一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术,本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先,建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数,使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次,考虑到求解的最优性和快速性,重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO）,从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后,仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比,RLPSO在较少迭代后即可给出适应度较高的规划结果,减轻了迭代过程中的计算资源消耗。     

基于改进混沌粒子群算法的发射波束控零

建立天线方向图综合控零模型,构造了一种适合方向图多指标优化的非线性目标函数。针对粒子群算法的快速收敛及全局最优的强搜索特点,应用混沌系统的遍历性和强随机性对算法进行改进,形成混沌粒子群算法,将其应用于发射波束方向图控制,实现了任意指定零陷深度要求的方向图控制。仿真结果验证了改进算法的优越性。     

低数据率与低阵元数时LCMV和LCEC波束形成算法研究

研究了低数据率与低阵元数条件下应用线性约束最小方差算法(LCMV)算法和线性约束特征干扰相消器(LCEC)算法的相控阵雷达系统对干扰抑制和旁瓣压低性能。建立了均匀线阵接收信号模型,给出了LCMV,LCEC两种算法的原理,用仿真方法讨论了不同数据率和阵元数时LCMV,LCEC算法不同到达方向上的干扰与旁瓣抑制性能。结果表明:与LCMV算法相比,高数据率、低阵元数时LCEC算法在两个相隔角度小于1个主波束宽带的干扰来波方向上形成的零陷更准确;低数据率、低阵元数时LCEC算法的角度分辨率更高;低数据率、高阵元数时LCEC算法的副瓣电平抑制能力更强,高阵元数时LCEC算法保持了静态方向图的特征。     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。     

天线选择性幅值扰动形成阵列零陷的技术

首先提出了一种在阵元关于阵列中心对称的线阵中利用幅值扰动形成零陷的新方法,该方法克服了传统幅值扰动方法零陷深度不足、旁瓣水平高的缺陷,且能够在多个强干扰源方向或在较宽的范围形成深度零陷而不影响主瓣。为了减少每次需要控制的阵元数,提高系统鲁棒性,在此基础上进一步提出了利用天线选择性幅值扰动形成零陷的方法。仿真结果表明,其性能可与基于全部天线进行幅值扰动的算法相比,甚至可与复权值控制方法的性能相比。     

高超声速飞行器再入轨迹快速优化研究

基于求解最优控制问题的Chebyshev伪谱法(Chebyshev Pseudospectral Method,CPM),研究了高超声速飞行器再入轨迹快速优化问题。针对远程多约束条件下再入轨迹优化问题的难点,提出了一种线性初值与节点更新相结合的优化策略,将攻角与倾侧角同时作为控制变量,以再入飞行时间最短为优化目标,利用CPM将轨迹优化问题转化为非线性规划问题,并使用SNOPT软件包求解,使CPM成为一种再入轨迹快速优化的通用算法。以某类高超声速再入飞行器为对象进行轨迹优化计算,并对比相同仿真条件下粒子群(PSO)算法的优化效果,仿真结果验证了该算法具有较高的求解效率和快速收敛性。     

变权TOPSIS评价的导弹总体参数粒子群优化设计方法

为解决传统单目标优化方法难以满足导弹总体参数多目标优化的需求,以及多学科设计优化方法复杂而难于在导弹概念设计阶段使用的问题。提出了一种基于变权TOPSIS(逼近于理想排序)评价和粒子群算法融合的多属性综合优化设计方法。以标准粒子群优化算法为基础,运用变权综合原理构建变权状态变量,结合TOPSIS评价方法计算每组粒子(总体参数方案)的可行欧氏距离,以欧氏距离作为综合评价目标开展了导弹总体参数优化设计研究工作。经实例分析表明,基于变权TOPSIS的粒子群优化设计方法能够有效解决导弹概念设计阶段总体设计多参数、多属性综合优化问题,与传统设计方法相比,具有概念清晰、方法灵活、实现高效的优点。     

基于PSO算法的神经网络优化设计

近年来,一种新的基于种群优化的算法——粒子种群优化（PSO）算法,正受到人们的普遍关注。文章简单介绍了基于粒子群优化算法（PSO）的神经网络优化算法,并给出了完整的源程序。     

用于星载赋形天线的基于频域多相干目标测向算法

提出了一种用于星载赋形天线抗多个相干干扰的基于频域单 快拍的测向算法,该方法首先采用频域多目标测向算法实现多干扰源的方向估计;基于 估计出的干扰源到达方向,对相干信号采用陷零投影矩阵对强目标陷零,以达到对强干扰 进行抑制从而测出弱干扰,较好地保证了相干强弱信号测向的准确性,从而有效地对同 时强弱相干干扰进行抑制。仿真结果和性能分析验证了该方法的可行性。
     

基于星载气象雷达的非线性调频信号优化设计

随着天气观测、研究和规划的进展,气象雷达技术的开发工作取得了重大进展。脉冲压缩使新一代低成本、紧凑型星载天气雷达系统成为可能。为了抑制脉压带来的距离旁瓣,目标探测雷达通常采用基于幅度调制和失配滤波的方法,但由于其存在主瓣扩展和功率损失等缺点,不适用于气象观测。非线性调频（NLFM）信号可以调整其功率谱密度,在明显不降低信噪比的情况下提供较低的旁瓣输出。本文设计了一种新的波形优化框架。该框架通过多目标粒子群优化算法（MOPOS）构造了一种针对气象粒子目标的非线性调频（NLFM）脉冲压缩波形,实现了极低的距离旁瓣电平和较高的多普勒容限,可以显著地缓解非常有限的卫星峰值功率的限制和卫星平台运动导致的多普勒对系统影响。仿真实验结果表明：改进的非线性调频波形具有良好的性能。     

组合动力运载器上升段轨迹智能优化方法

针对组合动力水平起飞可重复使用运载器，开展了上升段轨迹优化模型设计与轨迹优化方法研究。首先，针对跨大空/速域飞行须采用多种动力形式协调工作这一问题，考虑动力/气动/轨迹/指标间的复杂耦合关系，建立了运载器动力和气动模型。其次，为降低轨迹优化问题的求解难度，设计了一种全新的飞行剖面，实现了关键优化参数的提取和攻角约束的自动满足，减少了优化算法需要处理的约束数量。然后，提出了一种改进的粒子群优化(PSO)算法完成求解；在收敛性分析的基础上，引入强化学习机制对PSO寻优过程进行自主智能控制，从本质上提升了PSO算法的求解效率。最后通过数学仿真验证了方法的正确性和有效性。     

零陷展宽的递推实现方法

目前常用的零陷展宽算法都可以归纳到协方差矩阵锥化（CMT）的范畴,按常规计算方式,CMT法的运算量为O(M 3)。文章首先通过对CMT法中的锥化矩阵进行特征值分解,提出了一种递推实现的零陷展宽算法,将运算量降为O(JM 2) （J为锥化矩阵的秩）;将该递推方法与对角加载算法结合,大大提高了算法的鲁棒性;最后针对几种常用的锥化矩阵进行了分析,确定了Mailloux算法中虚拟干扰源的选取原则,对MZ算法的锥化矩阵进行了降秩近似,进一步降低了运算量。计算机仿真分析表明,递推CMT算法在与原算法性能相当的情况下运算速度大大提高,与对角加载算法结合后,可以以较低的运算量实现较好的稳健性。
     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

GA-PSO组合算法模型修正

文章在遗传算法（GA）和粒子群算法（PSO）的基础上,介绍了GA-PSO组合算法的流程和模态修正适应度函数的确定,并利用该算法对一个5层钢架结构模型进行修正,证实了该算法能有效修正模型。该算法能在前期利用GA算法进行高效全局搜索,后期利用PSO算法进行细致局部搜索,与单独使用PSO算法和GA算法相比,该组合算法修正效率和精度更高。     

自适应控制方法的直接命中目标本体的平行接近制导律

本文在最少量测条件下采用视线角速度ｑ趋于零的指标函数和低阶等效辨识模型与快速自适应控制方法实现了战术导弹的平行接近制导律。这种最优制导律可以实现直接命中目标本体，实现一弹多用，可以用于反导弹的控制。能使制导装置简化并使其尺寸和重量减小，算法简单易于工程使用。经过大量数学和半实物仿真试验表明，上述成果可应用于实际工程当中。     

基于滑动子空间的杂波样本筛选方法

针对受目标污染的非均匀杂波辅助样本筛选问题，本文利用超低旁瓣子空间平滑加窗处理，克服已有的非均匀杂波样本筛选方法面临的初始协方差矩阵包含目标信号而引起的目标相消问题。一方面，采用超低旁瓣子孔径滑窗方法大幅提升旁瓣区信杂噪比，结合拟合方差偏离量提取目标大信号能量并予以剔除。另一方面，结合广义内积（Generalised Inner Product,GIP）等算法在子空间平滑的基础上进一步剔除非均匀杂波样本，从而得到独立同分布的杂波协方差矩阵。基于子孔径滑窗的杂波样本剔除方法能够大幅降低系统运算复杂度，提高系统应用效能。通过对机载实测数据的验证分析，该算法能够改善目标的输出信杂噪比，保留微动效应的离散弱目标信号，具备很高的工程应用价值。     

一种用于目标特征提取的改进RELAX算法

传统RELAX算法是基于sinc核函数进行处理的，该算法在正弦信号参数估计上具有良好的鲁棒性和有效性。在远场成像条件下，逆合成孔径雷达（ISAR）目标回波可近似为复正弦模型，因而可以采用RELAX算法进行目标特征提取。当对ISAR实测数据进行处理时，复杂目标中强散射中心的高旁瓣电平和噪声的共同影响，造成特征提取中对散射中心的个数估计不准确，影响了特征提取精度。针对这一问题对RELAX算法进行了改进，提出采用加窗处理技术，对RELAX处理的核函数进行修正。数值仿真和对ISAR实测数据的处理结果表明，改进的RELAX算法改善了旁瓣性能，提高了散射中心提取精度。     

相控阵雷达多目标跟踪算法研究（连载一）

以多功能相控阵雷达为背景，研究了多目标跟踪问题，针对“当前”统计模型及自适应跟踪算法的不足，提出一种修正自适应滤波算法；并探讨三维混合坐标系下的机动目标的建模与预报；且基于简化联合概率数据互联CJPDA（Cheap Joint Probabilistic Data Association)算法，提出一种实用方法直接计算后延概率，比CJPDA方法精度高，并根据“最近邻”JPDA思想，给出一种优化方案，蒙特卡罗仿真表明，本方案能有效跟踪多个机动和非机动目标，且易于实现。     

基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

高超声速飞行器雷达散射截面分析

为完善高超声速飞行器（HCV）雷达散射截面（RCS）的工程计算方法，综合应用几何光学法（GO）、物理光学法（PO）、等效电磁流法（MEC）等高频近似方法计算飞行器各散射中心的RCS贡献。结合理想二面角反射器RCS的经验公式，提出等效照明面积概念，并用于计算翼身组合段的RCS。采用后向面判别法和深度缓冲器算法分析面元之间的遮挡关系，计算了整个高超声速飞行器的RCS。计算结果与矩量法结果吻合，可满足工程分析和飞行器多目标优化设计的需要。