基于深度学习的多STBC盲识别算法

针对空时分组码(space-time block code, STBC)识别中多种编码类型难区分的问题, 提出了一种基于卷积神经网络的STBC盲识别算法。该算法首先将接收信号采用自相关函数的频域预处理, 输入到卷积神经网络中对信号特征进行提取, 全连接层对特征进行映射, 实现对6种STBC类型的识别。仿真实验结果表明, 在无信道和噪声等先验信息的条件下, 所提算法能够有效区分3种相似度高的STBC3码, 且将STBC可识别的编码类型由目前的4种扩充到6种, 识别准确率能达到96%。该方法的复杂度较低, 不需要利用大量样本数据, 实时性高, 具有较好的工程应用价值。     

一种模块化深海采样装置的结构设计与分析

目前用于深海环境下的采样装置存在功能单一、效率低下的问题,为解决此类问题,设计了一种模块化深海采样装置.该装置由模块化工具库和机械手两大部分组成,其中,模块化工具库包括采集块状、杆状、小颗粒状及慢速移动物的工具,机械手采用液压与电机混合驱动方式,并实现了动力源的内置.通过改变强力电磁铁的带电状态来控制机械手与工具库中采样工具的吸合、分离,实现采样工具的更换.     

有人/无人机协同系统的目标定位方法

针对有人/无人机协同系统,首先,根据目标精确打击的任务特点对其组成和作战流程进行讨论,并将快速精确定位作为研究的核心问题;然后,引出基于观测向量投影点的目标定位方法,根据投影点分布的不同,建立完整的优化模型,并利用ISIGHT组合优化进行最优解的快速搜索;最后,利用地面站及三架无人机组成的模拟协同系统进行飞行试验.试验结果表明:本定位方法的计算精度和效率较高,平均误差在10m以内,耗时仅为0.76 s,相比传统单点定位和多点定位法具有一定的优势.并且通过验证定位误差是由测量输入误差所致的假设.     

基于改进凸优化算法的多机编队突防航迹规划

为更好地发挥多机编队在低空突防作战中的优势，对已有的凸优化算法进行改进，提出一种多机编队低空突防航迹规划方法。首先，根据低空突防任务特点进行问题建模，包含多机编队航迹规划模型、障碍物模型以及任务分配评估模型。其次，提出基于匈牙利算法的集群任务分组概念，设计更符合战场需求和运动学规律的预规划航迹。之后，考虑新类型的外部障碍物和不同任务小组间的组间避障，通过对约束进行合理的近似与凸优化，实现多机安全飞行。最后，通过对比仿真，验证所提改进方法的可行性和有效性。结果表明，改进后的航迹规划算法能实现对低空突防任务的合理分配，求解效率和成功率均有所提高，对新加入的障碍有良好的避障效果。     

某型直升机异常离地状态的尾桨涡环特性分析

为弄清某型直升机连续发生的两起异常离地后加速快转事故的原因,根据直升机尾桨涡环的机理,结合事故直升机的状态特点,进行了计算、分析,有关参数计算结果与事故直升机飞参记录的数据一致。研究表明,由于该型机在地面处于尾桨小拉力状态时,进入尾桨涡环的临界偏转角速度小,因而异常离地时一旦意外偏转,尾桨涡环易进、难改,即尾桨涡环特性显著变差。经分析,提出了相关应对措施,有利于提高该型机的起降安全水平。研究结论对其他类似机型也有参考价值。     

基于加速度补偿的惯性行人导航非零速区间姿态估计CKF算法

姿态估计是导航解算的基础，在基于足绑式惯性测量单元的行人导航系统中，由于足部运动加速度变化频繁且剧烈，使得常见的姿态融合算法精度下降。为了减小运动加速度对姿态解算的影响，通过数据分析定义了可以进行加速度补偿的拟合区间，在零速检测的基础上给出了拟合区间的判定方法，提出了对加速度计的输出进行一阶拟合补偿的方案，并设计了能完成后续行人导航姿态估计任务的容积卡尔曼滤波(cubature Kalman filter, CKF)算法，在非拟合区间则采用三子样旋转矢量法进行姿态更新。在数值仿真中，将所提算法与纯三子样旋转矢量法进行了对比分析，对算法精度进行了测试，在行人导航试验中验证了算法的有效性。试验结果表明，在行走过程中及出现较大运动加速度的情况下，加入加速度补偿的CKF姿态估计精度平均提高了35.3%。在矩形闭合路径试验中，起终点水平误差降低了56.3%,起终点高度误差降低了20.3%。     

基于时频特征提取和残差神经网络的雷达信号识别

针对低信噪比(signal to noise ratio, SNR)下雷达信号脉内调制类型识别率较低的问题, 提出了基于时频特征提取和残差神经网络的雷达信号识别算法。时频特征提取首先通过分数阶傅里叶变换对信号进行Chirp基分解, 按照Chirp基载频与调频率的不同组合对信号划分类别, 并设置对应的分类特征参数。然后, 计算信号的伪Wigner-Ville时频分布并提取Zernike矩。上述特征参数组成信号特征矢量, 使用残差神经网络分类器实现雷达信号识别。仿真结果表明, 在SNR=-2 dB时识别准确率能达到93%以上, 同时鲁棒性验证良好, 算法复杂度能够满足现实要求。     

基于极大极小准则下的 (n,k,m) 卷积码识别

针对现有识别方法仅适用于特定类型的卷积码,以及容错能力有待提高的问题,提出了一种基于改进门限沃尔什-哈达玛变换(Walsh-Hadamard transform, WHT)的(n,k,m)卷积码参数遍历识别方法。首先,将问题分为非系统和系统形式两种情况进行考虑,根据各自结构特点分别建立关于校验多项式的二元域方程,并建立二元假设;然后,遍历不同的参数组合并利用WHT求解对应方程,通过二元判决得到校验多项式,同时为提升方法的鲁棒性,采用极大极小准则对判决门限进行了改进。最后,利用校验多项式矩阵与生成多项式矩阵的正交关系求解生成多项式。仿真结果表明,该方法对各码率的卷积码均能有效识别,且抗误码性能优于传统方法。     

具有两种不同阻尼模型的非黏滞阻尼系统的状态空间方法

考虑具有两种不同阻尼模型的三自由度线性非黏滞阻尼系统.通过使用一组内部变量变换,将传统的状态空间方法扩展到非黏滞阻尼系统,从而将系统转换为时间域上的一阶线性系统.这种拓展的状态空间公式可以应用于具有两种不同阻尼模型的多自由度线性非黏滞阻尼系统,使系统更加简单,便于分析.最后以指数阻尼系统为例子,证明了这种状态空间方法的有效性.