基于多目标优化的星空认知网络鲁棒波束成形算法

卫星通信(SC)网和无人机(UAV)通信网之间频谱共享、相互融合,能较大提升频谱效率,有望成为第6代移动通信的关键技术之一。与现有文献不同,本文在系统非完美信道状态信息(CSI)的条件下,考虑了次级用户可达速率最大化和发射功率最小化2种准则,利用加权切比雪夫方法构建满足概率约束的多目标优化问题(MOO);由于该问题较为非凸,利用概率公式、半正定松弛等方法将其转化为凸问题,并进一步通过半正定规划(SDP)求解,得到鲁棒波束成形权矢量,获得2种性能指标间的帕累托最优权衡。计算机仿真验证了所提鲁棒波束成形算法的有效性和优越性。     

基于有限元法的水下绝缘体小目标电磁场探测方法仿真研究

开展具有自主知识产权的水下绝缘体小目标探测方法研究,可为我国海域勘探开发提供技术支撑。文章将基于有限元的电磁场探测方法应用到水下绝缘体小目标的检测:首先利用ANSYS Maxwell软件进行建模仿真;然后对不同电流及不同水面高度/水下深度有无绝缘体小目标的磁感应强度进行模拟并计算其差值。结果表明,当水下导线直流电流为200 A时,磁感应强度模拟差值大于0.3 nT,可在350 m×350 m×35 m的海域内有效探测有无绝缘体小目标通过。     

空间邻近目标跟踪与航迹关联的联合优化算法

针对单传感器跟踪空间邻近目标过程中存在航迹交错的问题,提出一种基于分布式多传感器融合结构的跟踪与航迹关联联合优化算法.该算法在单帧航迹全局最优航迹关联的基础上,通过航迹关联质量检测传感器航迹是否存在交错,然后构造交错航迹对的拟测量,并根据拟测量误差协方差计算融合“测量”,最后由融合中心对融合“测量”进行全局最优点迹-航迹互联和交互多模型(IMM)滤波更新融合航迹.考虑分布式融合系统约束情况,给出采用次优拟测量的替代方法.仿真结果表明,与传统航迹关联算法相比,联合优化算法能够明显提高目标跟踪精度和身份正确率.     

基于极化GO分布和MRF的多视PolSAR图像迭代分类方法

提出了一种多视极化合成孔径雷达（PolSAR）图像的迭代分类方法。首先利用极化G0分布描述多视极化协方差矩阵的统计特性,并进行初始的最大似然分类,然后利用马尔可夫随机场（MRF）估计像素类标号的先验概率,最后根据MAP（最大后验概率）准则对PolSAR图像进行分类。整个分类流程迭代进行。分类结果表明该方法精度高,收敛速度快。利用NASA／JPL获取的4视AIRSAR实测数据验证了本文方法的有效性。     

电大目标等离子体隐身的矩量法优化设计

根据高频散射特征,提出典型几何散射中心替代法,用于解决矩量法（MOM）用于电大目标等离子体隐身时的优化设计问题。以某典型电大目标为例,通过仿真分析了该方法的可行性。结果显示,电大目标覆盖利用该方法得到最优参数的等离子体后,不仅目标整体的单站RCS平均缩减与典型几何散射体的单站RCS缩减相当,且任意方向上RCS基本都有10dB左右的缩减,表明用该方法得到用于电大目标隐身的等离子体参数是可行的。     

弹道导弹突防中的相参干扰

分析了相参干扰相对于噪声干扰的优缺点.在此基础上,针对弹道导弹突防的特殊应用,对相参干扰的反应时间设计、假目标密度设计以及多目标的干扰问题展开了分析研究,得出了一些有益的结论.     

空间自旋目标平动补偿与微动特征提取方法

针对空间自旋目标平动补偿与微动(m-D)特征提取问题,提出一种基于延时共轭相乘和微动分解的平动补偿与特征提取方法。该方法通过延时共轭相乘处理实现目标加速度估计,然后构建冗余的微动原子集,对加速度补偿后信号进行微动分解补偿,通过搜索补偿信号的最大谱峰获取目标的微动特征与速度信息。仿真试验表明,所提方法能够有效估计空间自旋目标的运动参数,并快速提取其微动特征。     

低空慢速小目标跟踪方法的研究

本文主要通过数字图像处理技术实现低空慢速小目标自动跟踪。分析低空慢速小目标的特征,选择Meanshift算法进行目标跟踪。将视频转化为图像序列,利用Meanshift算法对图像序列中的目标进行数据统计,利用数据进行匹配,实现对目标的跟踪。     

地球同步轨道薄膜太阳帆的姿态轨道控制方法

薄膜太阳帆（FSS）是集推进、发电和姿轨控功能于一体化的超大型挠性太阳帆式航天器,通过调整薄膜反射率产生可变推力和力矩,实现其姿态和轨道运动控制。结合薄膜太阳帆在地球同步轨道运行时的受力特性进行了轨道漂移分析。通过建立薄膜太阳帆动力学模型及受力模型,提出了调整帆面角度轨道修正方法以及基于薄膜光压力矩角动量卸载的长期在轨对日定向面内双轴动量轮稳定控制方法。通过系统仿真验证表明所提的轨道修正和对日定向控制方法是合理有效的,可使薄膜太阳帆长期在定点位置维持对日定向。     

高超声速滑翔目标自适应跟踪方法

针对机动模式复杂多变的高超声速滑翔目标跟踪问题,提出了一种机动频率自适应跟踪方法。采用介于常速度和常加速度模型之间的Singer模型来表征目标气动力加速度的变化,从而建立跟踪系统的状态方程。根据地基雷达量测量获得系统的量测方程,鉴于距离和角度信息的量级相差较大将其由球形量测量转换为位置量测量。为了适应高超声速滑翔目标灵活多样的机动模式,基于正交性原理和无迹卡尔曼滤波算法实现了Singer模型中机动频率参数的自适应。利用滤波信息计算得到能够反映状态模型误差大小的调整因子,用于放大Singer模型中的机动频率,进而调整状态方程的过程噪声以降低模型误差。通过对2种典型机动轨迹的跟踪仿真,并与交互式多模型等方法进行比较,结果表明所提方法的跟踪精度高、计算量小,能够较好地适应阶跃机动和连续幅值变化的机动。