一、基于计算智能的声呐盲波束形成算法研究（论文文献综述）
李世龙[1]（2021）在《基于宽孔径声阵的被动测向方法研究》文中研究说明
张梦[2]（2019）在《改进的粒子群算法及其在声纳波束图优化上的应用》文中进行了进一步梳理随着海洋强国战略的提出,我国加快了对海洋的探索。声纳作为水下信息获取的主要设备而被广泛应用,随着海洋探测的不断深入和实际工程要求的不断提高,对声纳的性能提出了更高的要求。波束形成作为声纳的一个关键技术,直接影响着声纳系统的性能,发展更为高效的波束形成技术显得至关重要。常规波束形成技术的使用,一般建立在一定特定条件之上,随着实际工程对波束图的要求不断复杂化,常规波束形成方法已经不能够完全适用,急需发展符合更多工程目的的波束形成技术。粒子群算法作为智能优化算法中的一种,被广泛应用到各种优化问题上,也被应用到声纳的波束图优化问题中,表现出很大的潜在优势。但是使用粒子群算法解决波束图优化问题时,会出现早熟收敛易陷入局部最优解的问题。鉴于此,本文以声纳波束图优化问题为背景,提出一种改进的粒子群算法,主要研究工作如下:（1）为了保持种群的多样性,在粒子群算法中引入遗传算子,在分析轮盘赌选择算子的不足之处后,提出一种基于排序和正态分布的选择算子模型。为了提升算法的效率,在迭代寻优的过程中采用两阶段策略,迭代的初期采用动态多种群算法,并禁止种群之间的信息交流,迭代的后期合并子种群为一个种群进行迭代优化。通过对6个标准测试函数进行仿真实验,表明本文算法相比于已有文献的相关工作,在寻优能力和稳定性上都有很大提高。（2）将本文算法和动态多种群算法应用到波束图优化问题上面,并对两种算法得到的结果进行对比,结果表明本文算法具有更好的寻优能力和收敛速度,同时表明了本文算法可以有效的解决波束图优化问题。针对声纳波束图优化这个特定问题,在本文算法的基础之上,提出一种新型波束图优化算法模型,针对不同的声纳波束图优化问题,该模型使用不同的种群初始化策略,来提升算法的收敛速度。最后根据给定的波束图优化问题将模型实例化,提出两种新型算法并应用于波束图优化问题中,通过对结果进行分析,证明模型的可行性和高效性。
田强[3]（2019）在《基于无线传感器网络的目标定位算法研究》文中研究表明近几十年来,无线传感器网络（Wireless Sensor Networks,WSN）因其具有灵活的结构和强大的监测（Surveillance）能力而在许多领域得到了广泛的应用。目标定位技术是实现WSN功能和应用最关键的技术之一,对其进行研究具有很高的理论意义和实用价值。无线目标定位主要是指数据处理中心联合利用多个传感器节点从目标信号中获取到的定位参数信息建立定位方程组并解算出目标位置。常见的定位参数信息包括:到达时间（Time of Arrival,TOA）、到达角度（Angle of Arrival,AOA）、到达时间差（Time Difference of Arrival,TDOA）和接收信号强度（Received Signal Strength,RSS）等。然而,基于这些量测数据的目标定位问题具有高度非线性、非凸特性,直接解算目标位置并不容易,因此需要研究有效的求解方法。此外,在实际应用中,目标定位受非视距（NonLine of Sight,NLOS）传播的影响较为严重。在NLOS环境下,传感器节点获取的TOA定位量测数据中往往包含较大的、正的NLOS误差,这往往使得目标定位精度严重衰退。因此如何有效地抑制甚至消除NLOS误差的影响,是目标定位的另一个挑战。针对以上问题,本文在不同场景下对目标定位技术进行了探索和研究,并提出相应的解决算法。本论文的主要工作内容包括以下几个方面:1.基于双向信息交换机制,针对无线传感器网络中未知节点的联合时钟同步与定位问题,提出了一种双迭代求解算法。传统方法往往是将时钟参数和目标位置一起进行联合解算,而忽略了原问题的代价函数是关于时钟参数的二次函数,若单独求解可以获得解析解这一特点。基于此,双迭代算法将原代价函数拆分成两个分别关于目标位置和时钟参数的子问题,然后进行交替求解。这不仅可以提升计算效率而且加快了收敛速度。采用LaSalle不变原理从理论上给出了算法的收敛性证明,利用一阶扰动分析法对算法的估计性能进行了理论分析。理论分析和仿真实验结果表明,所提双迭代算法的估计精度在测量误差较小时可以逼近克拉美罗界（Cramér-Rao Bound,CRLB）。相比于传统算法,双迭代算法的计算效率更高,而且所需要的传感器锚节点个数和信息交换次数相对较少,这对于减少传感器节点的能量损耗具有积极的意义。2.众所周知,传统的TOA定位技术要求传感器与目标之间在时间上是精确同步的,这一特点使得其难以对非合作目标进行定位。针对这一问题,研究了基于伪距信息的目标定位方法。由于非合作目标的信号发射时间未知,由传感器节点量测的TOA数据计算得到的距离数据实际上等于目标与传感器的真实距离加上由发射时间未知引起的距离偏差,故我们称之为伪距。我们首先介绍了两种基于伪距定位的处理方法:联合估计处理和TDOA处理。利用基于微分几何的非线性曲率测度对两种处理方法的非线性强度进行了分析和对比。结果表明联合估计处理方法在实际解算中优于TDOA处理方法。在此基础上,提出了一种基于约束加权最小二乘（Constrained Weighted Least Squares,CWLS）的联合估计算法。该算法通过引入辅助变量将原非线性定位方程伪线性化来建立代价函数,并利用变量之间的耦合关系构造约束条件,从而将原定位问题转化为一个CWLS优化问题,最后利用拉格朗日乘子法进行求解。从理论上对该算法的性能进行了分析。实验结果证明了该算法的有效性。3.针对基于声音能量的目标定位问题具有高度非线性,非凸特性而难以直接求解的问题,提出了一种两步半正定规划（Two-Step Semidefinite Programming,TS-SDP）定位方法。该方法首先将原定位问题描述为一个关于目标位置和目标信号发射能量的近似加权最小二乘问题,然后分成两个步骤进行求解。第一步,利用最小二乘准则将信号发射能量表示为关于目标位置的函数,并代入到代价函数中将其消除;第二步,利用半正定松弛技术将非凸的代价函数转化为半正定规划（SDP）问题进行优化求解。从理论上证明了TS-SDP算法对代价函数的凸松弛运算是紧的。与传统的凸松弛方法相比,TS-SDP算法对原问题的近似误差更小,因此具有更高的定位性能,尤其在测量误差较大时优势较为明显。4.在NLOS环境下,传感器节点获取的测量数据中往往包含较大的NLOS误差,传统的定位方法直接利用NLOS数据对目标进行定位会严重影响定位性能。针对这一问题,提出了一种软决策导向优化（Soft Decision Direction Optimization,SDDO）算法。该算法将NLOS数据看作是野点数据,并根据视距（Line of Sight,LOS）数据对目标位置具有一致性的特点构造代价函数。然后利用确定性退火的策略对代价函数进行优化。在优化过程中,随着温度系数的减小SDDO算法通过逐步自动减小对NLOS数据的加权值,来抑制甚至消除NLOS数据对目标定位的影响,从而大大提高了目标定位的性能。从仿真实验结果可以看到,SDDO算法可以对NLOS误差进行有效地抑制,其定位性能与只利用LOS数据对目标进行定位的性能近似。
钱东,赵江,杨芸[4]（2017）在《军用UUV发展方向与趋势（下）——美军用无人系统发展规划分析解读》文中研究表明（续前）5军用关键技术领域在无人系统的众多关键技术领域中,互操作性、自主性、通信、高级导航、有人-无人系统编组（MUM-T）、持久韧性及武器化等是军方最重视的技术,这些技术是联合作战的基础,且具有通用性,因此受到优先关注,是Do D投资的重点。5.1互操作性互操作性是实现系统集成、联合作战和网络化作战的基本前提,是无人系统融入作战网络的
黄聪[5]（2015）在《基于二阶锥规划的波束优化技术及其应用研究》文中研究指明波束形成作为现代声呐阵列信号处理的关键技术之一,主要应用包括目标的方位估计和信号的有效接收。如何根据实际的工程需求对波束的各项性能指标进行综合优化,从而提高声呐阵列对水下目标定位和检测的能力,一直是阵列信号处理的主要任务之一。二阶锥规划的引入给波束优化技术带来了新的契机。本文详细研究了基于二阶锥规划的波束优化技术,并对目标方位估计的波束优化、目标二维声成像的波束优化、恒定束宽的波束优化进行了理论研究和试验验证。具体内容包括:1.研究了波束形成的原理以及波束形成的时域和频域实现方式,描述了波束形成波束图和方位谱之间的联系。通过对波束图各项性能指标的设计,给出了数据独立的波束设计数学表达式,并利用二阶锥规划计算出波束优化的最优权值。通过构造不同的优化准则,设计出可以兼顾主瓣精度、旁瓣级、零陷深度和稳健性等多个性能指标的优化波束,且对阵列的形状无要求,适用于任意形状的阵列。但是由于设计的优化权值完全依赖于阵列流形,在阵列流形发生偏差时,波束优化的性能下降,需要对阵列流形进行校正或采用对阵列误差较宽容的稳健波束优化算法。2.基于波形分集的集中式MIMO虚拟阵列技术可以在节省阵元的前提下,提高方位估计的分辨力。为了提高系统的性能,同样需要对虚拟阵列进行波束优化。针对双基地MIMO声呐无法直接利用虚拟阵列技术的缺陷,本文结合双基地目标定位解算,将双基地MIMO声呐的二维合成方向矢量转化为随目标位置变化的一维虚拟阵列的阵列流形,保留了虚拟阵列技术提高目标分辨力的优势。研究了双基地MIMO虚拟阵列的波束图与接收波束图和发射波束图的关系。讨论了由于波束图在角度域之间的映射是非线性的,导致合成的虚拟阵列波束性能严重下降的问题,并提出了一种基于二阶锥规划的抗阵列流形失配稳健波束优化算法,在兼顾固定方向上相干干扰抑制和旁瓣控制的同时,提高了波束优化算法对阵列流形失配的宽容性,并进行了水池试验验证。3.由于二维声成像要求同时具有距离和角度的分辨能力,需要在时域上进行滑动窗的信号截取。而常规的滑窗过程导致阵列接收信号矢量与阵列流形失配,波束优化的性能下降。针对二维声成像的常规滑动窗无法在满足距离分辨力的同时,保证波束优化性能的缺陷,本文给出一种改进的固定距离滑窗模型,通过仿真模拟出不同距离上的滑窗过程,将窗内截取的理论阵列的接收信号矢量代替阵列流形来进行基于二阶锥规划的权值设计。以牺牲部分的距离分辨性能为代价,保证了波束优化的性能。同时研究了相干干扰情况下的二维声成像优化技术,通过波束优化设计干扰位置处的零陷,实现了图像域的相干干扰抑制,并分别进行了基于相干干扰抑制的相干声源与运动目标的二维声成像水池试验。4.为了获得高精度的时域波束输出信号,同时克服常规波束形成接收偏离主轴方向信号失真的缺陷,研究了基于FIR滤波器的恒定束宽时域波束形成。通过二阶锥规划设计出恒定束宽的优化波束,并利用FIR滤波器在时域上实现阵列单路信号每个频点的复数加权。针对FIR滤波器系数的分步设计法无法满足波束零陷设计和旁瓣约束精度的缺陷,给出了一种全局约束的设计方法,实现了相干干扰抑制的恒定束宽FIR时域波束形成。利用脉冲对信号的测频原理,通过恒定束宽波束输出的运动目标回波进行多普勒频偏的估计。通过仿真和试验验证了基于波束零陷设计的时域FIR恒定束宽波束形成,能够在抑制固定方向相干干扰的同时获得高精度的宽带时域信号,从而实现波形参数的估计。
卢金娜[6]（2015）在《基于优化算法的径向基神经网络模型的改进及应用》文中提出神经网络和智能优化算法的组合算法是智能信息处理的主要工具，在空气质量预测、经济预测、声纳、传感器、雷达、通信等领域，很多智能优化算法和神经网络的组合模型及改进模型被提出。神经网络研究主要包括网络模型的拓扑结构、参数选取等。粒子群算法的研究主要包括种群拓扑结构、惯性权重选取、PSO多样性等。针对智能信息处理应用中，径向基神经网络的模型机制以及粒子群智能算法的研究基础，本文提出了不同的径向基神经网络和粒子群算法的结合模型。为了更好地平衡粒子群的全局开发能力和局部探测能力，指数下降惯性权重PSO算法被提出。在迭代早期，惯性权重以较快的速度下降，使粒子群较快搜索到可行解区域；在迭代后期，惯性权重以较慢的速度下降，使得粒子群在可行解区域里微调搜索到全局最优解。将EDIW-PSO算法与RBF神经网络结合，建立了EDIW-PS-RBF神经网络模型，优化了网络参数和模型。通过空气质量预测实验与其他三种惯性权重策略PSO算法结合的RBF神经网络模型进行了比较，证明了采用指数下降惯性权重策略PSO算法训练RBF神经网络比其他算法更有效，预测精度更高。为了泛化径向基函数的分布形状，扩展标准Gauss函数形状参数的选取，径向基函数采用广义高斯函数，构建GRBF神经网络。GRBF神经网络中的参数除了中心、宽度和连接权值外，还需要调节径向基函数的形状参数。将EDIW-PSO算法与GRBF神经网络结合，优化了隐含层各个神经元的参数。同时，将AdaBoost算法的集成学习能力用于GRBF神经网络的连接权值选取，将各个隐含层神经元作为AdaBoost算法的一个弱预测器，将整个GRBF神经网络作为一个强预测器。建立了EDIW-PSO-AdaBoost-GRBF神经网络模型，通过二维非线性函数逼近和上证指数时间序列预测验证了模型的有效性，具有较高的精度。矢量水听器阵列对水下目标的信息探测和DOA估计成为海洋探测以及海上军事的一个重要研究方向。一方面，将EDIW-PSO-GRNN神经网络模型和EDIW-PSO-AdaBoost-GRBF神经网络模型代替原来的MUSIC算法应用于MEMS矢量水听器阵列的DOA估计。首先将MUSIC算法实值化，减小了MUSIC算法在DOA估计中的计算量。另一方面，利用EDIW-PSO算法的强大搜索能力优化实值MUSIC算法，提高了MUSIC算法在DOA估计中的精度。在神经网络模型进行DOA估计应用中，将实值化后的协方差矩阵C的第一行作为神经网络的输入，将声源入射角度作为神经网络的输出。在神经网络训练阶段，分别取不同的入射角度，通过矢量阵列模型输入与输出的映射关系得到不同的实值化协方差矩阵，产生一组训练样本集，将矢量阵列接受数据的实值化协方差矩阵的第一行作为测试样本。训练神经网络，然后再对测试样本进行DOA估计。通过单声源仿真实验、多声源仿真实验和一组消声水池实验对我们提出的三种算法与原来的MUSIC算法进行比较，验证了我们提出的EDIW-PSO算法提高了MUSIC算法的性能，也验证了两种神经网络模型在MEMS矢量水听器阵列目标定向工程应用中的有效性。
张琪[7]（2013）在《基于频谱认知的变频水下目标探测方法研究》文中研究指明21世纪以来，伴随着社会经济的发展，人类对具有丰富资源的海洋的探索越发重视。水下目标探测技术在海洋经济的发展中扮演着举足轻重的角色，同时在军事、民用方面也具有广阔的应用前景。现代数字信号处理技术及集成电子技术的飞速发展，也给水下目标探测技术提供了更大的研究和发展空间。水下目标探测是指通过声学、光学和电磁学等手段，利用声呐、水下电视和磁探仪等设备对水下目标进行探测、观察与识别的过程。水下信道作为所有无线信道中最复杂的一种，对无线电波和光波有极大的衰减，而声波是目前唯一在水下具有良好传播特性的传输载体，因此声学探测是目前使用最广泛的水下目标探测技术。本论文的主要目的在于针对传统水下目标声探测技术诸如精度不高，回波处理复杂、实时性差等不足进行研究，在继承前人的研究成果的基础上，设计了一种具有高实时性和高精度的水下目标探测方法——基于频谱认知的变频水下目标探测方法：1、将运用在陆地上的认知无线电技术引入到水下声信道中，提出采用频谱认知技术来解决水下目标探测过程中的信道质量差问题。指出能量检测法是适用于水下声信道的频谱认知方法，并在此基础上提出本文所采用的主被动结合的水下频谱认知方法。利用仿真实验验证了该方法的引入能够提高发射信号的信噪比，从而提高回波信号的分辨能力。2、通过理论分析和仿真，说明采用线性调频脉冲信号作为探测信号可以同时获得好的时间分辨率和频率分辨率，验证了线性调频脉冲信号在经过强多普勒频移水声信道后，其匹配滤波输出具有脉冲压缩特性，输出信号的能量集中，能够较好地抑制多普勒频移。在此基础上提出了变频水声探测信号调制方法，分析了其工作原理和特性。最后，本文结合这两方面的研究内容设计一个完整的水下目标探测系统，并对系统进行了仿真分析。仿真实验结果验证了该方法的有效性，同时仿真实验结果还表明，与传统的没有频谱认知或采用单频脉冲信号的探测系统相比，本文所提出的水下目标探测方法具有更高的分辨能力。
马惠珠,宋朝晖,季飞,侯嘉,熊小芸[8]（2013）在《项目计算机辅助受理的研究方向与关键词——2012年度受理情况与2013年度注意事项》文中认为本文在《基金项目计算机辅助受理相关问题——申请代码、研究方向与关键词》一文基础上,根据统计分析数据,对2012年度信息一处项目计算机辅助分组的试点结果进行了简要介绍;并结合2013年度项目计算机辅助受理方案调整情况,给出了信息一处制定的申请代码与研究方向及关键词的对应关系,特别强调了2013年度在关键词选择方面的一些变化;最后阐述了申请人在选择信息一处申请代码、研究方向和关键词时需要注意的一些问题。
杨鹏[9]（2012）在《基于复杂载体的共形软件天线关键技术研究》文中研究表明随着计算机技术和高速数字信号处理技术的发展,传统模拟化,硬件化的雷达和天线系统已逐步被新型的数字化、软件化系统所取代。基于复杂载体共形阵的软件天线不仅具有重要的工程应用价值同时也具有较强的学术研究价值。共形软件天线系统主要由共形天线及其阵列、信号与环境识别和分类算法、数字波束形成算法以及控制模块几个部分组成。本文以复杂载体共形天线阵为基础,着重研究软件天线的几个关键技术。主要有以下五个部分:（1）共形天线的分析和设计。针对共形阵具有多尺度的特点（即共形天线由天线本身的精细结构和载体的电大结构所构成）,在积分方程的基础上,着重研究了基于有限元——边界积分的分析方法,并将该方法应用到共形天线的分析和设计中。（2）基于复杂载体共形阵的快速DOA估计方法。重点研究了几种可以适用于任意阵列结构的免搜索DOA估计算法,包括基于阵列流形分离技术（MST）的算法,基于傅里叶变换（FD）的算法和基于空间内插（Interpolation）的算法。针对复杂载体上的共形阵具有遮挡效应,且空间内插在复杂载体共形阵列上存在变换误差大的问题,提出了基于子阵分割的空间内插ESPRIT算法。数值仿真表明,该方法在保证一定精度的前提下,具有较小的运算量和较快的运算速度。（3）基于复杂载体共形阵的快速角度——极化联合估计。首先,研究了极化敏感阵列的特点,并导出了接收数据的数学模型。在基于Root MUSIC算法的基础上,提出了利用2D DFT代替多项式求根来提高运算速度,并将该算法推广到任意阵列结构的二维角度、极化联合估计。结果表明,该方法在保证精度的同时,可以有效降低计算复杂度。最后,利用空间内插方法,将基于ESPRIT算法的角度——极化估计方法从平面阵推广到共形阵上,相对于2D DFT方法,进一步高了运算速度。（4）基于复杂载体共形阵的稳健数字波束形成。首先提出了一种基于空间内插变换的方法,通过内插变换,将由有向阵元构成的共形阵变换为具有全向阵元的均匀直线阵,以此提高了自适应波束形成的性能和稳健度。接着,提出了一种适用性更广的基于阵列流形分离技术的稳健的波束形成算法。该算法具有简单、稳健性高,可用于任意阵列结构的优点。理论分析结合实际的共形阵列上的仿真算例证明,该方法在小采样数和低信噪比,以及存在DOA估计误差时有较为稳健的性能。（5）共形阵的低副瓣、低交叉极化综合。利用自适应综合理论,研究了适用于任意共形阵的低副瓣方向图综合。分析和研究了共形阵中交叉极化的影响,并将交替投影算法和自适应综合法相结合以提高迭代收敛速度,在获得低副瓣的同时,有效抑制了交叉极化。本文的研究工作可为软件天线在共形阵上的应用提供了有效的方法途径,并为该课题的进一步深入开展打下坚实的基础。
李洪升,杨争,刘宗仁[10]（2010）在《导弹武器系统智能化引信技术分析与预测》文中提出文章主要对导弹武器系统的智能化引信技术进行了分析与预测。首先,在对导弹武器系统的引信分系统进行概述的基础上,分析了引信系统的功能、原理和关键技术;然后,详细论述了引信智能化技术发展的需求和基本方法;最后,对智能化引信的发展前景进行了预测分析并给出了基本结论。
二、基于计算智能的声呐盲波束形成算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于计算智能的声呐盲波束形成算法研究（论文提纲范文）
（2）改进的粒子群算法及其在声纳波束图优化上的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 波束图优化方法的研究现状 |
| 1.2.2 粒子群算法的研究现状 |
| 1.3 本文的研究内容及章节安排 |
| 2 基本理论概述 |
| 2.1 基阵概述 |
| 2.2 常见基阵的指向性 |
| 2.2.1 等间隔线阵模型及其指向性 |
| 2.2.2 等间隔矩形平面阵模型及其指向性 |
| 2.2.3 等间隔圆阵模型及其指向性 |
| 2.3 常规波束形成方法 |
| 2.3.1 波束形成原理 |
| 2.3.2 DFT波束形成 |
| 2.3.3 切比雪夫加权波束形成 |
| 2.3.4 泰勒加权波束形成 |
| 2.4 粒子群算法 |
| 2.5 本章小结 |
| 3 改进的粒子群算法 |
| 3.1 DMPSO算法 |
| 3.2 SMGAPSO算法 |
| 3.2.1 种群初始化策略 |
| 3.2.2 种群多样性优化策略 |
| 3.2.3 两阶段策略 |
| 3.2.4 最优粒子扰动策略 |
| 3.2.5 SMGAPSO算法流程 |
| 3.3 仿真实验及结果分析 |
| 3.3.1 标准测试函数 |
| 3.3.2 算法性能仿真分析—选择算子中的参数对算法性能的影响 |
| 3.3.3 算法性能仿真分析—两阶段策略中的参数对算法性能的影响 |
| 3.3.4 算法性能仿真分析—种群间有无信息交流对算法性能的影响 |
| 3.3.5 仿真实验及结果对比分析 |
| 3.4 本章小结 |
| 4 基于SMGAPSO算法的波束图优化方法 |
| 4.1 基于SMGAPSO算法的波束图优化原理 |
| 4.1.1 适应度函数设计及具体实现 |
| 4.1.2 阵元方向图 |
| 4.1.3 一种新型波束图优化算法模型 |
| 4.2 仿真实验及结果分析 |
| 4.2.1 阵元幅度权值优化仿真分析 |
| 4.2.2 基于切比雪夫方法的种群初始化算例 |
| 4.2.3 基于泰勒方法的种群初始化算例 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 本文总结 |
| 5.2 后续工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）基于无线传感器网络的目标定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 目标定位技术的研究历史与现状 |
| 1.2.1 目标定位技术的分类 |
| 1.2.2 目标定位算法的研究现状 |
| 1.3 论文的研究内容与安排 |
| 第二章 未知节点的联合时钟同步与定位算法 |
| 2.1 引言 |
| 2.2 问题描述 |
| 2.3 联合同步与定位的最大似然估计 |
| 2.4 基于双迭代思想的联合同步与定位算法 |
| 2.4.1 算法描述 |
| 2.4.2 初始化 |
| 2.4.3 算法收敛性分析 |
| 2.4.4 估计性能分析 |
| 2.5 仿真实验与分析 |
| 2.6 本章小结 |
| 第三章 基于伪距信息的目标定位方法 |
| 3.1 引言 |
| 3.2 基于伪距信息的定位模型 |
| 3.3 基于伪距信息目标定位的两种处理方法 |
| 3.3.1 联合估计处理 |
| 3.3.2 TDOA处理 |
| 3.4 基于微分几何曲率测度的非线性强度分析与对比 |
| 3.4.1 基于微分几何的非线性曲率测度 |
| 3.4.2 对比实验 |
| 3.5 基于CWLS的联合估计算法 |
| 3.5.1 算法描述 |
| 3.5.2 性能分析 |
| 3.5.3 仿真实验与分析 |
| 3.6 本章小结 |
| 第四章 基于声音能量的目标定位算法 |
| 4.1 引言 |
| 4.2 声音能量衰减模型 |
| 4.3 基于声音能量目标定位的CRLB |
| 4.4 SDR算法 |
| 4.5 TS-SDP算法 |
| 4.5.1 算法描述 |
| 4.5.2 与SDR算法的对比 |
| 4.6 仿真实验与分析 |
| 4.7 本章小结 |
| 第五章 非视距环境下的TOA定位算法 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.3 NLOS环境下TOA定位的CRLB |
| 5.4 SDDO算法 |
| 5.4.1 代价函数的建立与分析 |
| 5.4.2 基于L1-范数的初始化方法 |
| 5.4.3 算法步骤 |
| 5.5 仿真实验与分析 |
| 5.6 本章小结 |
| 第六章 全文工作总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 附录A |
| 附录B |
| 附录C |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）军用UUV发展方向与趋势（下）——美军用无人系统发展规划分析解读（论文提纲范文）
| 5 军用关键技术领域 |
| 5.1 互操作性 |
| 5.1.1 互操作性的定义与内涵 |
| 5.1.2 互操作性的需求层级 |
| 5.1.3 互操作性的等级模型 |
| 5.1.4 实现互操作性的措施 |
| 5.1.5 互操作性标准 |
| 5.1.6 互操作性与OA |
| 5.1.7 互操作性与模块化 |
| 5.2 自主性 |
| 5.2.1 自主性的定义与概念 |
| 5.2.2 自主性等级 |
| 5.2.3 实现自主性的关键能力和技术1) 理解和适应环境的能力 |
| 5.2.4 对自主性的作战牵引问题 |
| 5.2.5 自主性能力的扩展——自主蜂群 |
| 5.2.6 自主性的可信任度和自主权限问题 |
| 5.2.7 美军的自主性发展规划 |
| 5.3 通信 |
| 5.3.1 现状及UMS通信面临的问题 |
| 5.3.2 重点发展的通信技术1) 压缩技术 |
| 5.4 高级导航 |
| 5.6 持久韧性 |
| 5.6.3 生存力 |
| 5.6.4 结构和材料老化 |
| 5.6.5 推进技术 |
| 5.7 武器化 |
| 5.8 UUV的一些特有问题 |
| 6 部队使用中面临的问题 |
| 6.1 后勤保障 |
| 6.1.1 可靠性和可维修性 |
| 6.1.2 保障模式及其转型 |
| 6.1.3 无人系统保障规划 |
| 6.1.4 保障数据策略 |
| 6.1.5 典型案例——MQ-9无人机保障的教训 |
| 6.2 训练 |
| 6.3 兵力结构 |
| 6.4 发射与回收 |
| 6.4.1 发射与回收的一般过程 |
| 6.4.2 不同发射方式的优缺点 |
| 7 推动UUV发展的新兴技术 |
| 7.1 推动无人系统技术发展的基础科学 |
| 7.2 Do D重点投资的UMS通用技术 |
| 7.3 美国研发中的关键技术 |
| 8 展望与启示 |
| 8.1 展望 |
| 8.2 启示 |
| 8.2.1 积极探索新的无人系统作战理念和装备发展理念 |
| 8.2.2 将互操作性、模块化和开放式平台作为无人系统采办的关键目标和主要约束 |
| 8.2.3 建立统一的无人系统顶层管理机构和组织 |
| 8.2.5 军民融合环境下的产品和技术竞争 |
| 8.2.6 探索无人装备的新型保障模式和保障策略UUV等无人装备不同于传统主战武器:技 |
| 8.2.7 同步开展无人系统作战运用研究 |
| 8.3 结语 |
（5）基于二阶锥规划的波束优化技术及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的和意义 |
| 1.2 研究历史及现状 |
| 1.2.1 阵列信号处理以及波束优化设计 |
| 1.2.2 MIMO声呐及其波束优化技术 |
| 1.2.3 时域恒定束宽波束优化 |
| 1.3 论文主要内容 |
| 第2章 确知阵形的波束优化技术 |
| 2.1 引言 |
| 2.2 波束形成的基本原理 |
| 2.2.1 声呐阵列的数学模型 |
| 2.2.2 波束形成器的实现 |
| 2.2.3 波束图和方位谱 |
| 2.3 波束优化的综合设计 |
| 2.3.1 基于数据统计的波束优化设计 |
| 2.3.2 基于数据独立的波束优化设计 |
| 2.3.3 基于二阶锥规划的波束优化设计 |
| 2.4 波束优化的计算机仿真 |
| 2.4.1 旁瓣控制的波束优化 |
| 2.4.2 零陷控制的波束优化 |
| 2.4.3 恒定束宽的波束优化 |
| 2.4.4 权值范数控制的波束优化 |
| 2.5 本章小结 |
| 第3章 双基地MIMO方位估计中的波束优化技术 |
| 3.1 引言 |
| 3.2 基于波形分集的MIMO声纳基本原理 |
| 3.2.1 MIMO声呐的信号模型 |
| 3.2.2 单基地MIMO声呐的虚拟阵列 |
| 3.3 双基地MIMO声呐系统 |
| 3.3.1 合成方向矢量的降维 |
| 3.3.2 虚拟阵列的波束图 |
| 3.4 双基地MIMO虚拟阵列的波束优化 |
| 3.4.1 抗阵列流形失配的低旁瓣波束优化 |
| 3.4.2 双基地MIMO虚拟阵的波束优化 |
| 3.5 相干干扰下的双基地MIMO声纳方位谱优化 |
| 3.6 试验验证 |
| 3.6.1 正交编码信号的设计 |
| 3.6.2 水池数据处理结果 |
| 3.7 本章小结 |
| 第4章 频域二维声成像中的波束优化技术 |
| 4.1 引言 |
| 4.2 圆弧阵频域宽带二维声成像技术 |
| 4.2.1 频域宽带二维成像算法流程 |
| 4.2.2 计算机仿真 |
| 4.3 相干干扰下二维声图像的波束优化 |
| 4.3.1 滑动窗对波束优化方位谱的影响 |
| 4.3.2 改进滑动窗方式的波束优化 |
| 4.3.3 二维声图像优化计算机仿真 |
| 4.4 试验验证 |
| 4.4.1 相干声源的二维声成像干扰抑制 |
| 4.4.2 运动目标的二维声成像干扰抑制 |
| 4.5 本章小结 |
| 第5章 时域恒定束宽波束优化技术 |
| 5.1 引言 |
| 5.2 小数时延FIR滤波器设计 |
| 5.3 恒定束宽的FIR时域波束形成 |
| 5.3.1 基于FFT的FIR波束形成 |
| 5.3.2 基于二阶锥规划的滤波器分布设计法 |
| 5.3.3 基于二阶锥规划的滤波器全局约束法 |
| 5.3.4 抗阵列流形失配的恒定束宽波束优化 |
| 5.4 基于时域恒定束宽的多普勒频偏估计 |
| 5.4.1 脉冲对信号多普勒频偏估计的原理 |
| 5.4.2 计算机仿真 |
| 5.5 试验验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（6）基于优化算法的径向基神经网络模型的改进及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 神经网络的理论基础及研究现状 |
| 1.2.1 神经网络的理论基础 |
| 1.2.2 经典网络机制模型 |
| 1.2.3 神经网络的研究现状 |
| 1.3 粒子群算法的研究现状 |
| 1.3.1 粒子群算法的研究背景 |
| 1.3.2 粒子群算法的研究现状 |
| 1.4 本文主要研究内容 |
| 1.5 本文主要创新点 |
| 第二章 粒子群优化径向基神经网络的模型介绍 |
| 2.1 径向基神经网络理论基础 |
| 2.1.1 径向基神经网络机制模型 |
| 2.1.2 径向基函数 |
| 2.1.3 径向基神经网络参数的学习 |
| 2.2 广义回归神经网络 |
| 2.2.1 广义回归神经网络的数学理论基础 |
| 2.2.2 广义回归神经网络模型机制 |
| 2.2.3 广义回归神经网络参数的学习 |
| 2.3 粒子群算法的理论基础 |
| 2.3.1 粒子群算法理论基础 |
| 2.3.2 粒子群算法的流程 |
| 2.3.3 标准 PSO 算法中惯性权重的学习 |
| 2.4 粒子群算法优化径向基神经网络的模型及研究现状 |
| 2.4.1 粒子群优化径向基神经网络的模型 |
| 2.4.2 粒子群优化径向基神经网络的研究现状 |
| 2.5 本章小结 |
| 第三章 基于指数下降 PSO 的 RBF 神经网络 |
| 3.1 惯性权重的研究现状 |
| 3.2 改进的 PSO 算法 |
| 3.2.1 指数下降惯性权重 |
| 3.2.2 控制参数 c 的分析 |
| 3.3 基于指数下降惯性权重 PSO 的 RBF 神经网络模型 |
| 3.4 空气质量指数预测实验及结果 |
| 3.5 本章小结 |
| 第四章 基于 EDIW-PSO 和 AdaBoost 算法的 GRBF 神经网络 |
| 4.1 GRBF 神经网络机制模型 |
| 4.1.1 广义高斯分布函数 |
| 4.1.2 广义径向基神经网络机制模型 |
| 4.2 AdaBoost 算法 |
| 4.2.1 AdaBoost 算法简介 |
| 4.2.2 AdaBoost 算法描述 |
| 4.3 基于 EDIW-PSO 和 AdaBoost 算法的 GRBF 神经网络模型 |
| 4.4 实验结果 |
| 4.4.1 二维非线性函数逼近 |
| 4.4.2 时间序列预测 |
| 4.5 本章小结 |
| 第五章 智能优化算法在矢量阵 DOA 估计中的应用 |
| 5.1 研究背景及意义 |
| 5.2 矢量阵列信号处理模型 |
| 5.3 矢量阵 DOA 估计的 EDIW-PSO 优化实值化 MUSIC 算法模型 |
| 5.4 矢量阵 DOA 估计的神经网络模型 |
| 5.4.1 矢量阵 DOA 估计的 EDIW-PSO-GRNN 神经网络模型 |
| 5.4.2 矢量阵 DOA 估计的 EDIW-PSO-AdaBoost-GRNN 神经网络模型 |
| 5.5 实验结果 |
| 5.5.1 单声源 DOA 估计仿真实验 |
| 5.5.2 多声源 DOA 估计仿真实验 |
| 5.5.3 消声水池实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及研究成果 |
| 致谢 |
（7）基于频谱认知的变频水下目标探测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 水下目标探测技术的国内外研究现状 |
| 1.2.1 水下目标探测的复杂性 |
| 1.2.2 水下目标探测技术的发展现状 |
| 1.3 本文的主要工作 |
| 第二章 频谱认知技术 |
| 2.1 认知无线电技术介绍 |
| 2.1.1 认知无线电技术的概念 |
| 2.1.2 认知无线电的关键技术 |
| 2.2 水声信道的频谱认知技术 |
| 2.2.1 认知无线电的频谱感知技术 |
| 2.2.2 主被动结合的水下频谱认知方法 |
| 2.3 水下频谱认知方法仿真及分析 |
| 2.3.1 海洋环境噪声模型 |
| 2.3.2 时域能量检测仿真分析 |
| 2.3.3 频域能量检测仿真分析 |
| 2.4 本章小结 |
| 第三章 水声探测信号调制技术 |
| 3.1 水声信道对探测信号的影响 |
| 3.1.1 主动声呐方程 |
| 3.1.2 水声信道的声传播特性分析 |
| 3.2 常见的几种水声探测信号调制技术分析 |
| 3.2.1 常见的几种水声探测信号调制技术 |
| 3.2.2 变频水声探测信号 |
| 3.3 水声探测信号仿真分析 |
| 3.3.1 水声信道模型 |
| 3.3.2 水声探测信号仿真分析 |
| 3.4 本章小结 |
| 第四章 基于频谱认知的变频水下目标探测方法设计与仿真分析 |
| 4.1 系统结构 |
| 4.2 系统仿真分析 |
| 4.2.1 主动声呐目标信道模型 |
| 4.2.2 系统仿真及分析对比 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 答辩委员会对论文的评定意见 |
（8）项目计算机辅助受理的研究方向与关键词——2012年度受理情况与2013年度注意事项（论文提纲范文）
| 1 2012年度基金项目计算机辅助受理情况统计分析 |
| 2 2013年度研究方向与关键词 |
| 3 三级代码、研究方向、关键词的选择 |
| 3.1 申请代码的选择 |
| 3.1.1 关注代码的应用背景 |
| 3.1.2 项目申请代码的确定方法 |
| 3.1.3 高级别代码的选择 |
| 3.1.4 民航联合基金代码的选择 |
| 3.2 研究方向的选择 |
| 3.2.1 应用领域优先的原则 |
| 3.2.2 普适研究方向慎选的原则 |
| 3.2.3 关于“其它研究方向” |
| 3.3 关键词的选择 |
| 3.3.1 黑体字关键词 |
| 3.3.2 宋体字关键词 |
| 3.3.3“其它研究方向”中关键词的选择与确定 |
| 4 申请代码和研究方向选择不当的问题 |
| 4.1 未考虑应用背景 |
| 4.2 未注意代码领域的划定 |
| 4.3 未准确把握代码、方向、关键词之间的对应关系 |
| 5 快速选择代码和研究方向的建议 |
| 5.1 研究具有应用背景或者是解决某个应用领域的具体问题 |
| 5.2 研究不具有应用背景的基础问题 |
| 6 结束语 |
（9）基于复杂载体的共形软件天线关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究工作的背景及意义 |
| 1.2 研究历史与现状 |
| 1.3 研究工作的主要内容和创新点 |
| 1.4 本文的组织结构 |
| 第二章 微带共形天线单元的分析与设计 |
| 2.1 引言 |
| 2.2 微带天线的积分方程分析法 |
| 2.2.1 面积分方程 |
| 2.2.2 体积分方程 |
| 2.2.3 体表面积分方程 |
| 2.3 有限元——边界积分法（FEM-BI） |
| 2.4 基于有限元——边界积分的微带天线分析与设计 |
| 2.4.1 用于金属载体表面的RFID 共形天线 |
| 2.4.2 共形于金属柱体上的双极化微带天线 |
| 2.5 本章小结 |
| 第三章 基于复杂载体共形阵的一维免搜索DOA 估计 |
| 3.1 引言 |
| 3.2 共形阵的接收数据模型 |
| 3.3 Root-MUSIC 和ESPRIT 算法 |
| 3.3.1 Root-MUSIC 算法 |
| 3.3.2 ESPRIT 算法 |
| 3.4 任意阵列结构的一维免搜索DOA 估计算法 |
| 3.4.1 基于阵列流形分离技术的方法. |
| 3.4.2 基于傅里叶变换的方法 |
| 3.4.3 基于空间内插的方法. |
| 3.4.4 算例仿真. |
| 3.5 基于子阵分割和空间内插的DOA 估计 |
| 3.5.1 子阵分割和空间内插 |
| 3.5.2 算例仿真 |
| 3.6 本章小结 |
| 第四章 基于复杂载体共形阵的二维免搜索DOA 估计 |
| 4.1 引言 |
| 4.2 基于阵列流形分离技术的二维DOA 估计 |
| 4.3 基于傅里叶变换的二维DOA 估计 |
| 4.4 基于空间内插和ESPRIT 的二维DOA 估计 |
| 4.5 算例仿真 |
| 4.5.1 5×5 圆柱面共形阵 |
| 4.5.2 半球共形阵 |
| 4.5.3 4×4 锥面共形阵 |
| 4.6 本章小结 |
| 第五章 基于复杂载体共形阵的角度——极化联合估计 |
| 5.1 引言 |
| 5.2 极化敏感阵列和接收数据模型 |
| 5.3 一维角度——极化联合估计 |
| 5.3.1 理论分析 |
| 5.3.2 算例仿真 |
| 5.4 二维角度——极化联合估计 |
| 5.4.1 理论分析 |
| 5.4.2 算例仿真 |
| 5.5 基于空间内插和ESPRIT 算法的快速角度——极化联合估计 |
| 5.5.1 理论分析 |
| 5.5.2 算例仿真 |
| 5.6 小结 |
| 第六章 基于复杂载体共形阵的稳健DBF 算法 |
| 6.1 引言 |
| 6.2 自适应波束形成器原理 |
| 6.2.1 常规自适应波束形成器 |
| 6.2.2 稳健的自适应波束形成器 |
| 6.3 基于空间内插的稳健自适应波束形成 |
| 6.3.1 理论分析 |
| 6.3.2 仿真算例 |
| 6.4 基于阵列流形分离技术的稳健波束形成算法 |
| 6.4.1 理论分析 |
| 6.4.2 算例仿真 |
| 6.5 本章小结 |
| 第七章 共形阵的低副瓣及低交叉极化阵列综合 |
| 7.1 引言 |
| 7.2 基于自适应理论的低副瓣共形阵列综合 |
| 7.2.1 基本原理 |
| 7.2.2 仿真算例 |
| 7.3 共形阵的交叉极化 |
| 7.4 低副瓣、低交叉极化共形阵的综合 |
| 7.4.1 基于交替投影理论的低副瓣、低交叉极化共形阵综合 |
| 7.4.2 仿真算例 |
| 7.5 本章小结 |
| 第八章 全文总结及展望 |
| 8.1 全文总结 |
| 8.2 下一步研究工作的展望 |
| 致谢 |
| 参考文献 |
| 作者攻博期间取得的成果 |
| 个人简历 |
（10）导弹武器系统智能化引信技术分析与预测（论文提纲范文）
| 0 引言 |
| 1 引信功能与组成 |
| 1.1 引信系统的基本功能 |
| 1.2 引信系统的结构及工作过程 |
| 2 智能化引信技术分析 |
| 2.1 多传感器信息融合技术 |
| 2.1.1 目标状态信息融合 |
| 2.1.2 目标特性融合 |
| 2.2 基于人工神经网络的目标分类技术 |
| 2.2.1 人工神经网络 |
| (1) TH神经网络 (一种反馈网络) |
| (2) 径向基函数 (RBF) 网络 (一种前馈网络) |
| 2.2.2 基于神经网络的分类法 |
| 2.3 模糊聚类分折 |
| 3 未来智能化引信的发展前景 |
| 3.1 智能引信的功能 |
| 3.1.1 自动判别敌我功能 |
| 3.1.2 自动判别要攻击目标的真假 |
| 3.1.3 自动抗干扰功能 |
| 3.1.4 自动选择攻击目标的要害部位 |
| 3.2 引信实现智能化面临的主要技术问题 |
| 3.2.1 学习样本的确定 |
| 3.2.2 智能引信的可靠性与容错性矛盾的解决 |
| 3.2.3 智能引信算法的硬件实现 |
| 4 结束语 |
四、基于计算智能的声呐盲波束形成算法研究（论文参考文献）
- [1]基于宽孔径声阵的被动测向方法研究[D]. 李世龙. 哈尔滨工程大学, 2021
- [2]改进的粒子群算法及其在声纳波束图优化上的应用[D]. 张梦. 大连理工大学, 2019(02)
- [3]基于无线传感器网络的目标定位算法研究[D]. 田强. 西安电子科技大学, 2019(01)
- [4]军用UUV发展方向与趋势（下）——美军用无人系统发展规划分析解读[J]. 钱东,赵江,杨芸. 水下无人系统学报, 2017(03)
- [5]基于二阶锥规划的波束优化技术及其应用研究[D]. 黄聪. 哈尔滨工程大学, 2015(06)
- [6]基于优化算法的径向基神经网络模型的改进及应用[D]. 卢金娜. 中北大学, 2015(07)
- [7]基于频谱认知的变频水下目标探测方法研究[D]. 张琪. 华南理工大学, 2013(01)
- [8]项目计算机辅助受理的研究方向与关键词——2012年度受理情况与2013年度注意事项[J]. 马惠珠,宋朝晖,季飞,侯嘉,熊小芸. 电子与信息学报, 2013(01)
- [9]基于复杂载体的共形软件天线关键技术研究[D]. 杨鹏. 电子科技大学, 2012(06)
- [10]导弹武器系统智能化引信技术分析与预测[J]. 李洪升,杨争,刘宗仁. 制导与引信, 2010(03)