无人机微波着陆引导设备扫描波束指向精度改进方法

无人机微波着陆引导设备为提高机动性减少了相控阵扫描天线阵元数目,使得扫描波束展宽、主瓣对称性变差,这会使原有馈相方法的扫描波束指向精度及其鲁棒性降低,设备保障能力减弱。针对这一问题,提出一种将相位循环法与改进遗传算法组合使用以提高扫描波束指向精度的方法。在各扫描指向上,每增加一个相位循环常量进行一次改进遗传算法优化,确定最终的各移相器输入值及其量化方式,克服相位循环法与基本遗传算法单独使用时的不足。仿真分析表明,组合方法产生的扫描波束指向精度优于随机馈相法以及基本遗传算法产生的扫描波束指向精度。     

无环境信息下多尺度网格细胞群空间表征模型

针对无环境信息条件下网格细胞空间表征问题, 提出一种多尺度网格细胞群的空间表征模型。通过减少吸引子网络模型网格细胞的偏好朝向, 使网格细胞具有特定的感应方向, 仅对特定方向上的速度产生响应。基于改进的吸引子网络模型, 构建多尺度网格细胞群, 并对空间进行表征。仿真结果表明, 改进后的网格细胞模型只响应相应方向的速度, 准确整合速度信息, 表征部分未探索区域, 且适用于无环境信息条件下一维、二维空间。在100 m×100 m的区域, 表征结果的误差不超过0.2 m, 证明了该模型能够扩大网格细胞的表征范围, 提高表征精度与表征能力。     

类脑导航中基于差分Hebbian学习的网格细胞构建模型

网格细胞是动物大脑中与空间认知和导航有关的重要神经元,具有拓展至整个空间的六边形放电野。位置细胞是网格细胞重要的信息源,可以通过Hebbian学习生成网格细胞,但是现有模型对Hebbian学习的脉冲自适应函数或学习窗函数做了预先的墨西哥帽模型假设。针对该问题提出一种基于差分Hebbian学习的位置细胞至网格细胞模型,利用细胞放电率的变化自发产生墨西哥帽模型的输入关联,然后通过对位置细胞至网格细胞的突触权重进行竞争性非线性限制,生成具有六边形放电野分布的网格细胞。仿真结果表明,该模型可以为无人运行体类脑导航系统的构建提供借鉴。     

基于多尺度网格细胞的路径整合模型

针对类脑机制下空间位置自主推算问题, 提出一种基于新型叠加算法的路径整合模型, 通过引入多尺度网格细胞提高路径整合结果的准确性。在路径整合模型中, 基于吸引子网络构建网格细胞与头朝向细胞模型, 通过头朝向变化量来判断运行体的运行状态, 完成不同运动的整合过程; 采用动态权重值分别计算直线运动与曲线运动过程中多尺度网格细胞的位移变化量, 提高路径整合的精度。仿真结果表明, 单一尺度与多尺度网格细胞路径整合模型都能够完成路径整合, 且在3 000 m的距离内, 多尺度网格细胞模型误差不超过15 m, 证明了多尺度网格细胞模型能够提高路径整合的精度, 验证了该路径整合模型的有效性。     

无人作战平台认知导航及其类脑实现思想

无人作战平台将是未来空天战场的主要作战力量,认知导航正是应无人化平台智能自主运行控制的需要而提出的新型导航技术。通过对认知导航进行了深入剖析,给出了认知导航的基本内涵,以及在这一内涵下的认知导航框架结构和导航信息处理流程,并分析了认知导航所具备的新质导航能力,探讨了采用"类脑"技术实现认知导航的新途径,最后提出了实现认知导航需要解决的关键技术。为实现无人化作战平台智能自主能力提供了理论框架,具有较强的指导意义。     

基于反正切变换的相控阵天线相位校准方法

初始相位校准是影响相控阵天线工作性能的关键环节之一,为实现无人机微波着陆引导设备对飞行器的精确引导,需要对其相控阵扫描天线各阵元的初始相位误差进行精确估计与补偿.针对这一问题,提出一种相控阵天线初始相位校准方法.该方法在固定角度测量随阵元移相器相移值改变而变化的合成信号功率值,通过反正切变换建立初始相位误差与测得功率值的关系.对曲线拟合法、旋转矢量法以及反正切变换法的仿真及对比分析表明,反正切变换法的相位校准精度优于其他2种方法,并且工作时间缩短,从而验证了反正切变换法的可行性.     

基于多准则交互膜进化算法的UAV三维航迹规划

针对智能优化算法在无人机(unmanned aerial vehicle, UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法。以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作为不同膜内优化准则,利用膜系统计算的并行性和膜内信息交互优势提高算法性能;并对膜内进化规则进行非支配排序、搜索加权等改进,实现了UAV三维多目标航迹寻优。仿真实验表明,所提方法在有无威胁两种环境下均能快速搜索到不同侧重目标的相对最优航迹,证明了该方法的有效性。     

基于改进Q学习算法的导航认知图构建

针对导航认知图构建效率低,方向信息不准确等问题,提出了一种基于改进Q学习算法的导航认知图构建方法。首先,利用径向基(RBF)神经网络学习生成网格细胞到位置细胞的映射关系,并利用位置细胞对空间进行表征;其次,采用改进Q学习算法学习位置细胞面向目标的Q值大小;最后,根据重心估计原理计算面向目标的方向信息,并生成导航认知图。仿真结果表明:与传统Q学习算法相比,文中算法生成导航认知图的学习次数从2 000次缩减至1 000次,提高了导航认知图的构建效率;学习值(指面向目标的方向信息)的相对误差最大降低了15%,提高了认知图的准确性。     

空间分离的路径纠缠微波信号制备方法

从利用纠缠信号替代无线电信号打破经典限制来提升信息系统性能的目的出发,首先阐明了发展纠缠微波技术的必要性,并回顾了路径纠缠微波制备的发展历程。其次,总结了4种现有路径纠缠微波信号制备方案:利用超导180°混合环、威尔金森功分器、约瑟夫森参量转换器和微波频段Hong-Ou-Mandel效应的制备方案。在对所使用的微波分束器进行详细描述的基础上,分别从实验装置和基本原理2个方面,采用对比分析的方法,对现有路径纠缠微波信号制备方案进行了剖析,继而给出了各个方案所生成路径纠缠微波信号的表达式。最后对各个方案的优、缺点进行了具体分析,总结了制约量子纠缠微波技术发展的主要因素,指明了其广阔的发展前景,并对制备路径纠缠微波信号未来的研究方向进行了展望。