系统可靠性优化方法

介绍了性优化的各种模型：组合优化模型、两类失效模式优化模型、可靠必优化分配模型、多目标优化模型以及可靠性模糊优化模型等。分析了可靠性优化分配模型各种解法的优缺点。研究认为，蒙特卡罗法具有简单和广泛适用性特点，因而推荐使用该法。     

自聚焦与超分辨率合成孔径雷达成像

构想了一种基于快速傅立叶变换（FFT）的用于合成孔径雷达（SAR）成像横向距离相位误差补偿的参量算法，称做MCCLEAN。这种算法可用做大范围场景SAR成像的一种单独的自聚焦方法。本文作者同时还给出了一种具有类似结构的算法，该算法可对大范围场景中感兴趣的小场景或小区域（ROI）同时进行自聚焦与超分辨率SAR成像，并给出了一些例子以说明这两种算法的性能。     

星载合成孔径雷达目标定位研究

系统和深入地研究了星载合成孔径雷达（SAR）对地面目标的定位问题，详细阐述了利用卫星历表和雷达回波数据的距-多普勒参数对目标定位的方法，并用解析法推导出目标相对于星下点位置的计算公式，以及目标的地球经纬坐标公式，并且明确地给出了目标位置的计算程序。在此基础上还完成了关于地面目标定位误差的较完整的分析，导出了一套相应的计算公式，解决了文献中的一些遗留问题。     

NMD-GBR地基雷达初样型的技术功能

叙述了美国国家导弹防御 (NMD)系统使用的初样型地基雷达 (GBR -P)的有关技术内容。GBR -P是用于研制与试验若干新技术的原理性设备 ,最终可能成为国家导弹防御系统应用的子系统。所以 ,GBR -P雷达也是向生产型GBR -N雷达过渡的一项设备研制计划 ,它已于 1 999年在夸贾林反导靶场正式运行 ,执行反导飞行试验任务。通过对GBR -P雷达的探讨和研究 ,将为我们全面了解GBR -N生产型雷达的工作性能有极大的帮助 ,另外 ,GBR -P雷达也是在战区导弹防御系统用GBR -T雷达的基础上发展起来的 ,因此对了解GBR-T雷达也是很有益的     

地面动目标的干涉成像

本文论述了一种干涉合成孔径雷达处理技术，即干涉动目标聚焦该技术能够产生杂波已被抑制的地面动目标图像。     

多传感器目标识别的优化融合

对于工作在复杂环境下的多传感器目标识别系统,确保其稳健性和准确性的关键是有效处理被融合信息的不确定性。根据影响信息不确定性的因素,文章把传感器本地识别信息的可信度分为了统计可信度和环境可信度;采用最小二乘法和神经网络实现统计可信度的估计,自适应神经模糊推理实现环境可信度估计;并利用这两种可信度实现以一致理论为基础的多传感器目标识别的优化融合。经实验仿真证明,该融合方案是有效的。     

同时地形高程测量和地面运动目标检测的分布式InSAR最优编队构形

分布式小卫星干涉SAR为了同时获得时间基线(用于地面运动目标检测)和空间基线(用于地形高程测量),采取空间立体编队构形(即非沿航向直线编队),然而这种混合基线的情况会导致地面运动目标与地形杂波存在相位耦合,而且只靠信号处理方法很难分离,这对于检测地面运动目标极为不利。提出几种最优编队构形,在保证获得两种干涉基线的同时,通过对消两对干涉SAR图像来抑制掉固定杂波,从而可以检测地面运动目标,这种方法具有处理简单和性能较好等优点。最后给出了仿真结果。     

基于Boosting的模糊分类规则集成学习及应用

由于难于获得先验知识,样本可分性差,辐射源识别很难达到很高的识别率。结合AdaBoost算法和遗传算法,提出了一种模糊分类规则的迭代学习方法。在每轮迭代训练过程中,算法通过调整训练样本的分布,利用遗传算法产生分类规则。减少分类规则能够正确分类样本的权值,使得新产生的分类规则重点考虑难于分类和拒识的样本。在规则学习的适应度函数中考虑训练实例的分布,使模糊分类规则在产生阶段就考虑相互之间的协作,改善了模糊分类规则的整体识别能力。辐射源识别实验结果表明,该方法具有良好的分类识别性能。     

非线性H∞鲁棒制导律设计

针对战术寻的导弹在追踪平面内的非线性运动学问题,提出了一种鲁棒制导律.与传统的制导方法不同,这种制导律不需对目标运动进行任何假设,也不必对目标加速度进行实时估计,因此,在对目标机动信息一无所知的情况下,制导律本身具有很强的鲁棒性.通过分析推导,给出了解析形式的H∞制导律.数字仿真结果表明,H∞制导律具有良好的跟踪性能和鲁棒性.