机动目标三维成象中调频信号超分辨方法

机动目标的各散射点多普勒回波信号在运动补偿后一般表现为线性调频信号.通过对Relax算法进行扩展得到调频信号参数的超分辨估计并应用于机动目标单脉冲雷达三维成象,成象效果优于基于解调频方法的成象结果.     

机动平台大斜视压缩感知SAR成像方法

为降低合成孔径雷达(synthetic aperture radar, SAR)成像系统的数据量并提高其平台适应性,提出了一种基于频域近似观测算子的机动平台大斜视压缩感知SAR成像方法。在构建近似观测算子的过程中,首先,基于等斜视角曲线构建了一种能够精确描述地面散射点成像参数空变性的斜距模型。然后,引入距离走动校正函数和高阶时域扰动因子实现了距离方位的解耦和空变距离徙动的校正,并通过构建时频域的相位滤波因子校正了方位压缩参数的空变性。最后,采用复近似信息传递(complex approximation message passing, CAMP)算法对稀疏和非稀疏场景进行快速、高精度重建。该方法通过校正成像参数的空变性,提高了近似观测算子的精度,实现了扩展场景的机动平台大斜视压缩感知SAR成像,仿真结果支撑了理论分析并验证了所提方法的有效性。     

新一代近距格斗空空导弹机动能力分析

格斗空空导弹的机动能力是全弹设计的核心,是总体设计时需解决的关键问题.首先建立了导弹的动力学模型、运动学模型、推力矢量模型、目标运动模型,通过典型弹道的仿真,确定了导弹的机动能力,即导弹的最大转弯角速率和最大过载值,为导弹总体设计提供依据.     

瞬时状态归算用于嫦娥一号卫星关键轨道段监测

我国绕月探测工程嫦娥一号卫星（嫦娥一号）采用了联合S波段测距测速与VLBI跟踪的测轨模式. 我们实现了对跟踪资料的一种实时处理方法, 获得了嫦娥一号卫星的瞬时状态（位置和速度）时间序列, 用于关键轨道段监测. 本文介绍该实时处理方法以及在嫦娥一号卫星关键轨道段监测中的具体应用, 以资批评借鉴.     

基于连通图的高速高机动目标变结构多模型算法

针对传统的基于活跃有向图的变结构多模型(variable structure multiple model based on adaptive digraph, AD-VSMM) 算法不能实现模型子集之间快速跳转且计算量大的问题,提出了一种基于连通图的高速高机动目标变结构多模型(variable structure multiple model algorithm based on connected graph, CG-VSMM)
算法. 通过分析传统AD-VSMM 算法的模型集转换方法,选择加速度和角速度作为模型参数,建立模型集连通图之间的连通关系. 根据目标机动情况选择参与计算的模型子集,然后依据子模型的后验概率大小对模型子集进行实时局部调整. Monte Carlo 仿真结果表明,新方法能实现变结构多模型(variable structure multiple model,VSMM) 算法模型子集之间的快速跳转,且跟踪精度、计算量、稳定性等都得到了较好的改善,可应用于高速高机动目标的跟踪.     

有连续推力控制的卫星轨道确定算法

连续推力轨道控制跟踪过程,观测量中包含推力加速度信息,反映轨道机动过程中卫星动力学的模型误差。以跟踪和精确定位空间机动目标为目的,给出基于地面雷达观测,实时估计推力加速度,修正卫星动力学模型的轨道确定算法。建立连续推力控制过程变质量动力学模型,给出常推力变加速度满足的运动学微分方程;建立变加速度估计系统状态方程和扩展卡尔曼滤波轨道确定算法;并给出连续推力控制过程中卫星运动状态关于变加速度的变分运动方程。实际飞行控制中应用表明,通过离散观测数据,实时估计连续推力变加速度,解决连续推力过程轨道精确确定问题是可行的。     

基于强跟踪器的机动航天器相对动态定位算法

针对机动航天器之间精确动态相对定位问题,提出一种基于强跟踪器(strong tracking filter, STF)的动态相对定位算法。该算法针对相对机动过程中3个方向的机动特性,设置三向渐消因子进行三向滤波,克服了单向渐消因子与实际机动不匹配而造成的跟踪精度下降问题, 针对三向滤波在直角坐标系下的跟踪问题,设置去偏转换测量算法,克服了球坐标系与直角坐标系的转换偏差问题。仿真实验表明,该算法在初值敏感性和相对机动恢复性上均强于其他算法,适用于脉冲推力、有限推力等多种情况下机动航天器间精确动态相对定位。     

基于MFO-HTN的超视距空战战术机动组合规划

针对超视距空战机动决策问题,提出基于战术机动组合的超视距空战决策模型。首先,利用参数化语言将超视距空战机动描述为两种典型形式,作为超视距空战战术的基本战术动作。其次,引入层次任务规划网络(HTN)模型,利用空空导弹攻击区描述空战态势,构建带参数的空战HTN模型。最后,将机动时间、可发射距离、可发射时间作为目标函数,构建多目标优化模型,采用飞蛾扑火算法对HTN网络参数进行优化求解。仿真实验表明,飞蛾扑火算法能够快速解算当前态势下的最优参数,所得到的空战战术机动序列能够达到战术目的。该算法模型可以为飞行员提供辅助决策,也为研究智能超视距空战提供了新的思路。     

基于Q-network强化学习的超视距空战机动决策

考虑到空空导弹对空战胜负的重要影响,针对空战态势状态特征连续、多维的情况以及传统方法缺乏对空战对抗中敌方策略的考虑,将强化学习应用到1vs1超视距空战机动决策。首先,建立了同时为对抗双方进行机动决策的强化学习框架,提出ε-纳什均衡策略来选取机动动作,并通过导弹攻击区优势函数来修正奖赏函数;其次,基于记忆库和目标网络训练Q-network,形成超视距空战机动决策的"价值网络";最后,设计了Q-network强化学习决策模型,并将机动决策过程分为了学习阶段与实战阶段。仿真结果表明:智能体可以感知空战的态势并作出合理的超视距空战机动决策。     

基于“当前”统计模型的模糊自适应航迹预测算法

基本的"当前"统计模型由于其机动加速度极限值固定不变,只能描述机动加速度较大的机动目标。因而基本的"当前"统计模型及其自适应滤波算法(CSAF)对机动性较强目标的预测性能较好,而对机动性较弱目标的预测误差较大。针对这个问题,新算法中设计了一种新的模糊隶属度函数,利用机动目标的"当前"加速度来自适应地调整机动加速度极限值,使"当前"统计模型可以描述具有任意加速度的机动目标。最后,运用该算法和CSAF算法对机动目标进行了航迹预测仿真实验,仿真实验结果表明,无论对于机动性较强的目标还是机动性较弱的目标,新算法的预测性能均优于CSAF算法。