摘要：针对高性能音频D类功放系统,基于现场可编程门阵列(field programmable gate array,FPGA)设计,实现了一个双声道均匀脉冲宽度调制(uniform pulse width modulation,UPWM)型D类功放控制器。该控制器使用由相同子滤波器抽头级联构成的半带滤波器并时分复用乘法器,以降低可配置插值滤波器的硬件资源消耗,利用sigma-delta调制器的高开环增益,通过构造一个基于查找表的误差校正模块,以较小的硬件代价来预校正控制器使用UPWM技术在信号带宽内所带来的非线性失真。测试结果表明该控制器输出信噪比可达114dB,互调失真仅为-97dB。

摘要：针对复杂目标外形与隐身性能一体化分析设计的实际需要,分析了雷达散射截面(RCS)计算与CAD造型软件集成的优势,介绍了一种基于Unigraphics造型软件的雷达截面预估软件,论述了具体的开发设计方法。给出的预估算例表明,使用这套软件,不但能满足要求的预估精度,而且可以极大地简化预估过程,实现目标外形与隐身性能的一体化分析设计,大大提高目标的总体设计效率。

摘要：在经典的MATLAB GPS软件接收机的基础上,针对快速比特跳变的BDS信号给出了捕获跟踪和解帧策略,提出了BDS/GPS双系统伪距、载波相位、多普勒和载噪比观测量提取算法,推导了双系统定位定速的迭代式。采用NSL-STEREO射频前端采集实际的BDS B1和GPS L1双系统数字中频信号,设计了楼顶静态和动态实验,比较分析了实际场景下BDS/GPS双系统及各单系统的定位轨迹、定位定速误差和精度因子,验证了接收机性能并得到系统差异结论。

摘要：针对空空导弹具有攻击空中目标和地面目标双任务的发展趋势,为满足导弹空地一体化综合作战模式需要,设计了一种适应双任务空空导弹作战需要的攻击导引律。在三维比例导引律的基础上,根据导弹和目标状态信息,利用遗传算法求解最优模糊控制规则;利用模糊控制来控制导引律在空间三轴的比例系数分量,从而建立了一种适应空地一体化攻击模式的导引律;通过仿真实验对空地一体化攻击导引律和传统三维比例导引律进行了对比。仿真结果表明:所设计的导引律能兼顾双任务攻击方式,且在对地面目标打击时具有更大的命中落角,更加适应空地一体化攻击作战模式。

摘要：为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。

摘要：卫星导航系统数字接收机的开发首先要考虑采样率的设计,采样率的选择对接收机的运行、跟踪精度以及基带数字处理速度有着重要影响。首先研究了外差式和低中频2种射频前端结构下输出的中频信号的形式和中频频率选取原则,接着针对这2种中频信号分别设计了实/复数信号的抗混叠带通采样率;通过仿真讨论分别得到了采样率的选取与伪码速率、相关器间隔的关系,及其对相关器输出与跟踪性能的影响;最后综合各种因素给出了采样率的选取策略。

摘要：针对ESM/雷达协同反隐身探测中的指示搜索问题,引入模型预测控制(Model Predictive Control,MPC)理论,给出指示搜索任务规划的MPC框架,建立指示搜索的目标状态预测模型和在线滚动优化模型.针对模型求解,引入粒子群优化(Particle Swarm Optimization,PSO)算法,设计了高维矩阵粒子编码方式,引入尺度计算因子处理边界约束,引入概率模型处理离散变量,设计实现了一种"多主节点-单从节点"的(Multi-Master-Single-Slave,MM-SS)多种群并行计算策略.仿真结果表明,所建立的模型能够在不确定、多目标环境下实现对多雷达的高效协同控制,所提出的模型求解算法能够实现对滚动优化问题的快速、高效求解,即模型和算法的有效性得到了验证.

摘要：本文针对有限脉冲响应(FIR)数字滤波器的设计实质上是一个多参数优化问题,提出了一种用粒子群优化算法(PSO)设计FIR数字滤波器的方法.首先将滤波器的设计问题转化为滤波器参数的优化问题,然后利用粒子群优化算法对整个参数空间进行高效并行搜索以获得参数的最优化.FIR数字低通、带通滤波器设计实例证明了该方法的有效性和优越性.

摘要：为了提高无人机对目标的搜索捕获能力和对不确定度较高的区域的回访能力,进而提高多无人机协同搜索效率,提出了一种带信息素回访机制的多无人机协同目标搜索方法。首先,建立了包含目标存在概率地图、不确定地图和数字信息素地图在内的环境感知地图及其更新机理,使得无人机对任务区域中环境和目标信息的感知更加全面和准确,为无人机在线自主地进行搜索决策奠定基础。其次,考虑到任务子区域的可控回访需求,借鉴信息素"释放-传播-挥发"的特性,设计了基于信息素的网格回访机制,来引导无人机对目标存在可能性较大的区域或者不确定度较高的区域进行回访搜索。最后,设计了基于环境感知地图的协同搜索决策性能指标,在分布式滚动时域优化框架下,建立了多无人机协同搜索决策方法。使用蒙特卡罗方法验证了无人机数量、传感器探测靶面半径、传感器性能对搜索效率的影响。对比仿真表明,信息素回访机制能够保证较强的遍历能力和回访能力,使得无人机能够尽早搜索到更多的目标,尽快地降低整个搜索区域的不确定度。

摘要：聚类分析是机器学习和模式识别领域的一个重要问题,聚类算法常用于解决这类问题。针对传统聚类算法运算量大、不适应任意分布数据聚类的不足,提出了一种基于数据包含度的自动聚类算法。该算法引入数据包含度的概念,能够自动确定聚类个数和聚类中心,并进一步采用跟随策略实现聚类。多组数据的实验验证了自动聚类算法的有效性。对不同分布的数据进行了自动聚类算法与K-means聚类算法的聚类结果比较,实验结果表明自动聚类算法具有很好的聚类性能。