一种复杂环境下的无线应急通信中继节点快速布点方法

无线应急通信作为综合应急保障体系的重要组成部分,在应对洪水、地震、海啸等自然灾害时有着传统网络无可比拟的便捷性和经济型.中继节点作为无线中继网络的关键环节,其选址将直接影响整个应急通信网络的性能.复杂环境无线应急通信中继节点选址依靠现场实地调查和测量,但会存在选址速度慢、中继节点冗余和通信链路质量差等问题.针对以往这些...     

基于改进差分进化算法的飞行控制律评估方法

 针对基本差分进化(DE)算法收敛慢、易陷入局部最优的问题,提出了基于混沌理论(CT)与高斯扰动的DE算法,进而通过典型测试函数仿真证明了该方法在收敛速度与全局搜索能力方面均优于基本型和其他改进型DE算法。在此基础上构建了基于DE算法的飞行控制律评估流程与实施步骤。实例表明,该方法克服了传统评估方法的缺陷,可在全飞行包线范围内及所有可预测参数摄动情况下对飞行控制律进行快速、准确的评估。     

LF算法中蚁群移动策略的研究

采用FM、误分类错误率和运行时间作为衡量改进的LF算法的评价指标,对算法中蚁群的不同移动策略进行研究.这些移动策略包括完全随机移动、局部记忆指导下的直接跳转、局部记忆指导下的定向随机靠近、全局记忆指导下的直接跳转、全局记忆指导下定向随机靠近和局部记忆与全局记忆共同指导下的定向随机靠近6种移动策略.针对每种策略,固定算法的其他运行参数,在UCI数据集的Iris数据和Wine数据上运行的结果表明,全局记忆指导下的定向随机靠近策略运行效果最好,而且收敛速度快,并能有效避免局部最优化的问题.     

多传感器多模型多尺度组合导航系统算法

多传感器组合导航系统是组合导航发展的方向之一。针对复杂环境,多模型自适应算法可以较好地解决模型及参数不确定的问题;而多尺度融合算法将基于模型的动态系统分析与具有统计特性的多尺度信号变换方法相结合,可有效提高系统的滤波精度。为此,文章将多模型估计与多尺度滤波算法相结合构成多模型多尺度滤波算法,该算法用于多组合导航系统后,经仿真验证,相对于多模型或单模型多尺度滤波算法,系统的滤波精度明显提高。     

小型无人机翼型优化设计

采用类别形状函数变换（CST）方法对翼型参数化描述;利用Fluent软件,进行翼型升力系数和阻力系数的气动计算;以升阻比最大为优化目标,通过拉丁超立方设计生成样本点,建立了径向基神经网络（RBF）代理模型;使用粒子群优化算法（PSO）,在Isight平台上,实现对Clark Y翼型优化的整个过程。优化翼型升阻比比原始翼型提高了约10%,表明此种方法是可行的,可用于小型无人机设计的工程中。     

基于星敏感器的姿态确定算法研究

为实现惯性/天文组合导航,提高导航精度,本文研究了基于星敏感器的天文导航姿态确定原理,在理论上推导了用于载体姿态解算的TRIAD算法、最小二乘算法、Eular-q算法和QUEST算法,并通过仿真和实验对以上四种算法进行了比较。仿真和实验结果表明,QUEST算法在四种算法中具有解算精度高而运算速度快的优点。由仿真和实验可知,绕星敏感器光轴方向的姿态解算误差大,这可为惯性/天文组合导航系统的方案设计提供指导。     

对称平面稀疏阵列阵形优化方法研究

针对在固定阵元数目、最小阵元间距以及最大孔径条件下平面稀疏阵列阵形优化的问题,对阵元数目为256的平面稀疏阵列分别采用模拟退火算法和粒子群优化算法进行优化仿真,分析比较了模拟退火算法和粒子群算法在平面稀疏阵列阵形优化中的应用效果。仿真结果表明,经过模拟退火算法和粒子群优化算法优化后的平面稀疏阵列均能够抑制副瓣电平,并能够在一定的空域范围内实现波束扫描;相对于粒子群优化算法,模拟退化算法计算方法简单;在相同的迭代次数下,经模拟退火算法优化后的平面稀疏阵列比经粒子群算法优化后的平面稀疏阵列更能够有效地抑制副瓣。     

基于点融合系统的多目标进场排序与调度

持续增长的交通需求和日趋饱和的空域资源对飞行安全和管制效率要求更高,鉴于此,研究基于点融合系统（PMS）的多目标进场排序与调度问题。分析四维航迹预测模型与方法,实现四维航迹预测功能。针对PMS的运行模式和多个利益相关方的需求,构建PMS多目标排序与调度模型,提出基于多目标帝国竞争算法（ICA）。利用长沙黄花国际机场实际运行数据与蒙特卡罗模拟数据对优化模型与算法进行验证。结果表明：所提算法有良好的实际应用效果,能为管制员提供决策支持;在应用基于PMS的多目标进场排序与调度,即使在相对保守的安全间隔下,相对于实际运行优化后的总延误时间、总飞行时间、最大飞行时间分别有70.8%、13.2%、11.8%的缩减。     

一种未知信源数的快速DOA估计算法

文章针对众多性能优良的超分辨DOA（Direction—Of-Arrival）估计算法大都是以预知信源数为前提、信源数估计不准可能会导致DOA估计失败这一问题,提出了一种基于协方差矩阵对角加载的超分辨DOA估计算法。该算法不需要预判信源个数和进行特征值分解,且通过对协方差矩阵进行对角加载,可以平滑小快拍数时噪声特征值分散程度,因此,该算法更适用于快拍数较少的情况。理论分析表明：该算法的统计估计性能接近于MUSIC（Multiple Signal Classification）算法。计算机仿真结果验证了该算法的鲁棒性和可行性。