神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

基于自适应采样滤波器的临近空间飞行器姿态确定

为提高临近空间飞行器的姿态估计精度和稳定性,研究了捷联惯性导航系统与星敏感器组合定姿方法和滤波融合算法.首先给出了临近空间飞行器的高精度姿态确定方案及其模型,然后针对一般采样型滤波器自适应能力有限的缺点,推导了一种能在线自适应估计过程噪声和量测噪声协方差阵的自适应采样滤波算法,该算法融合了自适应估计和非线性滤波各自的优点,不仅能对姿态确定系统的非线性滤波问题进行高精度估计,而且估计结果具有较强的鲁棒性,最后进行了仿真实验.实验结果表明本文方法达到10角秒的定姿精度,其滤波精度和稳定性均满足临近空间飞行器的定姿要求.     

导弹高精度快速水平对准算法

为提高弹道导弹射击精度,考虑水平对准误差对射击精度的影响,提出了一种适于晃动环境的水平对准算法,给出了数学模型。仿真结果表明：该算法对准精度高,在90 s内对幅值不大于50′的随机晃动水平失准角的估计误差小于1′,优于原水平对准算法,且计算量小、易于实现。     

雷达干扰智能决策资源分配的一种快速算法

干扰资源分配技术是应用于地对空雷达干扰智能决策支持系统中的核心内容 ,如何快速对现有资源进行合理地分配是直接关系到该雷达干扰智能决策支持系统的成败。提出了一种基于雷达干扰智能决策支持系统中干扰资源一对一分配原则的快速算法 ,即连续循环布尔操作法。实验结果表明 ,与现有多级优化动态资源分配方法相比较 ,它能够更快速地找到最优分配方案     

基于新型经验模分解的激光陀螺漂移趋势项提取

为了提高激光陀螺建模精度进而提高惯件导航系统的精度,需要对激光陀螺漂移时间序列的趋势项进行精确提取.针对陀螺漂移时间序列非线性、非平稳的特点,提出一种基于自适应正弦延拓的新型经验模分解方法对其趋势项进行提取.该方法根据信号端点附近数据变化趋势,在其两端加上适当相位、幅值和频率的正弦延拓函数,从而抑制端点效应,提高分解精度.数字仿真和实例应用结果表明该方法具有筛选次数少,自适应能力强,分解精度高的优点,是提取趋势项的一种有效方法.