直接扩频通信系统中最小误码率准则下的特征相消器

首先研究最小误码率准则下的特征相消器,再由最小化误码率（MBER）准则和约束条件的最小均值输出能量（MMOE）准则之间存在的关系,将MBER准则下特征相消器的设计转化为约束条件的MMOE下的干扰抑制器的设计,并利用子空间跟踪算法实现MMOE准则下的干扰抑制器。仿真表明,采用子空间跟踪算法比同准则下的RLS算法有更低的计算量和更好的抗干扰效果。     

基于时间序列的音频采集通道故障检测研究

音频数据采集系统是航空电子系统的重要组成部分,其采集通道故障与否关系到舱音采集功能能否有效工作。针对传统对音频采集通道的故障检测方法存在检测效率不高、开发和维护成本较高等问题。提出了一种音频采集通道的故障自动检测方法,基于音频数据的弧度时间序列,利用参考音频信号与音频采集通道输出的数字音频信号的相似度对比结果,判断音频采集电路能否保持音频的一致性,进而判断音频采集通道是否存在故障。方法不仅检测成本低、精度高,并且实现了音频采集通道的快速、自动化的故障检测,同时针对不同领域的音频采集系统具有一定通用性。     

直扩系统最佳接收条件下的处理增益研究

目前在计算直扩系统的扩频处理增益时一般都是采用求扩频前后带宽之比的公式,这个公式求出的只是一个近似值,而且近似程度不高。针对这一问题,文章分析了直扩系统的最佳接收机,提出了直扩系统的无信息码元间串扰的条件,并在此基础上推导出在白噪声及窄带干扰下的扩频处理增益的一个较精确的公式,得出了窄带干扰下的扩频处理增益的最大值及达到最大值的条件。     

面向时序InSAR的卫星任务规划框架设计

随着国内自主雷达卫星和差分干涉合成孔径雷达技术(D-InSAR)及衍生的时序InSAR技术的发展,以时间序列上重复观测为主的长周期形变监测的应用与日俱增。对遥感卫星地面任务规划系统来说,规划和管理大量有时序关联的重复任务,从而最大限度地满足观测要求,是提升以形变监测为使命的雷达卫星运控效率的关键。在综合考虑雷达差分干涉任务序列性、一致性、周期性特征的基础上,设计了一种面向雷达卫星时序InSAR类型任务的规划框架,旨在规划序列任务时,考虑序列整体特性,进行序列任务组间的冲突检测。基于此方法,对现有的地面任务规划系统进行了优化升级,验证了框架的有效性。结果证明:该方法可快速、自动进行序列任务冲突消解,可为长周期序列任务的规划和管理提供设计参考。     

几何代数域内的光流场改进算法

提山了一种新的光流场计算方法：首先,在几何代数域内推导了光流约束方程的新形式;然后,在速度场平滑的基础上,通过求解关于初值问题的热传导方程求解光流场;最后,给出光流场的数值解和仿真结果。实验证明此方法是有效的。     

基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法

传统核窗宽固定的Mean—Shift跟踪算法不能很好地对做复杂运动、尺寸变化的目标进行有效地跟踪,变核窗宽是解决这一问题的途径。图像的边缘表征了目标的重要特征,可以通过提取目标的边缘来确定核窗宽并用于跟踪。基于Canny边缘检测算法确定跟踪窗宽加快了Mean—Shift跟踪算法的运算速度,仿真结果验证了该跟踪算法的有效性。     

一种用于卫星侦察的直扩信号参数估计方法

针对卫星通信侦察过程中,信号参数未知的特点,提出了一种直接序列扩频(DS-SS)信号的参数估计算法.首先利用直扩信号中PN序列调制信息码的循环平稳特性,采用循环自相关函数对PN码周期进行估计,再利用相关特性估计出信息码与PN码的同步调制起始点,进行伪码序列的识别.计算机仿真实验验证了该方法的有效性,在极低信噪比条件下可以得到准确的伪码序列估计.     

期望状态序列导向的深空探测器规划修复方法

针对探测器动作持续、并行、消耗能源所导致的规划修复难求解问题,提出一种基于期望状态序列的深空探测器规划修复方法。该方法根据动作的执行完成情况,从既定规划中提取未完成执行动作的期望效果以及待执行动作的期望前提,构成一组有序的、逻辑与能源混合的期望状态集合,为规划修复提供子目标,从而将规划修复问题转化为状态转移路径搜索问题;并在搜索过程中,提出能源补给优先的规划修复策略,将逻辑修复与能源修复分离以降低问题求解难度,最终使得探测器能够自主从规划失败中恢复执行。最后,以火星环绕器为例进行数值仿真,验证了方法的有效性和合理性。     

基于序列趋势和集合距离的UAV态势相似性度量方法

在无人机（UAV）自主作战与智能决策的过程中，无人机获取的新态势与历史态势的相似性度量是态势评估与作战决策的重要环节，而现有的相似性度量方法主要处理离散时刻态势，采用的欧式距离等方法对数据敏感，不符合作战态势特性，且处理效率低下，针对该问题，提出基于序列趋势和集合距离的UAV态势相似性度量方法。该方法首先选取UAV作战态势要素并以时间序列形式表征数据；然后，使用经验模态分解方法提取历史态势与新态势的序列趋势以度量序列趋势的相似性；最后，对趋势相似的每条态势序列进行自组织映射聚类，得到若干聚类中心构成集合，利用最优子模式分配距离度量集合间的距离，提取集合距离较小的部分获得与新态势相似的历史经验态势。通过公用数据集的分类效果比对实验以及作战仿真态势的相似性度量实验，表明该方法能够有效度量两序列之间的相似性程度，度量效果好，分类实验中分类精度较传统方法最高提高18%，且方法简便，具有一定的实用价值。