航天复杂产品系统智能优化协调方法及其应用

复杂产品系统优化协调方法在航天系统工程理论研究和工程应用中具有重要的研究价值和意义。 分析了航天复杂产品系统的特点和优化协调的目的,按照总体、子系统的层次构成关系,建立了航天复杂产品系 统优化协调的数学模型。研究了智能优化算法,分析了复杂产品系统协调过程与智能优化算法的相似性,在此基 础上提出了复杂产品系统智能优化协调方法。通过粒子群算法求解资源分配问题的应用算例,证明了智能优化 协调方法的有效性。     

基于云协同的网络集群反隐身火控系统设计

针对反隐身作战需求,讨论了云计算及其军事应用,提出了“战术云”概念;基于“战术云”提出了一种 云协同网络集群反隐身火控攻击引导技术,分析了其火控工作原理,设计了其系统结构和功能组成,给出了其体 系架构,描述了其工作过程,并归纳总结出该新型火控系统的４ 项关键技术,即云协同探测、云战术决策、云无源 火控、云网络制导,为新一代火控攻击引导系统研制提供了参考,具有很强的工程应用前景。     

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。     

基于NSCT和ICA的红外和可见光图像融合方法

针对基于非下采样轮廓波变换（ｎｏｎ ｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｒｍ,ＮＳＣＴ）的红外和可见光图像 融合存在的目标信息不明确、融合图像对比度较低的问题,提出了ＮＳＣＴ 和独立分量分析（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏ ｎｅｎｔａｎａｌｙｓｉｓ,ＩＣＡ）的红外和可见光图像融合方法。首先采用ＮＳＣＴ 对红外和可见光图像进行多尺度、多方向分 解,然后对分解后的红外和可见光图像的低通子带系数采用基于ＩＣＡ 的图像融合方法,得到低通融合图像。再使 用以邻域系数差和信息熵为标准的带通图像融合规则对带通子带系数进行融合,得到带通融合图像。最后对低 通融合图像和带通融合图像进行ＮＳＣＴ 的逆变换,从而得到最终的融合图像。仿真实验验证了本文方法的有 效性。     

基于欠采样的脉冲UWB通信窄带干扰消除技术

针对窄带干扰（ｎａｒｒｏｗｂａｎｄｉｎｔｅｒｆｅｒｅｎｃｅ,ＮＢＩ）的存在会对脉冲超宽带（ｕｌｔｒａ ｗｉｄｅｂａｎｄ,ＵＷＢ）通信 系统性能带来严重的影响。提出了一种基于欠采样的低复杂度ＮＢＩ检测与消除方案,以消除ＮＢＩ为目标,论证了 欠采样下ＮＢＩ检测与消除的可行性。通过傅里叶分析,指出ＮＢＩ在欠采样信号的快速傅里叶变换域中具有稀疏 性和易辨别的特点,并根据这些特征实现了对ＮＢＩ子空间的估计。依据ＮＢＩ子空间,设计了ＮＢＩ信号的正交投 影矩阵,在时域实现了对ＮＢＩ的消除。仿真结果表明,在可接受的ＵＷＢ 信号功率损失范围内,方案大大提高了 欠采样信号的信号干扰噪声比。     

基于双领航者的多AUV协同导航系统可观测性分析

针对双领航自主水下机器人（ａｕｔｏｎｏｍｏｕｓｕｎｄｅｒｗａｔｅｒｖｅｈｉｃｌｅ,ＡＵＶ）协同导航系统编队设计对系统 可观测性的要求,采用非线性系统李导数可观测性分析方法以及矩阵条件数分析理论对基于相对距离量测的双 领航者协同导航方法的可观测性进行了定性和定量分析,得出了系统可观测性大小取决于主从ＡＵＶ 间的距离向 量以及从ＡＵＶ 速度向量之间的相互关系。针对从ＡＵＶ 处于运动、静止两种状态,分别采用扩展卡尔曼滤波技 术对双领航者协同导航算法进行了不同航迹条件下的仿真,对系统的可观测性条件进行了验证。     

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。