天波超视距雷达探测弹道目标关键因素与技术研究

对于主动段弹道目标的监视预警,国外主要是依靠天基预警系统,但其造价昂贵、建设周期长、不便 维护,不符合我国实际情况。为解决此问题,可利用现有天波超视距雷达进行弹道目标的监视预警。从分析弹道 目标主动段高频雷达特性与对目标检测性能的影响入手,提出了影响天波雷达检测弹道目标时机的天线极化选 择、频率选择、尾焰回波凝聚等关键因素,并指出相应的关键技术及解决方案,最后给出了相关问题的一些结论。     

前视SAR成像技术的发展和展望

作为合成孔径雷达（ｓｙｎｔｈｅｔｉｃａｐｅｒｔｕｒｅｒａｄａｒ,ＳＡＲ）的一种新体制,前视ＳＡＲ 能够克服侧视以及前 斜视ＳＡＲ 在运动路线正前方存在盲区的问题,因此在地理遥感、地质勘探和战场侦察等领域均有着广泛的应用。 首先综述了前视ＳＡＲ 成像系统及其信号处理技术的应用领域、发展历程和研究进展,并对各种信号处理算法的 性能进行了研究与阐述。随后,介绍了德国的阵列前视ＳＡＲ 系统---视景增强区域成像雷达（ｓｅｃｔｏｒｉｍａｇｉｎｇｒａ ｄａｒｆｏｒｅｎｈａｎｃｅｄｖｉｓｉｏｎ,ＳＩＲＥＶ）,给出了其成像结果。最后讨论了前视ＳＡＲ 成像技术的研究热点并对其发展趋 势进行了展望。     

基于DAA的认知超宽带共存通信设计及性能分析

在认知超宽带（ｃｏｇｎｉｔｉｖｅｕｌｔｒａ ｗｉｄｅｂａｎｄ,ＣＵＷＢ）通信系统中,检测与躲避（ｄｅｔｅｃｔｉｏｎａｎｄａｖｏｉｄａｎｃｅ, ＤＡＡ）策略通过感知首要用户（ｐｒｉｍａｒｙｕｓｅｒ,ＰＵ）所处频段,然后用脉冲波形设计等方法来规避所占频段以获得 共存通信的效果。提出了一种新的ＤＡＡ ＣＵＷＢ共存通信方案,首先设计多尺度的宽带频谱检测算法来感知ＰＵ 所用频段,粗细尺度结合的检测方式保证频谱的准确检测和较低的复杂度,进而提出基于多通道正交频域编码的 脉冲成形设计算法,来避开被ＰＵ 占据的频段,最大化ＣＵＷＢ的频谱利用率。利用理论分析和仿真测试验证了所 提出的ＤＡＡ 算法的特性,并通过性能仿真进一步论证了共存方案的有效性,实验结果表明ＣＵＷＢ 和ＰＵ 都能保 证各自系统性能,并最大化地共享了频率资源。     

云环境下一种节能的资源调度算法

针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法。首先,建立云计算的 两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证。 然后,提出基于遗传算法的最小能耗资源调度算法（ｍｉｎｉｍｕｍｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ, ＭＥＣＧＡ）,根据云任务的服务质量（ｑｕａｌｉｔｙｏｆｓｅｒｖｉｃｅ,ＱｏＳ）需求产生初始种群,以系统能耗最小为调度目标设计 适应度函数,并根据染色体适应度的正态分布函数和种群的进化代数设计遗传算子。仿真结果表明,所提算法能 够有效降低系统总能耗、缩短任务完成时间。     

面向目标不确定的多无人机鲁棒协同搜索

多架无人机（ｕｎｍａｎｎｅｄａｅｒｉａｌｖｅｈｉｃｌｅ,ＵＡＶ）协同搜索是多无人机协同的一个重要研究方向。多架 ＵＡＶ 同时对一个未知区域进行搜索,目的就是大量获取搜索区域的信息,确定目标存在的具体位置。提出了一 种基于贝叶斯理论的多ＵＡＶ 鲁棒协同搜索方法,首先建立搜索环境的数学模型,然后考虑到ＵＡＶ 传感器测量 的不确定性以及环境自身的不确定性,引入鲁棒性能参数以提高系统的抗干扰性以及稳定性,最后对目标函数进 行优化求解,从而引导ＵＡＶ 在区域中进行搜索。通过仿真结果验证了所提方法的有效性。     

直接加权优化辨识中未知权重值的迭代选取

对于非线性系统的直接加权优化辨识算法,通过在原线性仿射函数形式中,增加若干关于输入观测 数据序列的线性项来增强逼近非线性。对于增加若干线性项后展开式中的两类未知权重值的选取,分别从理论 和实用上推导出这些未知权重值的选取过程,并明确权重值间的关键和辅助作用。理论上的推导分析可明确增 加的未知权重值在整个逼近非线性系统的目的中起着辅助作用;实用上的推导分析展示了怎样将某些复杂的最 优化问题经过整理变换成常见的最优化问题,从而可利用最基础的优化方法来求解,并分别对理论和实用算法的 收敛性做了必要的证明。最后用仿真算例验证所提方法的有效性和可行性。     

高阶非线性系统的神经网络动态面控制

研究了一类非匹配不确定高阶非线性系统的跟踪控制问题。基于自适应增加幂次积分递推设计方 法,利用基神经网络的逼近特性,提出了一种自适应神经网络增加幂次积分动态面设计方法。在每个子系统中, 采用双极Ｓｉｇｍｏｉｄ函数设计期望虚拟控制律,保证了其可导性;引入一阶滤波器,避免了对期望虚拟控制律的微 分。仿真实例表明,所提控制方法能够保证闭环高阶非线性系统的状态量和跟踪误差半全局一致终结有界。     

基于序值与拥挤度的拟态物理学多目标算法

根据约束多目标优化问题的特点,在拟态物理学优化(aritificial physics optimization, APO)算法的基础上,将无约束多目标APO(multi objective APO, MOAPO)算法引入到约束多目标优化领域中。提出约束违反度的判断准则,并采取一种更为有效的约束处理技术,从而构造出一种解决约束多目标优化问题的基于序值与拥挤度的拟态物理学多目标优化(improved constrained rank multi objective aritificial physics optimization, ICRMOAPO)算法。在随机搜索过程中动态调整引力因子与惯性权重,增强了非劣解集的多样性。实验结果说明了该算法的有效性,通过与序值约束多目标APO(constrained rank multi objective APO, CRMOAPO)算法、非支配排序遗传(non dominated sorting genetic algorithm, NSGA)算法、多目标遗传(multi objective genetic algorithm, MOGA)算法的对比实验,表明了该算法具有较好的分布性能,为约束多目标优化问题的求解提供了一种新的思路与方法。