高灵敏GPS接收机抗干扰特性研究

采用圆环阵列天线,利用最小规范算法和线性约束最小方差算法对弱GPS信号的干扰信号进行了抑制,并分别针对固定和可变天线阵元数目以及固定和可变干扰信号等多种情况进行了仿真和分析.GPS信号的功率电平假设为-175dBW,干扰信号的功率值在-100dBW～-140dBW范围内可变.仿真结果表明,圆环天线阵列能精确地判定干扰信号的来波方向,该方法能很好地改善对来波干扰信号的赋零深度.     

大扫描视场飞行器共形光学系统设计

共形光学窗口外表面与飞行器轮廓相同,可以显著提升飞行器的整体性能,但在大扫描视场应用时,引入大量非对称动态像差,严重影响成像质量。针对大扫描视场的共形光学系统,提出了基于共形窗口内表面优化,以及分视场单元透镜阵列的动态像差校正方法,实现动态像差的静态化校正。在84°扫描视场范围内,对共形光学系统进行仿真验证,结果表明：该方法使共形光学系统在全扫描视场范围内的Zernike多项式系数绝对值从0~10.82λ减小到0~1λ（λ为波长）,同时各通道单元透镜阵列保持固定状态。与目前已有方法相比,本文显著提升了大扫描视场共形光学系统的成像质量和系统稳定性,有效简化了系统结构。本文的研究对实现大扫描视场、高成像质量和高稳定性的共形光学系统有重要意义。     

一种稳健的利用分布式小卫星获取宽域、高分辨SAR图像的方法

 传统星载合成孔径雷达(SAR)受最小天线面积条件的限制,其横向分辨率与测绘带宽度相矛盾,采用编队飞行的分布式小卫星SAR体制,可解决这一矛盾,即能够同时获得大测绘带、高分辨率的地面场景的SAR图像。主要研究如何在误差环境下抑制由小天线引入的多普勒模糊的信号处理方法。该方法利用子空间投影技术对导向矢量进行精确估计,在小卫星存在基线及其他误差时仍然能够稳健地恢复高分辨的二维SAR图像。     

一种基于红外序列图像的弱小目标检测方法

针对天空背景下红外运动弱小目标的检测问题,提出一种结合小波变换和管道滤波的序列图像的检测算法。首先对红外序列图像采用小波变换,再采用全局门限法进行阈值分割提取出潜在目标,用形态开运算去除噪声点,以减少候选目标数目,最后再使用管道滤波的方法确定真实目标。实验结果表明,该方法能有效地检测运动红外弱小目标,显著提高红外弱小目标的检测概率,并易于硬件实现。     

转发式干扰下GPS定位精度的仿真分析

根据GPS转发式干扰的原理,建立了转发式干扰对GPS定位精度影响的数学模型.讨论了两种转发式干扰模式对定位的影响.最后通过计算机仿真分析得出了GPS转发式干扰对GPS定位精度影响的相关结论.     

噪声调幅干扰信号波达方向估计研究

利用噪声调幅干扰信号频谱结构的特殊性,提出基于阵列接收信号载频处频域数据的波达方向估计算法,通过仿真分析表明该算法的角度估计性能明显高于目前广泛采用的比幅比相单脉冲测角法,并且计算量也大大低于传统的波达方向估计算法.     

分析插值误差和斜率的轨迹优化网格细化方法

提出一种基于插值误差和斜率分析的轨迹优化自适应网格细化方法,包括节点插入算法和节点删除算法。节点插入算法分析各个离散节点的控制变量的插值误差。若插值误差较大,则在该节点周围增加节点细化网格;否则,不进行细化。节点删除算法分析各个离散节点处的控制变量斜率。若某个节点的左斜率和右斜率都为零,那么删除该节点;否则,保留该节点。采用三个典型的轨迹优化算例验证了所提出的方法的有效性和特色,并且与其它几种网格细化方法进行了对比。仿真结果表明,本文方法生成的网格规模较小,需要的网格迭代次数较少,能够快速、高精度求解非光滑轨迹优化问题。     

毫米波宽带低副瓣波导缝隙阵列天线设计

本文提出了一种毫米波宽带低副瓣波导缝隙阵列天线。该天线分为上下两层,利用下层的功分器和反相器使电磁波从上层的辐射波导的两端向中心进行馈电,激励12个非均匀波导缝隙辐射单元。该天线呈中心对称结构,结构紧凑,并使得天线的方向图具有稳定性。在辐射波导中引入二阶短路金属阶梯,并且阵列的辐射单元采用非连续的双层缝隙,拓展了天线的工作带宽。所提出的加载二阶金属阶梯双层缝隙阵列天线的阻抗带宽达到16.3%(35.35~41.55 GHz),峰值增益为16 dBi,工作频带内天线的增益下降低于2.5 dBi,副瓣电平低于-20 dB。     

装配间隙对顶盖环缝搅拌摩擦焊焊接质量的影响

结合超声波相控阵、金相观察、力学试验分析技术,研究了由于铣切角度不同产生的装配间隙对顶盖环缝搅拌摩擦焊焊缝质量及力学性能的影响。结果显示当铣切角差异带来的装配间隙大于1.30 mm时,焊缝中存在孔洞型体积缺陷,装配间隙越大,缺陷越严重;装配间隙的存在会使得焊缝的致密程度降低,焊缝的延伸率下降,并且在装配间隙大于1.30 mm时,焊缝的抗拉强度会发生大幅度地下降。     

无人机涡喷发动机的神经网络自适应PID控制

将基于RBF神经网络的辨识网络与基于BP网络的控制器相结合，组成自适应PID神经网络控制系统。RBF神经网络采用离线学习在线修正权值和阈值，为加快收敛速度，应用带惯性项的梯度下降法。大量仿真结果表明，RBF网络较ELM，标准BP及改进的BP等网络具有明显优点。对某型无人机涡喷发动机控制系统的仿真结果表明此控制方式具有鲁棒性好、响应速度快、稳态误差小等优点。