该方法中，利用DCT提取脉冲星信号的低频部分构建低频DCT矩阵；构建畸变轮廓字典并获取累积轮廓；提出了利用最大值超分辨率稀疏恢复估计脉冲星周期的方法。仿真结果表明，DCT-CS的脉冲星周期估计精度达到了3.82×10-12 s，计算时间达到了9.31 ms。与FFT-CS相比，周期估计精度提高了约16%，计算时间缩短了约37.5%，实现了实时高精度的脉冲星周期估计。     

一种频域插值变化迭代频率估计方法

针对现有频率估计算法存在的复杂度高、频率估计能力弱、估计结果均方差大等缺点,在固定迭代AM（Aboutanios—Mulgrew）无偏频率估计算法基础上,提出一种频域插值变化迭代频率估计算法,推导了不同迭代参数实现无偏估计的充分条件,证明了有偏估计时本算法的收敛性和偏离度,通过设置不同迭代参数,可以实现无偏或有偏估计。仿真分析表明：当具有较高信噪比时,在整个频率估计范围内,该方法均方误差接近CRLB（Cramer-RaoLowerBound,克拉美一罗下限）;当FFT（FastFourierTransform,快速傅里叶变换）粗估计残余频率接近0．5时,该方法的均方误差优于CRLB,为CRLB的96％。     

具有丢包补偿的分布式一致性融合估计器

研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计器增益为决策变量,以所有传感器有限时域下状态融合估计误差和为代价函数的优化问题。在给定一致性权重下,通过最小化代价函数的上界得到了一组次优的估计器增益,并给出了融合估计器渐进稳定的充分条件。最后,通过算例仿真验证了算法的有效性。     

多传感器融合状态估计方法综述

随着传感器网络技术的发展，多传感器融合状态估计凭借其鲁棒性、灵活性、可扩展性以及便于故障检测等优点，长期受到国内外学者的广泛关注，并取得了大量研究成果。数据融合的方法为融合状态估计奠定了理论基础，也是早期研究的主要方向，从20世纪70年代到20世纪末，相继发展出了集中式和分散式滤波架构及相应算法。无线通信技术的成熟以及一致性算法的出现使得分布式状态估计的研究进入了快车道，自2005年以来，大量基于一致性的分布式滤波算法被提出，其中不乏实用的经典方法和优秀的开创性方法。旨在梳理多传感器融合状态估计的发展，探究从数据融合到分布式滤波的内在联系，并对一些经典方法进行了总结。     

基于IMM-UIF的多无人机纯角度机动目标跟踪

针对单无人机不能及时捕捉到目标的运动状态信息,很容易跟丢目标的问题,结合无迹信息滤波(UIF)算法和交互多模型(IMM)算法,提出了基于IMM-UIF的多无人机分布式融合估计算法。将各个无人机上的观测信息传输至中心节点,并统一优化各无人机的控制输入。仿真结果表明,基于IMM-UIF的多无人机分布式融合估计算法比基于IMM-UIF的单无人机跟踪精度提高了约30%,有效融合多无人机平台的量测信息,实现对目标稳定的高精度跟踪。     

基于群集智能的协同多目标攻击空战决策

为使各武器平台利用数据链（TADIL）交换和共享信息,自主协同计算实现多目标攻击决策,本文基于NASA/Ames研究中心提出的群集智能（COIN）理论,构建以作战单元为智能体（Agent）的协同多目标攻击决策模型,并通过定义Agent的贡献度扩展群集智能架构,用于解决分布式异构Agent造成的系统难以准确收敛问题。为提高收敛速度,减少求解过程中的盲目搜索和提高已形成解的收敛,研究加入了构造性启发和改进性启发两类启发方法。实验表明所提算法同传统算法相比,具有更好的稳定性和扩展性,减少了计算量,收敛速度也有一定的提高。     

非对称机动能力多无人机智能协同攻防对抗

协同攻防对抗是未来军用无人机的重要作战场景。针对不同机动能力无人机群体间的攻防对抗问题，建立了多无人机协同攻防演化模型，基于多智能体强化学习理论，研究了多无人机协同攻防的自主决策方法，提出了基于执行-评判（Actor-Critic）算法的集中式评判和分布式执行的算法结构，保证算法稳定收敛的同时，提升执行效率。无人机的评判模块使用全局信息评价决策优劣引导策略学习，而执行时只需要依赖局部感知信息进行自主决策，提高了多机攻防对抗的效能。仿真结果表明，所提的多无人机强化学习方法具备较强的自进化属性，赋予了无人机一定智能，即稳定的自主学习能力，通过不断演化，能自主学习提升协同对抗的决策效能。     

An SOR Implicit Time-accurate Scheme in Calculating Unsteady Flows

A new time-accurate marching scheme for unsteady flow calculations is proposed in the present work. This method is the combination of classical Successive Over-Relaxation (SOR) iteration method and Jacobian matrix diagonally dominant splitting method of LUSGS. One advantage of this algorithm is the second-order accuracy because of no factorization error. Another advantage is the low computational cost because the Jacobian matrices and fluxes are only calculated once in each physical time step. And, the SOR algorithm has better convergence property than Gauss-Seidel. To investigate its accuracy and convergency, several unsteady flow computa- tional tests are carried out by using the proposed SOR algorithm. Roe’s FDS scheme is used to discritize the inviscid flux terms. Un- steady computational results of SOR are compared with the experiment results and those of Gauss-Seidel. Results reveal that the numerical results agree well with the experimental data and the second-order accuracy can be obtained as the Gauss-Seidel for unsteady flow computations. The impact of SOR factor is investigated for unsteady computations by using different SOR factors in this algorithm to simulate each computational test. Different numbers of inner iterations are needed to converge to the same criterion for different SOR factors and optimal choice of SOR factor can improve the computational efficiency greatly.     

腰绑式行人导航系统基于缓存区的启发式航向补偿算法研究

腰绑式行人导航系统通过航位推算方法实现行人定位导航，对于实行灾难救援和单兵作战等任务十分便利。行人行进步长和航向的准确估计是实现航位推算的前提。根据腰绑式惯性传感器信号的特征，采用基于三轴合成加速度的峰值检测进行单步划分；利用步频和加速度方差信息构建线性步长模型。针对人员执行任务过程中由于运动方向不确定性导致传统启发式航向漂移消除算法过度修正甚至失效的问题，提出了一种基于缓存区的启发式航向补偿算法。根据运动方式选定N个复步作为一个缓存区，计算缓存区内相邻复步航向差值的方差，依据方差动态调整航向补偿算法的修正强度，避免过度修正。利用所提算法进行了矩形实验和操场实验，终点定位误差小于1%，表明了所提方法的有效性。     

基于PDR和磁场匹配的智能手机室内定位

目前，基于磁场的室内定位方法存在指纹采集无法快速建库的问题，导致匹配特征较少、无法快速进行匹配操作和航向角估计精度低。基于磁场梯度的快速近似，使用高斯牛顿迭代方法结合通过PDR测量的轨迹进行磁场轮廓匹配定位，提高了单点磁场指纹的可分辨性。基于步态模型的更新用作测量信息以改善C-INS的导航性能，提出了一种基于捷联惯性导航系统的行人航位推算算法。基于MFS参考位置，使用扩展Kalman滤波器控制PDR惯性导航的位置漂移误差，进一步提高了轨迹轮廓的精度。测试结果表明，该算法可以获得更好的位置估计和航向估计结果。     

基于PnP和自适应线性卡尔曼滤波的实时位姿估计

针对实时位姿估计中扩展卡尔曼滤波(EKF)线性化引入非线性误差和依赖已知噪声分布的缺点,提出一种基于PnP的自适应线性卡尔曼滤波位姿估计求解方法。将PnP位姿估计求解策略引入卡尔曼滤波观测方程,通过对动态方程误差统计参数实时估计,自适应调节卡尔曼滤波递推参数。所提算法求解精度高,固定了观测方程的观测向量维度,提高了算法实用性。通过仿真试验,比较了该算法与EKF的位姿估计精度,通过量化误差分析,证明了该方法可以提高三维运动位姿估计精度,也验证了该方法的有效性。     

双L型阵列DOA估计的PM算法的性能分析与改进

 双L型阵列天线的二维信号来向（DOA）估计采用传播算子法（PM），运算简单、计算量小。但对于非对称的双L型阵列天线，其中阵元数目少的均匀直线阵会引起较大的DOA估计误差。为此进行PM算法的性能分析与误差讨论，在单个信号源的前提下提出一种改进的PM算法。理论分析与计算机仿真结果均表明，该改进的PM算法保持了PM本身计算量小的优点，能够实现实时二维DOA估计。同时提高了测角精度，降低了方差，且对双L型阵列的使用更具普遍性。     

基于Bi-LSTM 的无人机轨迹预测模型及仿真

传统轨迹预测模型存在模型简化较大、考虑因素较少等问题。结合飞行轨迹连续性、时序性、交互性 的特点,提出基于双向长短期记忆(Bi-LSTM)神经网络的轨迹预测模型,将入侵者的位置、姿态和两机的相对 信息同时作为轨迹预测模型的输入,更加符合真实轨迹变化规律;对建立的基于 Bi-LSTM 的轨迹预测模型采 用综合考虑动量和速度的自适应调整学习步长的学习算法进行训练;并与基于 Elman神经网络的轨迹预测模 型进行仿真对比分析。结果表明:与基于 Elman神经网络的轨迹预测模型相比,所提模型在不同方向预测200 个点的平均绝对误差不超过4m,三维预测效果更优,可以较为准确地进行轨迹预测。     

基于雷达航迹的航空器质量估算

为保障基于轨迹运行的顺利实施,必须提高四维航迹预测的精度,而四维航迹的精准预测依赖于航空器质量准确估算。鉴于此,构建并分析了航空器能量模型;基于雷达航迹与航空器基础资料( BADA),提出了新型的航空器质量估算方法与步骤;利用最小二乘算法求解了航空器质量的估计值;分别基于预测航迹、雷达轨迹与QAR数据,采用相对误差作为评价指标,实施验证与分析。验证结果表明,提出的方法可将航空器质量估算误差控制在5%以内,从而能够有效地提高航迹预测精度。     

有控飞行器气动参数辨识研究

研究了利用极大似然理论进行有控飞行器气动参数辨识的问题，首先介绍了牛顿－拉夫逊（ＭＮＲ）简化算法，然后，提出了采用此入外部激励的办法进行气动参数辨识，这种方法可增强参数的可辨识性，最后提出了构造故障弹道辨识气参数的设想，由于特定的故障弹道和外加激励一样，不同程度地激发了导弹的飞行信息，故辨识结果较好。     

基于超短基线声传感器阵的高速目标轨迹估计

针对低空高速飞行目标跟踪问题，首先研究了某典型目标噪声信号的时频特性，发现其信号呈现宽带低频特征，难以从频域对目标轨迹进行估计。在此基础上，从各路接收信号的到达时延量入手，考虑到声基阵只能布设于有限空间内的制约，提出了一种基于超短基线阵时延估计的目标跟踪方法。该方法利用各个超短基线阵接收声强极值点分别估计目标运动轨迹垂线方向，计算多个垂线的叉乘向量实现对目标运动方向的估计，再利用多面交汇的方式获估计得到目标运动轨迹。分别对目标俯仰角、方位角及运动轨迹估计的理论误差进行了推导，根据理论估计误差，为能够实现对目标运动轨迹的估计，各个超短基线阵应尽量保证与目标运动轨迹不在同一平面上。根据仿真结果，在采用4个传感器基阵时，角度估计平均误差在4°以内，位置估计相对误差在5%左右。仿真结果验证了该方法的有效性。     

基于混合优化的运载器大气层内上升段轨迹快速规划方法

针对运载器大气层内的最优轨迹快速规划问题,提出一种将求解最优控制问题的间接法与直接法相结合的混合优化方法。首先,基于最优控制问题的一阶必要条件,将运载器大气层内的三维最优上升问题转化为Hamiltonian两点边值问题;然后,采用直接法中能以较少的节点获得较高求解精度的Gauss伪谱法进行求解,提高算法的求解效率;最后,采用真空解析解初值及密度同伦技术,解决初值猜测与算法收敛困难的问题。仿真结果表明,混合优化算法能够准确、快速地对运载器大气层内的最优上升轨迹问题进行求解,并在计算精度与效率上均优于间接法,可应用于运载器的轨迹在线规划与闭环制导。