概率空间中随机变量序列的一类收敛性问题

作为测度论应用到概率论的一个例子,论述了概率空间中随机变量序列几乎处处收敛和依概率收敛并给出了几个等价命题;研究了随机变量序列的收敛性之间的关系,并给出了证明;探讨了Cauchy基本序列的性质,并作了进一步研究.     

绝对同相支路输出的GNSS欺骗检测

针对功率随时间变化,载波同步欺骗场景下,传统检测算法的欺骗检测性能不理想的问题,提出了一种基于绝对同相支路输出求和(SAIBO)的欺骗检测算法,为改善欺骗检测性能,进一步提出了SAIBO滑动平均(SAIBO-MA)算法。SAIBO-MA算法的构建过程使用接收机跟踪环的同相支路的输出结果取绝对值后求和形成SAIBO检测量,再做滑动平均处理后得到SAIBO-MA检测量。实验使用德克萨斯大学奥斯汀分校的德州欺骗测试电池(TEXBAT)的场景7(DS7)为数据集,比较并分析所提算法与传统算法的检测概率、欺骗判决数目和稳健性等欺骗检测性能。实验结果表明,SAIBO-MA具有更高的检测概率和检测精度、更好的即时性和稳健性以及更宽的检测范围。提出的SAIBO-MA算法克服了传统算法的缺点,具有更优的欺骗检测性能。     

固体动能拦截器研究初探

简介了固体动能拦截器的研究意义，用途及构成，分析了国外研究及应用现状，对固体动能拦截器动力控制设备，即三轴稳定的和直接作用力两种推力矢量控制系统方案进行了讨论。     

非理想条件下认知蜂窝网络物理层安全传输方案

认知无线电技术可以解决频谱实际利用率不高的问 题,作为关键技术之一被引入下一代蜂窝移动网络中。同时,由于无线信道的广播特性和 不确定性,非理想条件下的信息安全传输问题不可回避。由于认知无线网络中主、次网络间 存在相互干扰,文中借鉴干扰对准思想,高效地管理和利用主、次网络之间的相互干扰,通 过优化设计发送预编码矩阵,尽量避免干扰合法用户接收,同时尽可能地对窃听节点实施阻 塞干扰。Monte Carlo仿真验证了非理想条件下干扰对准设计预编码矩阵的优越性,同时也 证实了信道估计精度在提高蜂窝移动系统传输性能和安全性能方面的重要性。     

基于PHD未知杂波密度多机动目标跟踪

基于随机有限集（RFS）的跳变马尔可夫系统（JMS）是多机动目标跟踪的有效方法。但现有的方法假设杂波密度是先验已知的,而实际中杂波密度是未知且可能随着环境的改变而变化。针对这一问题,提出了一种适用于线性高斯模型的未知杂波密度下多机动目标跟踪算法。该算法以未知杂波密度高斯混合概率假设密度（λ-GMPHD）滤波为基础建模杂波和真实目标,采用线性高斯JMS模型描述目标机动,推导了未知杂波密度下多机动目标跟踪的GMPHD迭代解析表达式。仿真结果表明,所提算法可实现对于杂波密度以及目标数和目标状态的准确估计。      

基于拉普拉斯变换的空间目标碰撞概率计算方法

碰撞概率是空间碎片碰撞预警中评判碰撞发生可能性大小的重要依据,对航天器机动规避具有重要意义。基于拉普拉斯变换的碰撞概率计算方法利用拉普拉斯变换以及幂级数的定义,推导了在短时间接近情况下碰撞概率的幂级数表达式,分析了碰撞概率的截断误差并确定了在不同精度要求下的幂级数项数。针对2009年美俄卫星的碰撞事件,将基于拉普拉斯变换的碰撞概率计算结果与Chan方法、Monte Carlo方法的计算结果进行比较,验证了基于拉普拉斯变换方法在计算精度上的优势。      

确定材料概率疲劳曲线的损伤力学方法

飞机结构对可靠度要求很高,因此要获取材料的概率疲劳曲线.概率疲劳曲线试验周期长,费用高.对此,首次通过损伤力学方法,根据获取材料中值疲劳曲线所需数据确定了材料的概率疲劳曲线.结果表明,当存活概率提高时,疲劳强度将明显降低,疲劳寿命将明显缩短.本结论是从金属材料的标准试件的疲劳试验推出的,因而该方法首先适用于金属材料,同时该方法也可推广用于许多新型的复合材料.另外,试验子样愈大,置信度愈高.该方法的价值在于可以采用中值疲劳试验代替概率疲劳试验,显著地节约疲劳机时与试验成本.     

基于Memetic算法的超视距协同空战火力分配

针对超视距多机协同空战中,火力单元采用一次性完全分配原则容易造成资源浪费的问题,采用一种新的火力分配数学模型.该模型带有毁伤概率门限,能够保证在满足毁伤概率门限的前提下,优先保证威胁度大的目标被分配且选择对各目标杀伤概率相对较大的火力单元,使其对目标的毁伤概率平均值达到最大且尽量少地消耗火力单元,从而节省和充分利用火力资源.在此基础上,提出采用以离散粒子群算法为全局搜索策略,以贪婪算法为局部搜索策略的Memetics算法求解协同空战火力分配问题,有效地提高了算法收敛速度、精度.仿真算例验证了模型的优点及Memetic算法的有效性.     

基于压缩感知的DSSS信号双阶段捕获方法

针对直接序列扩频(DSSS,Direct Sequence Spread Spectrum)信号的捕获性能与硬件消耗或计算复杂度的相互制约问题,基于压缩感知理论,提出了一种双阶段压缩捕获方法,第1阶段进行快速粗捕获,第2阶段在第1阶段基础上实现精确捕获.首先研究DSSS信号的相关域稀疏性,构造了稀疏变换矩阵;然后利用确定性沃尔什-阿达马矩阵,分别构造了2个阶段压缩测量矩阵及其检测算法;最后从检测概率和平均捕获时间两方面对提出算法的捕获性能进行了理论分析,并用蒙特卡罗法进行了验证.理论分析和仿真实验表明,该方法能够在显著降低相关次数的前提下,达到传统基于并行相关方法的捕获性能水平.