基于改进粒子群的时差测向最优阵列布局

为了减小阵列布局对测向算法精度的影响，提升在特定场景下目标的测向精度，提出基于竞争策略和差分进化策略的粒子群优化（PSO-CDE）算法，并基于PSO-CDE实现时差测向阵列优化。首先，基于时差测向的原理，以位置约束和基线约束设计传感器阵列，以均方误差构建适应度评价函数；其次，提出PSO-CDE算法来提高粒子群性能和鲁棒性，并基于PSO-CDE算法对阵列布局进行策略优化；最后，通过仿真靶场环境，得到不同条件下的优化阵列布局。仿真结果表明：优化后的阵列较规则阵列具有更高的目标测向精度。同时，对比分析最优阵列中阵列基线、阵元数量和时延误差对测向精度的影响，为实际场景中阵列布局优化策略的选择提供相应的参考依据。     

基于短基线传感器阵列的炮弹被动测向算法

针对现有基于角度估计的无源被动探测技术不能满足远场高精度目标测向的问题，及现有被动探测传感器阵列在战场中需要大规模环绕布设的限制，采用基于经验模态分解(EMD)和短时能量特性分析的瑞雷波提取方法，结合时延双曲线定位模型提出免受波速影响的短基线传感器阵列被动测向方法。首先，在对传感器阵列获取的地震动信号进行信号特性分析基础上，基于EMD构建自适应分解去噪模型，提出基于信号短时能量特性的瑞雷波成分的抽取方法。其次，在对瑞雷波进行联合相关计算估计时延基础上，构建基于TDOA算法的时延双曲线模型，并提出基于四元十字短基线传感器阵列的DFA-WV算法，实现免受波速影响的炮弹信号高精度测向。最后，本文算法模型在仿真及靶场实弹试验得到验证，测试结果表明提取瑞雷波算法可为时延高准度估计提供效力，DFA-WV测向算法因摆脱波速估计值对测向结果的影响，相较于Chan算法及改进MPR算法具有更优的测向性能，且计算复杂度低，在实际野外靶场炮弹目标测向中具有工程应用价值。     

火星探测器大气数据测量方法

针对火星探测器进入飞行弹道的高马赫数、化学非平衡效应和低动压等特点，提出了一种基于火星进入大气数据系统/惯性测量单元(MEADS/IMU)耦合的测量方法，实现海拔60 km以下区域的火星大气数据测量。利用自主研发CACFD软件平台的化学非平衡模型/完全气体模型计算获得探测器宽速域飞行流场的表面压力点数据，建立了基于BP神经网络的MEADS算法模型。在高马赫数段(Ma>12)利用IMU测量获得的马赫数作为输入条件，结合MEADS算法测量获得总压、动压、静压、攻角和侧滑角等飞行大气参数，成功克服了马赫数无关性对MEADS系统测量的影响。在低马赫数段(Ma≤12),直接应用MEADS算法测量静压、马赫数、攻角和侧滑角。测试结果表明在MEADS系统测压单元误差≤7 Pa的条件：总压测量误差≤14 Pa(1.5%),攻角测量误差≤0.9°,侧滑角测量误差≤0.9°,动压测量误差≤10 Pa(1.5%),静压测量误差≤7 Pa(3%),马赫数测量误差≤0.1。飞行试验数据得出：MEADS测量与IMU测量马赫数、攻角和侧滑角等结果基本一致。