返回舱弹道重建与黑障区弹道再现研究

对于飞船返回舱，黑障区弹道再现是再人飞行试验气动分析工作的重要环节。利用舱上测量数据和有限的雷达测量数据重构飞行弹道，是黑障区弹道再现的有效方法。本文建立了返回舱弹道重建的数学模型，包括运动学模型、观测模型、测量误差模型，从而将返回舱弹道重建问题转化为一个非线性动态系统的参数辨识问题。给出了基于极大似然判据和Newton-Raphson迭代的弹道重建算法。对某飞船返回舱的飞行试验数据进行了计算和分析，结果证实了弹道重建数学模型的正确性和算法的可行性。通过弹道重建，不仅再现了黑障区的弹道，而且提供了可靠的、完整的弹道数据。     

基于贝叶斯稀疏重构的非均匀样本谱估计

在航空电子对抗领域,往往需要利用非均匀样本来估计信号的频谱。针对非均匀样本谱估计问题,提出了贝叶斯稀疏重构谱估计算法(BSRSE)。该算法首先将非均匀采样的谱估计表示为稀疏信号重构问题。然后利用拉普拉斯分布表示稀疏性,建立贝叶斯模型。最后通过构造加速的不动点迭代方法估计参数,从而估计信号频谱。与现有谱估计方法比较,该算法具有较高的频率分辨力、较强的噪声适应能力,且需要较少的样本数。数值仿真验证了该算法的有效性。     

线性模型信号估计的精度分析

线性模型的信号估计精度是工程应用上非常重要的指标.传统的信号精度分析的方法主要是依据回归模型的残差,构造相应的统计量进行评价的.现通过对动态测量数据模型的分析,从随机误差、系统误差、信号模型这三个方面出发,分别分析其对信号估计精度的影响,结论是建立精确的信号和系统误差的节省参数模型以及有利于信号和误差分离的模型是得到高精度信号估计的前提.比较了弹道数据处理中的不同线性模型,并给出算例分析.     

基于远场模式的散射体形状成像

对线性抽样法的电磁场逆散射求解进行了研究。为避免迭代和优化法的正问题求解，用积分算子将散射物边界数据映射到散射场的远场模式，针对第一类积分方程的不适定性，用Tikhonov正则化法求解，并用高阶收敛算法确定正则化参数以快速数值实现。数值计算结果表明：线性抽样法＋确定正则化参数的高阶收敛算法可较好地滤除噪声，减少了确定正则化参数的计算量。     

基于谱图-Radon变换二值积累的信号检测方法

在低信噪比条件下，谱图-Radon变换可以有效地检测多个线性调频信号，但是当多个线性调频信号能量相差很大时，强信号的平台会将弱信号的峰值淹没，谱图-Radon变换就很难同时将这多个线性调频信号检测出来。本文提出了基于谱图-Radon变换二值积累的方法，这种方法可以有效的检测出被强信号平台掩盖的弱信号，具有较大的实用价值，仿真实验结果表明这种算法是有效的。     

基于半参数建模的弹道目标实时滤波

设计弹道目标的实时跟踪滤波器时,精确的动态建模和测量系统误差自校准是提高滤波精度的重要手段。基于补偿最小二乘原理和Tikhonov正则化定理,将难于参数化的复杂运动成分和测量系统误差表示为非参数分量,建立了基于半参数化建模的弹道递推模型和实时滤波算法,并详细设计了半参数建模时所需的光滑因子、正则化矩阵和窗口宽度等建模参数的在线选取方法。仿真实验和实际数据的计算结果表明,非参数成分可以有效地补偿状态模型误差,且可在线校准测量系统误差,显著改善弹道估计精度。算法已初步应用于实际飞行任务,其中的递推建模方法和参数选择策略对其它实时滤波器的设计同样有参考价值。     

平稳时间序列的Hartley变换谱估计及其在遥测系统中的应用

本文给出遥测信号数据相关函数和功率谱的计算方法——快速Hartley变换(FHT),用之取代快速Fourier(FFT)算法。首先研讨了FHT法,继而讨论相关和功率谱估计、自/互功率谱估计并对两种算法的计算量作了对比。结果表明,随机数据处理软件系统对一系列伪噪声功率谱的测试结果在统计意义下与理论值一致。从而得出结论:用相关函数法对实型数据进行功率谱估计,采用FHT比采用FFT更有效。     

姿控载荷多约束下的内外弹道联合优化

为提升固体运载器整体性能,提出一种姿控载荷多约束的内外弹道联合优化建模方法。首先,建立固体运载器内弹道计算模型和外弹道计算模型,给出大风区和级间分离的姿态控制模型以及杆状减阻装置载荷计算模型。其次,以灵敏度分析方法选择出内外弹道设计参数作为优化设计变量,将姿控摆角需求、减阻杆承载能力作为约束条件,建立以射程最优为目标的优化模型。最后,将该方法应用在某三级固体运载器的优化设计中,以差分进化算法开展仿真校验,射程提高了10.8%,并且优化结果满足姿控和载荷约束。     

一种用于机动目标的线性调频脉冲估计和逆合成孔径雷达成像的自适应滤波方法

在逆合成孔径雷达（ISAR）成像中，由于机动目标的非合作运动，散射器的多普勒频移随时间变化，而雷达回波信号通常为线性调频脉冲。线性调频脉冲会计对ISAR成像的性能起着重要作用。Li和Stoica最近提出了一种自适应FIR滤波方法，用来估计正弦信号的振幅和相位，并将这种方法应用于采用正弦信号模型的合成孔径雷达（SAR）成像。本文推广Li和Stoica的算法，用来估计线性调频脉冲信号并将其用于机动目标的ISAR成像。该推广算法已由仿真数据验证。     

小波变换在弹箭遥测数据处理中的应用

由于遥测参数的时变性和各种干扰的影响，传统的Ｆｏｕｒｉｅｒ分析往往不能给出令人满意的处理结果。小波变换是一种同时在时间（或空间）域和频率域内进行局部化分析的新方法；利用小波变换及其自适应性，可以在不同的分辨率下分析和处理数据，尤其是处理非平稳信号。本文介绍小波分析的基本原理，说明利用小波变换将遥测信号在时频平面上表示的方法。在此基础上，将小波变换应用于实测遥测数据的分析和处理，从被噪声淹没的数据中成功地恢复出冲击信号，提高了箭遥数据的信噪比。     

一种基于单站仅测角观测的弹道射向估计算法

针对单站仅测角条件下的弹道射向估计问题,提出了一种新的基于推力加速度模板的弹道射向估计算法。首先,建立以射向为待估参数的弹道平面切割模型,获得一组备选弹道曲线。其次,通过UKF算法从每条备选弹道曲线中估计出推力加速度曲线。最后,将得到的推力加速度曲线与推力加速度模板进行匹配,进而得到弹道射向估计结果。仿真结果验证了该算法的有效性。     

基于预警卫星观测数据的弹道重构算法研究

地球静止轨道顶警卫星弹道重构是弹道导弹防御的一个重要环节，利用基于Stirting插值逼近的非线性KALMAN滤波方法，对凝视型弹道重构算法进行了研究。在对导弹动力学模型分析的基础上，建立了弹道状态方程组和观测方程组，并对滤波计算中的初值选取，参数变换进行了讨论。滤波计算中的初值选取所用的多项式拟合方法，可以进行扫描型弹道重构的实现，但精度不高。通过仿真计算，对算法的可行性进行了验证。     

共轭梯度算法在振动信号处理中的应用

为了提高液体火箭发动机试验振动信号频域数据处理的精度,提出了一种基于共轭梯度和AR模型的谱估计算法。该算法计算复杂度低,估计出的谱分辨率高,可以克服传统的经典傅里叶变换功率谱估计算法在信号信噪比降低时不能有效区分相近频率点谱线的问题,解决了传统算法旁瓣泄漏严重的固有缺点。通过对算法在不同信噪比条件下的仿真实验分析与真实试验数据验证,充分表明了此算法在低信噪比条件下,估计的谱仍具有高分辨率的特点。     

一种多级助推段弹道导弹跟踪算法

针对多级助推段弹道导弹存在多个加速度突变点、机动性强导致跟踪难度大的问题,提出一种基于量测转换的强跟踪输入估计（STMIE）弹道导弹跟踪算法。在对多级助推段弹道导弹动力学特性分析的基础上,推导出雷达站东北上（ENU）坐标系下弹道导弹的运动方程,并通过将修正的无偏量测转换（MUCM）与STMIE算法融合,使得在导弹跟踪中应用STMIE算法成为可能。以典型的多级助推段弹道导弹为跟踪目标进行仿真校验,结果表明,本文算法对多级助推段弹道导弹目标跟踪性能优越,且算法复杂度较低,效费比高。     

双基地MIMO雷达收发角和径向速度联合估计

在双基地MIMO雷达信号模型基础上,提出一种新的目标收发角和径向速度联合估计方法。该方法首先将三参数估计问题转化为非对称联合对角化问题,然后采用最小二乘循环算法对其求解,估计收发导向矩阵和速度矩阵,最后利用谱分析算法恢复收发角和径向速度。同时采用截断高阶奇异值分解(THOSVD)对数据进行压缩处理,减小运算量。该方法充分利用匹配滤波输出的所有信息,无需二维谱峰搜索,每次循环均可得到精确的闭式解。与基于并行因子(PARAFAC)分析的方法相比,该方法可获得更高的参数估计精度,且三参数自动配对。仿真表明了方法的有效性。     

三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题，提出一种三重混合范数块稀疏重构算法。首先，建立一种俯仰角和方位角可分离的二维稀疏测向模型，将两个维度采样点分块，分别计算联合协方差矩阵，二维角度估计问题被转化为联合协方差矩阵稀疏优化问题；为减小计算复杂度，建立三重混合范数块稀疏重构模型，利用交叉迭代的方法得到稀疏解，实现了二维角度估计，并且可以自动配对。仿真试验表明，三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度，分辨率较高，并且具有一定的鲁棒性。与传统算法相比，在低信噪比和小快拍数的条件下，均优于传统二维角度估计算法。     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

强信号背景下弱信号角度时延的联合Capon估计方法

针对强信号背景下弱信号角度时延联合估计过程中的弱信号数目难以精确估计问题,在分析Capon谱估计法估计信号DOA原理的基础上,将Capon谱估计法进行扩展,提出了一种在强信号背景下弱信号角度时延联合估计方法。为弥补Capon法分辨力较差的劣势,将扩展的Capon法与有高分辨性能的m-Capon算法结合,提出了一种改进的m-Capon方法,能区分来波方向接近的不同目标信号。研究和仿真结果表明:该方法无需对弱信号的信源数进行估计,也无需分解特征值,且在快拍数较少时仍具适用性。