基于频控阵的稳健Capon波束形成

为了克服相控阵波束仅具有角度分辨力的缺陷,频控阵通过在阵元间加入相对于载频十分微小的频率增量,实现了波束的距离-角度二维相关。引入3种接收信号处理机制,并对其进行理论推导分析,仿真说明了其中2种机制的实用性。针对指向误差存在情况下,估计的目标导向矢量与真实的目标导向矢量失配的问题,采用稳健Capon波束形成（RCB）算法,给出纠正偏差后的导向矢量闭式解,并在2种信号处理机制下,对其方向图进行了仿真。结果表明,利用RCB算法能在目标位置形成高增益,干扰位置形成零陷,验证了算法在频控阵中应用的有效性。      

多模型GGIW-GLMB算法跟踪机动群目标

针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利（MM-GGIW-GLMB）算法。采用多模型算法对群目标进行运动建模,利用最适高斯（BFG）近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器（STF）对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配（OSPA）距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。      

一种GTD模型参数估计的改进2D-TLS-ESPRIT算法

针对经典二维总体最小二乘法旋转不变子空间（2D-TLS-ESPRIT）算法估计二维几何绕射理论（GTD）模型参数精度不高、抗噪性能较差这一问题,提出了一种改进2D-TLS-ESPRIT算法。首先,改进算法通过将目标的极化散射矩阵加入到二维GTD散射中心模型,使得模型对目标极化散射特征的描述更加精准;其次,构建置换矩阵得到原始回波矩阵的共轭矩阵,并将两者结合起来,从而延长了目标电磁散射数据的长度;最后,仿真结果验证了改进算法的参数估计性能与噪声鲁棒性均要优于同类已有算法,雷达散射截面积（RCS）外推结果进一步验证了改进算法参数估计性能的先进性。      

频率分集阵列对干涉仪的角度欺骗效果

针对干涉仪的测向隐蔽性问题,提出了一种基于频率分集阵列（FDA）对干涉仪的角度欺骗方法。干涉仪通过求取各天线接收到信号的相位差确定信号到达角,而FDA由于各阵元具有微小频偏造成其相位差并不满足求解关系,从而实现角度欺骗。首先,利用模型建立法和欧拉公式法2种方法建立了FDA波束相位模型;然后,从建立的2种模型出发,论证了FDA发出信号对干涉仪具有角度欺骗效果;最后,仿真分析了干扰距离、阵元间距、发射频率、频率增量等因素的影响。理论分析与仿真结果表明,FDA对处于远场的干涉仪目标有良好的欺骗效果。      

基于数据链的空战对抗建模及增援决策分析

研究了空战双方力量的变化问题.将飞机的空战能力指数转化为平均战斗力水平,进而以蓝彻斯特方程为基础,考虑数据链对空战的影响和作战中有增援力量的加入,建立了对抗双方战机数量变化的微分方程模型,给出了其数值计算方法,指出了离散计算的时间步长所应满足的条件,并根据增援模式的不同,将模型细化为不同形式.仿真实验表明,存在有效增援时间范围,一次性增援和匀减速增援具有时间优势,并且通过构造评价函数有效衡量了这两者具有较高的增援效率,为空中作战应用和决策提供了参考依据.      

基于改进Hopfield神经网络的对地攻击型无人机自主能力评价

对地攻击型无人机是当前最先进的无人装备之一,无人机必须具备很高的自主能力,自主能力成为无人机的典型作战能力。针对对地攻击型无人机的自主能力量化评价问题,从感知能力、决策能力、行为能力和安全能力4个方面,并侧重机载装备参数分析,提出了一套完整的自主能力评价指标体系。结合模型因素库,运用奇异值分解设计Hopfield神经网络权值矩阵,利用基于稀疏度的权值删减算法改进网络结构。构建自主能力评价标准,对对地攻击型无人机系统自主能力进行量化分级。仿真结果表明:相对于传统Hopfield神经网络,改进算法能够在一定范围内删除非关键的连接权值,降低网络复杂度,工程上更容易实现对地攻击型无人机系统自主能力的量化评价。      

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.      

Linearization errorʼs measure and its influence on the accuracy of MEKF based attitude determination method

Multiplicative Extended Kalman Filter (MEKF) is one of the most widely used satellite attitude estimation methods. However, the linearization error?s influence is an inherent limitation of this method. In this paper, we aim to analyze this linearization error in the typical satellite attitude determination system with star sensors and gyros. The formulation of linearization error is first derived and the curvature metric is then employed to measure the linearization error. Additionally, we show the reason why linearization error has influence on the performance of MEKF. Based on these analyses, we point out that star sensors? sampling frequency, initial estimated error and accuracy of gyro?s measurement model are the factors that could enlarge the system model?s linearization error. They all affect the linearization error and attitude determination accuracy by decreasing the predicted accuracy. More concretely, the influence of star sensor?s sampling frequency is large, while initial estimated error and gyro?s measurement error within a certain range have little influence on MEKF. Finally, combined with plenty of experiments, validity of the above analyses is verified.     

Two-dimensional launch window method to search for launch opportunities of interplanetary missions

Accurate and highly efficient approaches to obtain mission opportunities are still the goals of mission planners of interplanetary explorations. The search for launch opportunities not only determines the specified launch window of the mission but also presents the performance requirements for the interplanetary probe and its launch vehicle. An effective method, namely the two-dimensional launch window method, is developed from a completely new perspective to determine all the launch opportunities of the mission in this research. For a fixed launch time, the method to determine all the time windows in the dimension of Time-of-Flight (TOF) is firstly proposed and these time windows represent all the launch opportunities for the given launch time. And then, the two-dimensional launch window method is proposed, which computes the time windows in both the launch time and TOF dimensions to achieve all launch opportunities of the mission. Numerical examples are provided to demonstrate the accuracy and high efficiency of the method. Compared with the widely-used pock-chop plot method, the proposed method reduces the computational time by two orders of magnitude for the same search precision, and thus is especially suitable for the cases involving rapid, high-precision, and/or large-scale searches for mission opportunities.     

基于AIGWO-IMMUKF的目标跟踪算法

针对目标跟踪算法中滤波器选择和模型设计问题，提出了一种具有自适应性的交互式多模型无迹卡尔曼滤波（IMMUKF）目标跟踪算法。首先，介绍了IMMUKF的算法步骤；其次，提出运用改进的灰狼优化（IGWO）算法优化其中的滤波参数，通过构造调节因子建立了时变的Markov状态转移概率，形成了AIGWO-IMMUKF算法，并给出其算法流程；最后，将所提AIGWO-IMMUKF算法与传统算法在相同条件下进行仿真，得出位置、速度均方根误差曲线，以及时效性对比。结果表明，所提AIGWO-IMMUKF算法克服了传统IMMUKF算法的不足，提升了算法性能，精度和时效性都更优。