直接序列扩频通信系统中干扰样式的自动识别

对通信系统所处的干扰环境进行分析,可以使通信双方针对不同的干扰选择正确的抗干扰措施。从接收信号中联合提取干扰的时域、频域和时频域特征,提出了一组鲁棒性强的特征参数,在不需要干扰先验知识的情况下对直接序列扩频通信中常用的干扰样式进行自动识别。仿真结果表明,本方法对各种干扰信号在不同干信比和信噪比情况下能获得较高的正确识别率。     

基于SVM决策树的数据链识别分类

摘要：为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数 据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波 系数与信号能量分布的关系,根据SVM 算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM 分类 器的关键参数进行优化设计,并与BP 神经网络算法进行对比实验仿真。结果表明：SVM 决策树网络分类器在进行 收敛速度和准确率表现优异,能改善分类识别效能。     

基于假设检验的FRFT域LFM干扰抑制

针对FRFT域LFM干扰抑制门限较难准确设置的问题,分析了固定门限法与自适应门限法利用FRFT域统计量确定门限存在的缺陷。在直接序列扩频信号与信道噪声的和近似服从高斯分布的条件下,利用LFM干扰和高斯白噪声在FRFT域谱的性质,提出直接序列扩频接收机基于假设检验的LFM干扰抑制新算法。计算机仿真结果验证了算法的有效性。     

基于分数阶傅里叶变换的混响抑制方法研究

线性调频( LFM)信号是声呐中一种常用信号。利用LFM信号在分数阶傅里叶变换( FRFT)域的良好聚焦性,提出了一种基于FRFT的混响抑制算法,在此算法中,通过分数阶Fourier域的窄带滤波来去除混响。对实测混响数据和LFM信号的分离效果进行了仿真,分离前后信混比得到了较大提高。     

基于对抗的突击武器与支援武器协同火力打击决策方法

为满足多类型武器协同火力优化打击的需求,提出了一种基于对抗的突击武器与支援武器协同火力打击决策方法。以突击武器“点对点”打击和远程火力支援武器“面杀伤”的协同为研究对象,考虑具有对抗特性的火力打击决策优化过程,以突击武器对目标的打击决策、目标对突击武器的打击决策以及支援武器的炮弹落点位置为优化变量,建立了以对抗双方剩余价值比值为目标函数的协同火力打击决策优化模型。提出了基于人工蜂群算法双层迭代优化的协同火力打击决策优化模型求解方法。目标分配决策变量采用整数编码,利用罚函数方法处理约束条件,将决策模型转化为无约束混合整数优化问题;针对算法实现过程,分析了双层迭代人工蜂群求解算法的计算复杂度。通过一个协同火力打击算例验证了协同火力打击决策模型和求解算法的合理性和有效性。     

基于离散分数阶傅里叶变换的水下动目标线性调频回波检测算法的研究

水下动目标径向速度造成的回波和样本之间失配导致匹配滤波器对于线性调频( LFM)信号的检测性能下降。利用分数阶傅立叶变换对LFM信号的聚焦特性，提出一种基于离散分数阶傅立叶变换的水下动目标LFM回波检测算法。该算法与零速样本匹配滤波检测算法相比受目标径向速度影响较小，并且理论分析表明在目标回波存在的情况下，这两种算法输出的峰值位置之间存在数学关系。利用该数学关系本文算法同样可以估计目标距离。仿真和实验数据分析表明：本文算法在强混响噪声背景下对于径向速度未知动目标LFM回波昀检测性能优于或相当于零速样本匹配滤波。     

基于GA-BP 神经网络战储仓库选址决策模型

针对各战略方向战储仓库选址决策问题,提出基于GA-BP 神经网络的战储仓库选址决策模型。通过分析 战储仓库选址的影响因素,构建战储库选址决策指标体系;基于BP 神经网络建立选址决策模型,运用遗传算法 (genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的权值和阈值进行优化,并给出实例证明遗传 算法优化BP 神经网络,可提高选址决策的效率和精准度。结果表明,该研究可为科学开展战储仓库选址工作提供 思路和方法。     

基于"吨·公里"的军事物流配送决策模型

为解决配送中心同时向多个部队提供配送的运输决策问题,提出以“吨·公里”为决策目标的军事物流配送决策模型。结合部队决策实际,提出贪婪遗传遍历求满意解的新算法。利用扫描法按运载能力进行编组,用改进的遗传算法对每组配送次序进行排序,再引入贪婪法寻求配送最优结果。该算法将贪婪扫描法与改进的基于种群扩展的多变异遗传算法进行有机融合,能有效解决车辆编组和配送次序问题;最后通过仿真实验,验证该算法的简捷性、实用性和有效性。     

基于知识的飞机目标灰度图象部位识别方法研究

在分析大量成像引信目标图象的基础上，建立了飞机图象知识库，提出一种由上而下的知识驱动型图象识别算法；建立由粗到细分层推进的识别原则，利用图象关键点和灰度分布特征设立各部位的识别规则。实验证明，算法便捷有效。     

一种属性约简方法及其在动员联盟伙伴选择中的应用

粗糙集的知识约简功能是针对离散数据的,而决策表属性取值很多是连续的.为此综合聚类与粗糙集方法,提出一种决策表的全局连续属性离散化、属性约简与规则提取的方法.动员联盟是敏捷动员的重要实现方式,动员联盟的伙伴选择指标体系体现了国家对动员企业的基本要求.在已有的动员企业潜力指标数据和经验决策数据的条件下,通过这种全局的属性离散化和属性约简方法,可以进一步精简指标体系,并提取有用的决策规则,经实验结果验证,使用全局属性约简方法处理动员联盟伙伴选择的指标约简具有更好的优越性.     

具有自主决策能力的机动单元智能体研究

在机动作战仿真中,具有对战场威胁快速反应和决策能力的机动单元实体才更符合实际作战的情形。为此,提出了具有自主决策功能的机动单元智能体的结构模型,它由感知、威胁预测、决策、学习和执行等部分组成;建立了用于威胁预测的神经网络模型,并将智能体的决策描述为马尔可夫决策过程(MDP)．面对复杂的决策环境,将强化学习技术运用其中,使得智能体通过不断观测新的环境状态,运用学习手段,作出最佳的策略选择。针对强化学习中状态空间大、现有算法收敛速度较慢等问题,提出了改进的SARSA(A)学习算法。仿真实验验证了强化学习下机动策略决策的有效性和改进算法的效率。     

基于粗糙决策树模型的复杂设备智能故障诊断

提出一种粗糙决策树智能故障诊断方法。首先利用粗糙集理论构建故障诊断决策表;然后应用最小熵离散算法对特征数据进行离散;接着利用基于分辨矩阵的算法对决策表进行属性约简,并基于最大聚类比原则优选出最佳约简;最后利用C4.5算法构造出诊断决策树。并对实例进行故障诊断。结果表明：该方法不仅能有效地减少特征数据获取的工作量,而且能快速准确地实现故障识别,具有比粗糙集诊断法、粗糙决策诊断法和C4.5诊断法更强的工程实用性。     

基于规划步数自适应Dyna-Q 的多功能雷达干扰决策方法

针对基于强化学习的干扰决策方法存在着收敛速度过慢的问题,在Dyna-Q 算法的基础上提出一种规划 步数自适应的Dyna-Q 干扰决策算法。在保证干扰策略有效性的前提下,提升强化学习算法的收敛速度,使算法能 以更快的速度学习到最优干扰策略。实验与仿真结果表明：该算法能实现多功能雷达干扰的实时有效,也可扩展到 其他强化学习应用领域,具有一定借鉴价值。     

多输入多输出正交频分复用浅海水声通信打孔判决反馈信道估计算法

主要研究多输入多输出正交频分复用(MIMO-OFDM)水声通信判决反馈信道估计技术。针对传统判决反馈信道估计算法在非高斯加性噪声环境下跟踪估计缓慢时变水声信道存在误码遗传的缺点,提出了水声通信打孔判决反馈信道估计算法。利用级联码解编码信息评价水声信道频域响应估计值的可靠性,删除偏差明显的频域子信道,结合插值等手段恢复完整的信道频域响应,作为信道反馈信息。仿真和水池实验结果表明,基于打孔技术的判决反馈信道估计算法相较传统算法能够更好地抑制误码遗传,对抗突发噪声,跟踪信道的缓慢时变,提高水声通信质量。     

多平台主动与被动传感器协同跟踪的长时调度方法

为了有效跟踪杂波环境下机动目标、降低系统辐射风险,提出一种多平台主动与被动传感器协同跟踪的长时调度方法。将长时调度问题构建为部分可观马尔可夫决策过程,采用交互式多模型概率数据关联算法更新目标信念状态,利用后验克拉美-罗下界预测机动目标长时跟踪精度,提出改进的维特比算法以求解最优调度序列。仿真实验结果表明,所提搜索算法能够显著降低搜索空间和存储空间,所提长时调度方法能够有效控制系统辐射代价、克服传感器频繁切换。     

一种基于法向过载的反舰导弹机动识别方法

针对反舰导弹在突防段利用机动弹道干扰防空导弹作战决策的问题,提出一种基于法向过载的目标机动识别方法。对机动突防策略特点及其对防空导弹作战决策的影响进行分析,从识别参数的选取、法向过载的计算方法、判别门限的设定、机动过程中法向过载的变化规律4个方面得到机动识别的结论,并在积累一定时间的观测数据后,通过计算验证目标是否进行弹道机动的交变机动。仿真结果证明,该方法有较强的针对性和实用参考价值。     

水下目标的Gammatone子带降噪和希尔伯特-黄变换特征提取

水下目标识别是水声探测中的关键技术,具有重要的应用价值。海洋环境的复杂性导致水下目标识别中存在不可回避的噪声干扰。以人耳听觉机理为基础,提出了一种结合Gammatone滤波器、小波阈值降噪和希尔伯特-黄变换(HHT)的水下目标识别方法。采用Gammatone滤波器实现人耳听觉机理的模拟,并在此基础上进行小波阈值降噪,提高系统的噪声鲁棒性,然后利用HHT进行时频分析和特征提取。利用实际水下目标数据进行识别实验,对提出的方法进行了验证。实验结果表明,提出的方法在低信噪比条件下具有良好的鲁棒性,并具有较好的识别效果。     

自适应阈值侵彻引信层目标识别算法

目前侵彻引信层目标识别算法通常采用固定阈值或多阈值方式对目标层信号进行判断,阈值的设定通常需要依赖先验数据,不具有普适性。针对此问题,在融合信号计层算法基础上提出一种自适应阈值层目标识别算法。该方法根据引信采集到的传感器信号,实时在线计算出下一层目标的判定阈值,根据计算出的阈值识别当前层数。采用半实物仿真,用多次火炮试验中采集到的数据对算法进行验证。结果表明：与固定阈值计层算法相比,自适应阈值算法在不同试验工况下均能正确给出层标识信号;自适应阈值算法给出的层标识信号与实际试验中高速摄像系统记录到的层时间能够较好地吻合。     

基于多特征核协同表示的SAR 目标识别

为利用合成孔径雷达(synthetic aperture radar,SAR)目标不同特征数据间的相关性与互补性,提出一种基 于多特征的Tikhonov 正则化核函数协同表示(multi-feature kernel collaborative representation- based classification with tikhonov regularization,MFKCRT)算法。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)计划公开发布的SAR 图像数据库进行实验,实现核函数变换空间上的多特征融合协同表示 识别。实验结果表明：该算法相较于基本的协同表示,具有更优的可靠性与鲁棒性。     

应对战场电磁干扰的自适应动态指标配置方法

在敌我双方对抗中,持续性电磁冲突和干扰可能导致用频装备效能下降甚至瘫痪,如何在电磁干扰环境下实现快速响应并精确配置元器件参数,已成为打赢现代化战争的关键能力之一。针对战场电磁干扰具有不确定、动态、多维等特点, 在指标属性权重和时序权重未知的决策环境下,提出一种基于灰色靶心决策理论的自适应动态指标配置方法。以靶心度为衡量标准,纵向给出多时序区间的自适应灰靶决策模型,横向给出采集区间时序的自适应调整方法,以实现对策指标自适应调整和确定。结合战场电磁干扰类型及原理,构建了自适应动态指标配置模型。仿真实验结果表明,与标准算法对比,该改进算法具有可行性与精确性,可为决策者科学合理配置装备指标参数提供参考。