一种基于特征空间的自适应天线旁瓣相消算法

把常规自适应天线旁瓣相消算法和特征空间技术相结合,提出了一种新的自适应天线旁瓣相消算法。该算法把常规自适应天线旁瓣相消算法的权矢量向由干扰特征矢量组成的干扰子空间投影,避免了由小特征值对应特征矢量组成的噪声子空间对权矢量的影响,与常规自适应天线旁瓣相消算法相比,该算法具有更好的干扰对消性能,其输出干扰对消比和波束方向图都能在很少的快拍下收敛。计算机仿真结果证实了这种算法的有效性。     

基于Leader-Follower的多无人机编队轨迹跟踪设计

针对四旋翼无人机（UAV）群在轨迹跟踪过程中易受外界干扰而引起跟踪误差的问题，设计了基于Leader-Follower的多无人机协同编队轨迹跟踪控制方法。在该系统中，首先通过积分反步法（IBS）对所建四旋翼飞行器模型设计Leader无人机的轨迹跟踪控制器。其次设计了滑模控制（SMC）器，以控制Leader与Follower无人机实现期望的编队队形并同时跟踪参考轨迹。然后通过数值仿真验证了算法的有效性，仿真结果表明，系统具有良好的控制精度。最后通过视觉定位系统进行实验，结果表明所设计的控制器能够实现多个无人机轨迹跟踪和编队控制，所设计的算法具有可行性。     

基于预警卫星系统的临近空间飞行器跟踪

系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

基于预警卫星系统的临近空间飞行器跟踪简

 系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

基于功率复用的椭圆球面波函数非正交调制方法

围绕如何降低基于椭圆球面波函数的非正交调制（PSWF-NPSM）系统误码率，降低信号检测复杂度，引入调制信号功率复用思想，提出基于功率复用的椭圆球面波函数非正交调制（PD-PSWF-NPSM）方法。该方法对载波信号按子波带进行功率分配，增加了调制信号最小欧式距离，降低了系统误码率；在接收端，提出基于检测统计量的串行干扰相消信号检测方法，依据不同支路信号间功率差异，对信号进行分离、检测。理论与仿真分析表明，该方法在不降低系统频带利用率、调制信号功率谱、峰均功率比特性前提下，能够有效提高系统误码性能，降低调制信号检测复杂度；与原非正交调制方法相比，当误比特率（BER）为10^-5时，所提方法系统误码性能提升约1.7 dB。     

基于自适应深度网络的无人机目标跟踪算法

针对无人机（UAV）视频中目标易受到遮挡、形变、复杂背景干扰等问题，提出一种基于自适应深度网络的无人机目标跟踪算法。首先，基于主成分分析（PCA）和卷积神经网络（CNN）算法，设计3阶的自适应深度网络进行目标特征提取，该网络对图像的H、S、I通道分别进行主成分分析学习，将得到的特征向量输入网络进行分层卷积，优化了网络结构，提高了网络的收敛速度和精度。其次，将目标深度特征输入核相关滤波算法进行目标跟踪，通过分析相邻2帧图像的变化率，采用分段自适应调整学习率的算法进行目标模板更新，有效地改善目标遮挡问题。仿真实验结果表明，该算法有效地避免了复杂因素干扰导致的跟踪精度下降，具有较好的鲁棒性，相较于全卷积跟踪（FCNT）算法平均跟踪精度提高了9.62%，平均跟踪成功率提高了11.9%。     

基于多尺度融合的自适应无人机目标跟踪算法

针对无人机（UAV）跟踪过程中目标的尺寸小、尺度变化大和相似物干扰等问题，提出了一种基于多尺度注意力和特征融合的自适应无人机航拍目标跟踪算法。首先，考虑到无人机视角下干扰信息多，构建了深层多样化特征提取网络，提供鲁棒表征目标的语义特征和多样化特征；其次，设计的多尺度注意力模块，抑制干扰信息的同时保留了不同尺度的目标信息；然后特征融合模块将不同层特征进行融合，有效整合了细节信息和语义信息；最后，使用多个基于无锚框策略的区域建议模块自适应感知目标的尺度变化，充分利用整合的特征信息实现对目标的精准定位与稳定跟踪。实验结果表明：该算法在数据集上的成功率和准确率为61.7%和81.5%，速度为40.5 frame/s。该算法对目标的辨别能力、尺度感知能力和抗干扰能力明显增强，能有效应对无人机跟踪过程中的常见挑战。     

基于自适应动态规划的运载火箭智能姿态容错控制

针对运作火箭主动段发动机摆动执行机构故障下的姿态控制问题,结合自适应动态规划（ADP）方法设计了一种智能容错控制策略。该智能容错控制器主要包括2部分：容错稳定控制部分和优化补偿部分。容错稳定控制部分利用自适应和滑模变结构控制设计,主要维持执行机构故障下姿态控制系统的稳定,保证姿态跟踪误差的有限时间收敛;优化补偿部分采用执行-评价结构,利用ADP的在线学习优势,根据姿态系统的跟踪误差（尤其是系统故障、强干扰导致的跟踪偏差）,设计ADP算法产生补偿控制来进一步优化姿态控制系统的跟踪性能。仿真验证表明,即使存在外部干扰和执行机构故障的情况下,所提方法仍能保证系统稳定且精确跟踪指令信号。     

一种简化的机载MIMO雷达杂波特征相消器

针对机载多输入多输出(MIMO)雷达杂波抑制问题,提出一种简化的杂波特征相消器(EC).根据杂波在空时二维平面的先验分布离线构造杂波子空间.以此替代由协方差矩阵特征值分解(EVD)得到的杂波子空间,从而将最优权简化为一个确知投影矩阵与目标信号空时二维导向矢量的乘积,避免了传统EC方法中复杂的协方差矩阵估计和EVD运算,...     

改进的SURF算法及其在电视制导中的应用

针对电视制导应用,提出了一种改进的SURF特征描述子目标跟踪算法。首先对SURF特征描述子的生成过程进行了改进,利用三角特征和对角特征设计了改进的SURF特征描述子,在保证区分能力的基础上提高了运算速度;基于SURF特征点匹配,设计了电视制导的匹配跟踪策略。仿真试验证明,基于改进SURF特征描述子的跟踪算法满足电视制导需求,同时运算速度达到了26f/s,比改进前提高了一倍以上,满足实时性要求。     

The eigencanceler: adaptive radar by eigenanalysis methods

It is shown that the dominant eigenvectors of the space-time correlation matrix contain all the information about the space-time distribution of the interferences. The eigencanceler is a new approach to adaptive radar beamforming in which the weight vector is constrained to be in the noise subspace, the subspace orthogonal to the dominant eigenvectors. Two types of eigencancelers are suggested: the minimum power eigencanceler (MPE) and the minimum norm eigencanceler (MNE). It is shown that while the MPE is implemented as a linear combination of noise eigenvectors, the MNE can be formed using dominant eigenvectors only. Particularly for short data records, the MNE provides superior clutter and jammers cancellation, as well as lower variations in the pattern and lower distortion of the mainbeam, and can be carried out at a smaller computational cost than other known beamformers, such as the minimum variance beamformer     

动力调谐陀螺最佳多位置试验的选择

多位置试验是标定陀螺静态误差模型的常用方法。本文从最优化试验和试验误差角度出发,讨论了多位置试验的设计准则,并提30位置试验和16位置试验作为动力调谐陀螺的最佳试验方案。试验结果表明:文中提出的试验方案的设计准则是可行的,最佳试验方案是可取的。     

复合材料层压结构铺层顺序优化设计特征提取算法

受在感知过程中抓住主要特征的启发,结合复合材料层压结构优化问题的特点,借鉴遗传算法、蚁群算法等模拟进化优化算法的流程,提出1种"特征提取"的优化算法。根据目标函数值f(→Xj)(j=1,2,…m)的大小,对相应的m个设计变量向量→Xj=(x1,j,x2,j,…,xi,j,xn,j)(j=1,2,…m)进行排序;在一定的"背景噪声"S下,根据"特征提取"指示向量P提取群组中较优方案的共同特征,生成m个新的设计变量→X′j。算例验证表明,所提出的算法是有效的。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

基于辅助粒子滤波的机动目标跟踪研究

针对机动目标跟踪巾扩展卡尔曼算法（EKF）收敛速度慢、跟踪精度低的问题,基于粒子滤波（PF）和辅助粒子滤波（APF）的基本思想,结合目标先验信息将速度约束条件加入到跟踪过程巾,对辅助粒子滤波算法进行了仿真分析,与扩展卡尔曼进行仿真对比,分析了跟踪性能和误差。仿真结果表明,对机动目标跟踪问题,辅助粒子滤波不仅解决了扩展卡尔曼线性化困难难题,与EKF相比还具有收敛速度快,跟踪精度高的优点。     

基于多目标遗传算法的航空发动机PID控制器参数优化

提出了1种基于多目标遗传算法以及多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法（NSGAII）求出了Paret0最优解;用这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行了权值计算,然后采用逼近理想解的排序方法（TOPSIS）进行了多属性决策（MADM）研究,对Pareto最优解给出了排序;计算了某型航空发动机PID控制的数值算例,结果表明所提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

一种密集多回波环境下的机动多目标跟踪起始算法

 本文研究密集多回波环境下的机动多目标跟踪起始问题。文中首先提出主跟踪子空间和边缘跟踪子空间的定义与性质,接着修正Bayes轨迹确定方法BTC,并将其与具有残差滤波的修正概率数据关联滤波算法MPDAF-RF有机地结合起来,提出一种适合高密集多回波环境的机动多目环跟踪起始方法——“全邻”Bayes跟踪起始算法ABTI。Monte Carlo仿真表明,本文所给出的算法不仅克服了一类概率数据关联滤波方法没有跟踪起始机理的缺陷,而且辨别目标与虚警的能力很强,不失为解决高密集多回波环境下机动多目标跟踪起始的有效方法。     

空间谱估计经典算法性能比较

空间谱估计是阵列信号处理的一个重要研究方向。空间谱估计理论与技术已日趋成熟,近几十年的经典谱估计技术包括：常规波束形成（CBF）、Capon谱估计、多重信号分类（MUSIC）、旋转不变子空间算法（ESPRIT）、最大似然（ML）、子空间拟合（SF）,及这些算法的扩展和变形。上述算法在各个分散的文章中均有具体深入的理论分析和研究,亦有类似的2种或3种算法的性能比较,但是针对这些所有算法的性能比较,就笔者所知尚无公开报道,而使工程实现时对算法的选择没有依据。本文对这些经典算法做了简介,列出各个算法的优缺点,并对性能进行仿真比较,能直观地得到各个算法的性能对比,给工程实现算法选择提供理论依据。     

基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。