基于神经网络和人工势场的协同博弈路径规划

协同博弈路径规划是空战自主决策、机器人体育比赛等应用场景中的重要问题，其难点在于对环境对抗性反馈的实时自适应和多智能体的相互配合。提出一种基于神经网络和人工势场的协同博弈路径规划方法，使用反向传播（BP）神经网络自适应调整人工势场函数系数，并将人工势场作为神经网络输出端的特征提取。为解决真实样本质量和数量不足的问题，基于遗传算法仿真生成样本数据用于神经网络训练，并通过滚动时域的思路面向动态博弈优化样本性能。从样本数据中提炼出距离差与航向差以反映协同和博弈特性，利用神经网络的黑盒特性和学习能力解决协同博弈问题。应用于二对一反隐身超视距空战路径规划，比经典人工势场法有明显性能提升，且计算开销可接受，计算复杂度分析表明该方法可以较好扩展到多机对抗场景。     

共形相控阵信号处理技术研究

该文主要讨论共形相控阵列的天线方向图合成以及杂波中慢速运动目标的检测问题.文中从建立共形阵列的空间导引矢量入手,首先研究了共形阵列的低旁瓣加权技术,给出了基于能量迭代法和交替投影方法的权值计算方法;接下来讨论了采用空时自适应处理技术抑制杂波、检测目标的问题.建立了共形阵列杂波模型,给出了最优权值以及输出信干噪比的计算方法,最后讨论了共形阵列降维处理算法的实现问题.     

基于不敏变换的动基座传感器偏差估计方法

提出了一种新的基于合作目标的动基座传感器误差绝对配准方法。该方法利用所获得的合作目标位置信息,将载体平台姿态角偏差转换为传感器测量偏差中的一部分,并建立偏差状态方程和测量方程。在此基础上,采用广义最小二乘方法以实现传感器测距误差的估计,不敏滤波的方法则用于实现平台载体的姿态偏差和角度测量偏差的实时估计。仿真结果表明,该方法实现简单,收敛速度快,可以实现单部动基座传感器的偏差估计。     

基于多载频MIMO雷达的Radon-Fourier变换盲速旁瓣抑制

 长时间相干积累方法Radon-Fourier变换(RFT)中盲速旁瓣(BSSL)现象会导致雷达虚警增加、目标检测性能降低。针对BSSL问题,给出了一种基于多输入多输出(MIMO)雷达多载频设计的BSSL抑制方法。首先根据载频与BSSL分布的关系,详细推导了BSSL不交叠的约束条件;然后基于该约束条件给出了具体的载频设计公式。利用设计的载频可得到具有不交叠BSSL的两个RFT输出,通过联合处理这两个RFT输出,可实现BSSL抑制。给出了BSSL抑制性能的评价方法。理论分析和数值实验结果表明,本文算法能够在不降低RFT相干积累性能的同时,有效实现BSSL抑制。     

圆台阵列杂波模型及空时二维自适应处理

针对圆台共形阵列,建立了空时二维自适应处理(STAP)的杂波模型,给出了圆台阵列杂波抑制最优权值的计算方法。在此基础之上,为了实现可应用到实际环境中的自适应处理方法,进一步讨论了将局部联合域(JDL)降维算法推广至圆台阵列中的问题。得出了圆台阵列JDL算法降维变换矩阵的表达形式,研究了参考波束的数目选取、波束指向等因素对降维损失的影响。理论分析以及仿真结果表明,通过合理选择通道数、波束方位向指向间隔等参数,该算法能够减少自适应波束形成的计算量,而且可以用较少的训练样本获得较好的处理性能。     

基于递推贝叶斯的检测跟踪一体化方法

在雷达系统中,对雷达散射截面积(Radar Cross-Section,RCS)较小的快速机动目标的检测与跟踪是难点。本文提出采用基于递推贝叶斯原理的检测跟踪(Track-and-Detect,T&D)一体化方法提高雷达对这类目标的检测和跟踪性能。针对机动目标,用模型参数更新法来改进递推贝叶斯方法,即利用先验信息或实时估计的目标速度信息实时更新运动模型参数。对雷达实测数据的处理结果表明,该方法在机动目标的平均信噪比约为6dB时,即可实现在虚警率为10-3时检测概率达到0.9的指标。