微分对策理论及其研究现状分析

本文阐述了微分对策在经济和军事领域中的研究和应用,详尽地叙述了微分对策的分类,并采用定量和定性方法对微分对策进行了分析,指出了微分对策的研究难点,对发展趋势作了较为详细的探讨。     

基于光束偏转层析技术的Radon变换迭代法

本文通过计算机模拟研究，利用气体温度场的先验知识，考查了将Ｒａｄｏｎ变换迭代法用于光束偏转层析技术重建三维温度场的重建精度。作为一个应用实例，测试了电弧某截面上的温度分布。     

基于FPGA最大迭代次数可变的LDPC译码器设计

文章给出了一种基于FPGA最大迭代次数可变的LDPC译码器设计方法。与传统的固定的最大迭代次数译码相比,该方法将译码的实际迭代次数少于分配的最大迭代时间用于对下一帧数据的译码,可以有效利用LDPC迭代译码过程中的空闲时间,来提高译码器的译码性能。在同样的数据吞吐率下,有效地提高了译码性能,而在同样的译码性能情况下,有效地降低了使用的FPGA硬件资源。非常适合译码性能要求高条件下实时高速译码器的设计。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动，提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合，反馈控制沿时间轴方向使关节运动跟踪期望轨迹，神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明，该方法能克服机器人动力学模型的不确定性和负载扰动，具有良好的鲁棒性和控制性能。     

超混沌系统的控制分析

论文采用系统变量的比例微分反馈法研究了六阶耦合Chua电路的超混沌和非自治强迫布鲁塞尔振子的混沌控制问题。理论分析和数值研究表明：对于超混沌系统的控制，只用一个变量进行反馈通常是不充分的，一般至少需要两个变量进行反馈，才能实现超混沌的控制目标。     

双拦截弹拦截单目标边界型微分对策制导律研究

针对战术弹道导弹、高超声速巡航导弹和无人飞行器等新型具有高机动性能的防空目标,为提高成功拦截的概率,采用多枚拦截弹进行拦截。应用微分对策理论,将双拦截弹拦截单目标的末段制导问题建模为“二对一追踪-逃逸”对策模型。考虑最大加速度约束,研究了两枚拦截弹的拦截空间分解和对策空间分布,并通过仿真研究了制导律性能。结果表明：采用两枚拦截弹拦截时,脱靶量对目标机动方向的转变时间具有很好的鲁棒性。     

不同宽高比的二元喷管电磁散射特性数值研究

为研究宽高比对二元喷管雷达散射截面(RCS)的影响,结合迭代物理光学法和等效边缘电磁流法开发了腔体电磁散射特性计算程序,用来分析二元喷管的雷达散射特性;并采用OpenMP和MPI两种并行技术提高计算效率。对比分析了不同宽高比(AR)的二元喷管在水平极化及垂直极化方式下的电磁散射特性,并给出了二元喷管在不同探测角下总散射场与边缘绕射场的RCS曲线。研究结果表明,在两种极化方式下,宽高比对边缘绕射场的RCS值影响不大而对总散射场影响较大;宽高比为2.0的模型在两种极化方式下,都具有较低的RCS值,相比宽高比为1.5的模型在水平极化方式和垂直极化方式下分别减少4.98%和6.72%。     

用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik-honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik-honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法（CID）算法相比,具有较快的收敛速度,初步验证了算法的有效性。     

介质涂覆位置对球面收敛喷管电磁散射特性影响

外形设计和隐身材料使用是缩减目标雷达散射截面积(RCS)的两种常用方法。为了研究雷达吸波材料(RAM)对于球面收敛矢量喷管(SCFN)的RCS减缩效果,采用引入阻抗边界条件后的迭代物理光学(IPO)法,研究了球面收敛二元喷管及8种吸波材料涂覆方案的电磁散射特性,并获得了X波段下9种模型的后向RCS随探测角度的变化规律。研究结果表明:吸波材料涂覆可以有效地缩减球面收敛喷管的RCS;合理的涂覆方案可以在保证RCS缩减效果的基础上,降低吸波材料的使用量;相比全涂覆方案,仅在喷管出口和球面段进行涂覆,可以在吸波材料减少30%使用量的情况下,达到全涂覆方案80%的缩减效果。     

非列紧空间的一般非扩张映象的Ishikawa迭代序列

本文证明了Hilbert空间上的非列紧的一般非扩张映象的Ishikawa迭代序列的收敛性。