韧性无人机群多域协同方法建模与求解

为提高无人机群(UAVS)在执行任务过程中的抗干扰能力，提出了一种韧性无人机群多域协同方法，并对其进行建模与求解。首先，改进了韧性无人机群恢复因子；在此基础上，通过协调机群中的非重要节点接替受扰机群中的重要节点，以提高受扰动无人机群的性能；最后，通过仿真验证了该方法的有效性。结果表明，该方法能够有效地恢复受扰动无人机群的性能，使其性能快速恢复到任务基线以上，从而确保了任务的完成，增强了无人机群的韧性。该研究结果为无人机群协同作战提供了新思路、新方法。     

基于去相干敏感因子的多基线PolInSAR植被高度反演方法

极化干涉合成孔径雷达(PolInSAR)技术通过建立相关质量评价指标筛选最优干涉几何，从而实现多基线植被高度反演。但目前使用的相干性特性、测高精度等质量指标并未关联与干涉几何直接相关的垂直波数，容易降低干涉几何选取的稳健性。本文提出一种基于去相干敏感因子的多基线PolInSAR植被高度反演方法，利用敏感因子描述干涉几何与植被高度的匹配程度，从多个单基线固定消光方法中确定最佳植被高度反演结果。使用欧洲航天局AfriSAR 2016项目的P波段合成孔径雷达(SAR)数据进行实验验证。实验结果表明:以激光雷达(Light Detection and Ranging， LiDAR)获取的植被高度作为参考，本文多基线反演算法的均方根误差为6.19 m，比其他两种传统方法精度分别提高了约14.14%和13.55%。     

基于短基线传感器阵列的炮弹被动测向算法

针对现有基于角度估计的无源被动探测技术不能满足远场高精度目标测向的问题，及现有被动探测传感器阵列在战场中需要大规模环绕布设的限制，采用基于经验模态分解(EMD)和短时能量特性分析的瑞雷波提取方法，结合时延双曲线定位模型提出免受波速影响的短基线传感器阵列被动测向方法。首先，在对传感器阵列获取的地震动信号进行信号特性分析基础上，基于EMD构建自适应分解去噪模型，提出基于信号短时能量特性的瑞雷波成分的抽取方法。其次，在对瑞雷波进行联合相关计算估计时延基础上，构建基于TDOA算法的时延双曲线模型，并提出基于四元十字短基线传感器阵列的DFA-WV算法，实现免受波速影响的炮弹信号高精度测向。最后，本文算法模型在仿真及靶场实弹试验得到验证，测试结果表明提取瑞雷波算法可为时延高准度估计提供效力，DFA-WV测向算法因摆脱波速估计值对测向结果的影响，相较于Chan算法及改进MPR算法具有更优的测向性能，且计算复杂度低，在实际野外靶场炮弹目标测向中具有工程应用价值。