基于GAUPF-IMM算法的机动目标跟踪研究

为提高对机动目标滤波跟踪的精度,融合遗传算法与粒子滤波交互多模算法,提出了一种遗传算法优化的交互式多模不敏粒子滤波算法(GAUPF-IMM).该算法采用多模型结构,各模型匹配无迹粒子滤波(UPF),使得新算法用较少的粒子就能体现后验概率密度的特征,减少计算童的同时降低拉子退化现象.并在粒子滤波器输出数据时引入遗传算法对...     

基于诱偏原理的双基地雷达照射源防护研究

基于诱偏原理，采用双照射源交替照射，在保证接收站正常跟踪的同时实现对ARM的诱偏。并建立交替照射诱偏原理模型，进行仿真分析，仿真结果表明：采用交替照射的方式对ARM具有很好的诱偏效果。     

铌酸盐光催化剂的制备及其应用

介绍了铌酸盐光催化剂制备的主要方法,包括固相反应法、水热法、溶胶-凝胶法及化学共沉淀法;综述了目前国内外应用铌酸盐化合物在光催化分解水、光催化降解有机物、合成有机物、去除工业烟气和汽车尾气NOx等方面取得的研究进展。     

复杂截面同轴线特性阻抗、截止波长的计算

应用静电场的观点和导波传输理论,用有限元法（FEM）分别计算了各种复杂截面同轴线特性阻抗、截止波长。计算结果表明,该方法计算精度高,通用性强,简便易行,可以用于传输线工程问题的设计和计算。     

复合材料开孔层合板有限元网格划分方法研究

对复合材料开孔层合板有限元建模过程中网格划分方法进行量化研究。应用参数化的方法建立多种板宽孔径比、多种铺层比例的开孔层合板模型,逐级调整网格密度,计算单轴拉伸载荷作用下孔边最大应力集中系数。根据有限元结果,结合牛顿插值的数值计算方法,模拟出开孔层合板合理的网格密度划分方程。然后,对该网格划分方程下计算的数值解进行试验验证与解析解验证。结果表明,这种网格密度划分方程能有效地降低计算误差,可以在板宽孔径比大于3的复合材料开孔层合板的有限元计算中广泛使用。     

微波交指型滤波器的等效网络模型及S参数

该文根据耦合线的图形转换法(Grap Transformation)将多条耦合线等效为双耦合线与单导线的级联结构,得到了终端短路式微波交指滤波器的双耦合线与短路线级联的等效模型,再利用双耦合线的等效电路,推导出了终端短路式微波交指滤波器由短路线、传输线等级联的等效网络模型,从而得到滤波器的转移矩阵、散射矩阵。这种等效网络模型为直接分析、调制终端短路式微波交指滤波器提供了一种简单而实用的途径,实例计算验证了该方法的正确性。该方法同样适用于终端开路式微波交指滤波器。     

低快拍下基于RBF的CSB sin-FDA稳健波束形成

针对抑制与目标位置接近的平台外随队干扰的过程中,MVDR波束形成器在阵元数较大、快拍数不足时的主瓣畸变问题展开分析。以CSB sin-FDA接收阵列结构代替ULA-FDA接收阵列。快拍数不足时,将修正后的协方差矩阵导入模糊RBF神经网络计算最优权矢量,避免了矩阵求逆运算。与基于PA及FDA-BFF的MVDR波束形成器相比,在低快拍情况下,该方法在干扰位置处形成有效零陷的同时,主瓣指向能够保持在目标位置。且方向图仅在目标位置处形成单一主瓣峰值,这也为后续关于目标参数估计的一系列分析中的模糊消除奠定了重要基础。数值仿真验证了该方法的有效性。     

基于强化学习的频控阵-多输入多输出雷达发射功率分配方法

当前电磁环境日益复杂多变,新式干扰手段层出不穷,对雷达系统带来了极大的挑战和威胁。该文引入频谱干扰模型并提出了一种在频控阵-多输入多输出(FDA-MIMO)雷达与干扰机动态博弈框架下基于强化学习(RL)的发射功率分配优化方法,使雷达系统能够获得最大的信干噪比(SINR)。在此基础上,构造了频谱干扰模型。其次,雷达和干扰机之间存在一种Stackelberg博弈关系,且将雷达作为领导者,干扰机作为跟随者,建立动态博弈框架下的发射功率分配优化模型。采用深度确定性策略梯度(DDPG)算法,结合功率约束设计了奖赏函数,对雷达发射功率进行实时分配来获得最大的输出SINR。最后,仿真结果表明,在雷达与干扰机博弈的框架下,所提优化算法能够有效地对雷达发射功率进行优化,使雷达具备较好的抗干扰性能。     

一种新的组网雷达优化布站方法

为了在给定的自然环境和现有组网雷达资源下形成最大的探测区域,以提高组网雷达的探测能力、反隐身、抗综合电子干扰、抗低空突防和抗反辐射导弹能力,提出了一种基于探测概率的组网雷达优化布站方法.在分析了三种典型的组网雷达布站方式的基础上,推导单部雷达探测概率计算方法和组网雷达联合探测概率模型,并运用蒙特卡罗方法进行建模仿真,仿真结果得出了各雷达的最佳部署位置坐标和给定高度下的最大探测面积.给出了组网雷达最优部署的原则及性能评估方法,并为实际阵地环境下组网雷达的优化部署提供参考.     

基于波形调度的机动目标跟踪算法

针对机动目标的跟踪问题,提出一种结合自适应匀速（Constant Acceleration,CA）模型和波形调度的平方根容积卡尔曼滤波（Square-Root Cubature Kalman Filter,SCKF）算法.在CA模型的基础上,通过构建Jerk分量与速度、加速度的近似关系,使得状态过程噪声与滤波器输出的状态协方差矩阵相联系,以实现模型的自适应调整.另外,利用分数阶傅里叶变换（Fractional Fourier Transform,FrFT）旋转发射波形的模糊函数,使得量测误差椭圆与滤波算法中的状态预测误差椭圆正交,得到最优的发射波形,以从数据处理和信号处理两方面共同提升系统的跟踪性能.仿真结果表明,相比于基于改进当前统计（current statistical,CS）模型的无迹卡尔曼滤波（Unscented Kalman Filter,UKF）算法、基于CS模型的SCKF算法、基于CA模型的SCKF算法和交互式多模型（IMM）SCKF算法,所提算法结构简单且跟踪精度更高.