捷联惯导系统的圆锥误差补偿算法研究

非互易向量的确定与补偿是影响高动态、恶劣振动环境下捷联惯性导航系统姿态矩阵计算的重要问题。为了补偿由此引起的圆锥误差，本文对一些传统算法进行了分析和研究。由于以往各种算法一般都需要输入信息为角度信息，但对于高动态、恶劣振动环境，角速度信息更有工程意义，所以针对输入信息为角速度的情形，提出了一类新的姿态算法，通过对比传统的算法，新算法在同样计算量、存储量的情况下有较优的性能，算法的精度较传统的算法高。另外，对新的姿态算法进行了误差分析．为其参数选择提供了选择标准，有工程实用价值。     

最佳STAP的FFT共轭梯度法

提出了一种解决最佳空时自适应处理问题的快速共轭梯度迭代算法。可以用FFT实现该方法，办法是利用具有干扰协方差矩阵托普利兹块（BTTB）结构的块托普利兹矩阵。因此与对矩阵求逆的方法相比显著降低了计算的复杂性。为了说明上述方法的有效性，本文给出了计算机仿真结果。     

巡航导弹景象匹配算法适应性研究

针对景象匹配制导的需求，研究了去均值归一化、基于直方图拉伸和基于局部平滑相关匹配算法，分析了算法的适应性、计算量和实时性等，比较了每种算法的优缺点。结合巡航导弹的使用，讨论了影响匹配结果的一些基本的、可能的因素，主要是环境因素。用三种分辨率的图像作了大量的实验．针对这些算法的匹配概率及地物适应性等方面进行了编程验证和综合分析，给出了有关结论。     

智能天线结构模糊自适应变形控制实验研究

基于dSPACE半物理仿真系统和所研制的压电作动器,设计并构建了智能天线结构实验平台,进行了结构变形控制实验研究。实验中采用常规PID作为基本控制方法,并在此基础上设计了一种模糊自适应PID控制器,将两种方法对应的不同控制效果进行了对比。结果表明:在所给的实验条件下,基于压电材料可实现对智能天线结构变形的控制,作动器控制变形量最大可达166μm;两种控制方法均可对结构变形进行控制,模糊自适应方法的绝对位置控制精度达到±0.5μm;应用模糊自适应PID控制方法对结构进行变形控制,较之常规PID控制方法能够降低系统响应的超调量,缩短稳定时间,提高控制精度,得到更好的控制过程。     

基于一维相控阵引信的起爆控制算法研究

工程上实现最佳引战配合要求导弹战斗部最大破片密度方向瞄准目标要害部位。基于一维相控阵引信的波束控制技术,推导了最佳起爆角和起爆延时算法,并研究了一种改进卡尔曼滤波方法在此算法中的应用。该滤波算法将球坐标系中导弹导引头的测量信息转换到直角坐标系下进行滤波,同时消除了由于坐标转换而引起的偏差。仿真结果表明,该滤波算法的应用能得到很高的最佳起爆角和起爆延时估计精度。     

神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

卫星星座系统多学科设计优化研究

分析了卫星星座系统设计包含的星座设计、卫星设计、发射选择等学科之间的耦合关系，特别是卫星各分系统之间的耦合关系，建立了包括发射费用分析、成本分析在内的卫星星座系统多学科分析模型。在此基础上，采用分布式协同进化MDO算法，将星座设计优化和卫星的设计优化在自治基础上充分协同，对一个同时包含离散／连续设计变量、需进行星座结构和参数同时优化的虚拟的海洋监视卫星星座系统进行了多学科设计优化。算法对离散设计变量采用二进制编码，连续设计变量采用实数编码，并分别采用相应的进化算子。采用最大长度编码，根据一定的规则确定基因的显性和隐性，来处理结构和参数同时优化引起的设计变量维数可变的问题。设计结果显示了多学科设计优化的优势和分布式协同进化MDO算法对卫星星座系统这样的复杂多学科设计优化问题的有效性.     

机动再入飞行器自适应飞行控制系统设计

研究机动再入飞行器的制导控制问题。为了解决机动再入飞行器气动系数变化范围大、气动耦合严重和气动参数非线性过零常值大等恶劣条件下的控制，并且能充分利用飞行器可测量信息提高系统自适应能力，本文提出了状态方程参数辨识－－极点配置－－前馈补偿自适应控制的飞行控制系统的设计方法。通过对新型号再入飞行器的制导系统仿真，可以看出该控制系统使其有很好的飞行性能。     

采用大数准则的Viterbi译码器性能

卷积码是通信系统中常用的差错控制编码；(2，1，6)卷积码是卫星通信中常用的卷积码；采用大数准则的Viterbi译码算法是在常用的Viterbi译码器所采用的方法上提出的一种新的算法，此算法对经过增信删余的卷积码的性能有所提高，并将此方法与常用的方法进行了比较。