基于单通道接收机的鲁棒自适应波束形成算法

针对导向矢量失配误差导致自适应波束形成器性能下降和多通道接收机系统成本较高的问题,提出了基于单通道接收机的最差性能最优鲁棒Capon波束形成算法。该算法基于低成本的单通道接收机系统,仅对接收机输出功率进行测量,然后使用权微扰算法对协方差矩阵进行估计,并将问题转化为对最差性能最优的鲁棒Capon波束形成器进行导向矢量估计。仿真结果验证了算法的正确性和有效性,表明该基于单通道接收机的算法在大大降低系统成本的情况下,仍然可以达到与基于多通道接收阵列的鲁棒波束形成算法相当甚至更高的性能水平。     

基于矩阵重构的多径接收鲁棒波束形成算法

针对存在失配误差时多径信号接收中的信号相消问题,提出了一种新的多径接收鲁棒波束形成算法。算法对信号来波方向进行预估,进行区间划分,基于干扰加噪声协方差矩阵重构,去除了接收数据中的期望信号及其多径相干信号分量,得出了波束形成最优权矢量的显式解;仿真实验表明：当存在失配误差时,算法不仅能够有效地接收多径相干信号,而且可以抑制干扰和噪声,在输入信噪比较高的情况下依然保持较好的性能,得到较高的输出信干噪比;算法在期望信号和多径信号数量较少且分布相对连续的情况下,能有效解决多径信号接收问题,提高了波束形成算法对模型失配误差的鲁棒性。     

基于减量学习的鲁棒稀疏最小二乘支持向量回归机

针对最小二乘支持向量回归机缺乏鲁棒性和稀疏性,提出采用自下而上的学习方式和循环逐一删除样本框架的鲁棒稀疏算法。为增强鲁棒性,采用基于留一误差的鲁棒3σ准则检测并删除异常样本。为提高稀疏性,采用基于最小绝对留一误差的剪枝策略删除不重要样本。为降低计算量,采用快速留一误差和减量学习更新模型。实验结果表明:新算法有较强的鲁棒性,同时在模型泛化性能略有下降的情况下,支持向量数目大幅减少。     

基于协方差矩阵重构的稳健自适应波束形成算法

针对大角度失配和采样协方差矩阵中包含有期望信号时,传统自适应波束形成器性能极剧下降的问题,提出了基于协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域和期望信号区域,先利用标准Capon波束形成器及采样协方差矩阵的最小特征值对干扰加噪声协方差矩阵进行重构,再利用MUSIC谱估计法重构出信号协方差矩阵,以其主特征向量估计出期望信号导引向量,最终得到自适应波束形成器的最优权值。仿真实验结果表明,在少快拍和大角度失配情况下算法具有良好的性能。     

鲁棒性自适应波束形成算法关键技术研究

鲁棒性是自适应数字波束形成算法实用性的重要指标.对角加载采样协方差矩阵求逆算法、线性约束最小方差法及最坏情况最优化算法等,是鲁棒性自适应波束形成算法的几个关键问题.综述了这些关键问题的基本概念、相关技术、研究现状以及发展趋势.     

混响环境中的广义线性约束最小几何功率波束形成算法

提出一种适用于混响环境中的波束形成算法,算法对现有的线性约束最小几何功率波束形成算法进行了广义上的优化,采用迭代复加权最小二乘法对线性约束最小几何功率波束形成算法的权向量进行求解推导,保证了期望方向上始终保持单位增益,且对其他方向上的能量起着明显而稳定的抑制作用,克服了传统的基于二阶统计矩的波束形成器不适用于混响信号的不足,并加快算法的收敛速度。仿真结果表明,这种算法在混响环境下相比线性约束最小几何功率约束形成算法更有效,鲁棒性更强。     

基于最小二乘估计的声矢量阵稳健波束形成

针对存在导向矢量失配和快拍数不足时,声矢量阵标准Capon波束形成器性能急剧下降的问题,提出了一种基于最小二乘估计的声矢量阵稳健波束形成算法。鉴于声矢量阵声压通道和振速通道的导向矢量误差来源不同,分别为声矢量阵声压通道和振速通道设计了广义旁瓣对消器;利用最差性能最优化的思想,将声矢量阵标准Capon波束形成器转化为稳健最小二乘估计问题;利用二阶锥规划求解。仿真分析表明,该算法在抗导向矢量失配、快拍数不足、阵元姿态误差方面均有良好的性能。     

基于切片双谱多重分形特征的雷达信号识别算法

针对现有算法识别率低、对噪声敏感的问题,提出了基于切片双谱多重分形特征的雷达信号识别算法。该算法采用切片双谱多重分形的方法进行识别,先利用双谱对角切片降低维度,再对得到的细节信号计算多重分形维数,求取广义维数和多重分形谱,提取多重分形特征输入到支持向量机中实现脉内调制雷达信号的有效识别。仿真结果表明,该方法对噪声具有较好的鲁棒性,在信噪比大于5 dB时,识别率可以达到90%以上。     

基于双谱特征融合的通信辐射源识别算法

针对当前通信辐射源个体识别方法存在识别效率不高,内在细微特征难以提取等问题,提出了基于双谱特征融合的通信辐射源特征提取算法。该算法通过融合对角积分双谱与双谱对角切片特征组成特征向量,并对对角切片特征提取方法进行了改进,将原信号先进行经验模态分解(EMD),在得到的本征模函数(IMF)基础上提取对角切片特征,最后使用支持向量机(SVM)得到分类结果。分类实验结果表明,基于双谱特征融合的算法较积分双谱的算法在识别效果上有一定程度的提升。     

飞机俯仰姿态的μ 鲁棒控制

针对飞机飞行条件变化引起的模型不确定性问题,基于μ控制理论设计鲁棒的俯仰姿态控制系统。根据干扰抑制原理将俯仰姿态控制系统设计转化为μ综合的一般框架,将鲁棒性能问题转化为广义系统的鲁棒稳定性问题。利用D-K迭代算法求解得到14阶的μ控制器,基于平衡截断方法将该控制器成功地降为4阶。对μ降阶控制器进行鲁棒性分析,结果表明μ控制能兼顾系统的鲁棒稳定性和鲁棒性能。     

基于矢量最优化的稳健波束形成方法

当阵列导向矢量存在误差或接收信号采样样本数较少时,标准Capon波束形成（SCB）的性能会严重退化。现有的提高稳健性的算法大都是针对导向矢量误差而提出的,很少考虑有限采样效应条件下的稳健性问题。针对以上原因,从导向矢量误差和有限采样效应两个角度出发,引入矢量最优化概念,提出了基于矢量最优化的稳健波束形成(VORB)方法,进而提高SCB算法的稳健性,并通过二阶锥(SOC)规划理论对其进行求解。文中还进一步推导了自适应权矢量的近似解析表达式,揭示了影响最优权矢量的各主要因素之间的关系,同时证明了该算法广义上属于对角加载类方法。通过理论分析和计算机仿真研究,表明了VORB方法对自适应波束形成算法的稳健性有明显的改善：在不同快拍数、信噪比(SNR)和导向矢量不确定度条件下,VORB方法的输出信干噪比(SINR)均较其他算法提高约5 dB;在典型工况条件下,VORB具有更尖锐的谱峰,更低的旁瓣级（低至-15 dB以下）。外场试验数据处理结果表明,将VORB应用于实际工程进行空间谱估计,能够得到准确而稳健的高分辨方位估计结果。     

基于幅度响应约束的稳健自适应宽带波束形成

针对信号方向失配会导致自适应波束形成算法的性能急剧下降这一问题,提出一种基于幅度响应约束的稳健自适应宽带波束形成方法。通过对阵列波束指向附近范围内的波束幅度响应施加约束来克服对信号方向失配的敏感性,并结合频率不变技术,使阵列波束图在主瓣区域内波束图近似保持频率不变特性,然后采用参考频率上幅度响应约束的优化方法来确定最优权值。仿真结果表明:与基于最差情况性能最优的稳健方法相比,该方法复杂度低,能灵活控制稳健的方位区域宽度和幅度响应抖动值,且不仅能有效地控制波束主瓣区域内信号的畸变,还改善了阵列输出的信干噪比,使其更接近最优值。     

面向鲁棒决策的战场态势评估人机共识形成方法

针对地面突击装备战术级、高动态、分布式、强实时作战过程中的战场态势高度复杂且信息不确定问题,提出一种面向鲁棒决策的战场态势评估人机共识形成方法,实现“人类智能”与“人工智能”在综合态势评估中的有机融合。首先,通过采集乘员（专家）态势评估行为实验样本,模拟乘员（专家）对战场态势信息的认知过程,构建战场态势评估两级智能代理模型;其次,提出一种对人机偏好不敏感的决策鲁棒指数,车辆乘员基于该指数在高强度对抗下快速判断形成人机共识,辅助指挥员进行鲁棒决策。在某作战仿真系统中进行了红蓝对抗的想定设计,并以敌方意图为态势评估对象进行了案例验证,验证了该方法的有效性。     

基于定量反馈理论的火炮随动系统鲁棒控制研究

针对火炮随动系统由于参数摄动及非线性扰动等因素导致控制精度不高的现象,提出一种基于定量反馈理论（QFT）的火炮随动系统鲁棒控制策略。在建立带有不确定参数的火炮随动系统模型的基础上,以某火炮随动系统为例,利用回路整形法设计控制器,分析验证该控制器作用下系统稳定性、跟踪性及鲁棒性,并研究带有参数摄动、输出扰动等情况下系统的时域响应。研究结果表明,所设计的QFT鲁棒控制器能够满足火炮随动系统性能指标要求,有较强的鲁棒性和良好的跟踪性能,证明了该方法的有效性。     

不确定环境下后验概率约束的匹配场处理

不确定海洋环境下,匹配场处理(MFP)所使用的环境模型与真实环境总会存在一定的差异,即存在环境参数失配,此时匹配场处理的性能严重下降。为了提高匹配场处理的稳健性,提出了一种后验概率约束的匹配场处理器(MFP-PPC)。利用贝叶斯准则推导出了位置参数的后验概率密度(PPD)估计,以此为约束为自适应匹配场处理器(AMFP)提供主瓣保护,使得算法具有AMFP高分辨特点的同时稳健性也得到改善。为了验证算法的性能,使用不确定浅海环境下的仿真数据和海试数据进行了处理分析。分析结果表明：不确定环境下,MFP-PPC不仅能够稳健地定位固定声源,而且能够稳健地定位运动声源,且跟踪曲线和声源移动轨迹吻合较好。     

面向火炮射击密集度的随机因素稳健设计

为了实现对射击密集度的有效控制,解决考虑随机因素的射击密集度优化设计问题,利用基于随机模型和随机优化的稳健设计理论,提出一种指标要求导向型的随机因素参数区间计算方法。基于蒙特卡洛模拟,采用六自由度外弹道模型,利用某型大口径榴弹炮数据求解射击密集度并研究其统计特性。利用不合格概率、灵敏度指数两个稳健目标准则,构建射击密集度稳健设计随机模型。采用带精英策略非支配排序遗传算法并结合反向传播神经网络代理模型技术对稳健设计随机模型进行优化求解,确定符合指标要求的随机因素参数区间。对比分析结果表明,该方法可同时保证射击密集度指标的最优性和稳健性,对射击密集度的预测具有一定可行性。     

基于统计学原理的无人作战飞机鲁棒机动决策

为解决无人作战飞机（UCAV）鲁棒自主空战决策问题,提出基于统计学原理的鲁棒机动决策方法。为使空战态势变化具有一定的钝感性,建立UCAV数学模型,改进典型的机动动作库,设计空战态势参数的鲁棒隶属度函数。在鲁棒机动决策中引入统计学方法,针对UCAV对抗非机动目标和机动目标两种典型空战案例进行了数字仿真。仿真结果表明,基于统计学原理的鲁棒机动决策方法在引导UCAV向态势优势区域攻击占位方面具有一定的鲁棒性和寻优性。