测向交叉定位技术因其思路简单、实现容易、计算高效、成本低廉且抗干扰能力强，在无线电监测、电子侦察、雷达定位、通信侦察等领域获得广泛的应用。聚焦舰机多平台协同测向定位，基于测向交叉定位的基本原理，提出多平台2次加权融合测向定位算法，提高了多平台测角信息的利用率和定位效率，优化了舰机多平台加权融合测向定位流程。仿真实验分析表明，该算法有效提高了测向交叉定位精度，且便于舰机协同交叉定位工程实现。
空中目标威胁评估在防空作战中起着承上启下的作用。首先对区域防空概念进行了界定；其次，从空中目标威胁评估基本流程出发，对空中目标威胁评估指标进行分析、选取；再次，将评估指标分为静态威胁指标和动态威胁指标两类。其中，静态威胁指标主要采用量化和归一化处理的方式，而动态威胁指标主要采用基本概率分配方法进行量化处理。最终构建了完整的空中目标威胁评估指标体系，可为区域防空作战场景下目标威胁排序、指挥员目标分配奠定基础。
在无源时差(TDOA)定位系统中，当利用互模糊函数测量观测站之间的时差时，由于采样率的影响会引入误差。针对该问题，提出了一种基于最小二乘拟合的时差误差消除算法。该算法首先利用最小二乘原理拟合三角波的2条直线方程，然后计算2条直线的交点，将其作为真实时差的估计值，消除或减小由采样率带来的时差误差。仿真结果表明，对非脉内调制信号，该方法在不同信噪比条件下，均可减小时差测量误差，且性能优于常规抛物线拟合，工程应用性强。
孔径级同时收发(ALSTAR)是实现综合射频一体化系统的关键难点之一，对于ALSTAR系统，为了防止接收阵列饱和，必须在空域有效减小来自发射阵列的近邻自干扰功率。提出基于波束赋形的空域自干扰抑制算法，在不显著影响阵列性能的基础上，提高系统的隔离度。首先对ALSTAR系统的自干扰信号和目标接收信号的传输过程进行建模分析。然后以最大化发射阵等效全向辐射功率(EIRP)并最小化耦合至接收阵的自干扰功率为准则，优化发射阵列合成系数；以最大化接收阵合成功率增益并最小化接收到的自干扰功率为准则，优化接收阵列合成系数。最后重点分析了多径传播对自干扰抑制算法性能的影响。试验仿真表明，在阵列性能损失3 dB的条件下，自干扰抑制比能达到13 dB。然而在多径场景的自干扰抑制性能会明显下降。
针对电子对抗作战单元摸清能力底数、提升备战能力的现实需要，遵循作战能力检验与实战化训练相结合，依托基地化训练平台构建了面向任务的电子对抗作战能力检验框架。首先基于分级分层指标体系框架，指导电子对抗能力评估指标体系构建。通过检验科目与影响因子的多级映射，合理设计优化检验内容科目。通过作战能力检验与训练的一体化设计，解决任务资源冲突与检验样本的匮乏问题。最后基于多源数据融合和多维数据的探索性分析，实现了作战单元综合评估与分析。将所提方法运用到任务实践中，成功指导了典型电子对抗作战单元作战能力检验的实施。
针对空中运动平台的脉冲多普勒(PD)体制雷达航迹关联时存在目标运动特性丢失，测量精度损失等问题，提出了一种基于目标径向速度的双阶段航迹关联算法。算法将航迹关联分为粗相关和细相关2个阶段，粗相关只进行简单门限判断不进行坐标变换，细相关过程中采用复杂的坐标变换和精细门限计算及综合判断。通过避免直接进行坐标转换时造成目标距离和方位维度的测量数据耦合，充分利用目标运动特性与目标径向速度提高航迹关联判断的可靠性，大幅提高正确关联概率。
针对有限资源下多目标资源分配问题，提出了一种基于先验知识的改进遗传算法以提升多目标资源分配效率。首先，通过信息采集得到目标的性能参数，并根据每部设备的能力生成工作效能矩阵，然后根据设备与目标的处理数量建立资源分配决策模型，将工作效能矩阵得到的先验知识引入遗传算法。仿真结果表明，引入先验知识能够减少迭代次数，提高收敛效率，能够有助于解决复杂场景下的目标处理决策，从而得到最优的多目标资源分配方案。
机器人的运动学是机器人学的重要组成部分，为机器人的轨迹规划、运动控制和动力学分析提供了参考依据。研究对象选择法兰克M10i机器人，首先根据机器人参数建立相关坐标系，确定关节参数和连杆位姿；其次推导出正逆运动学方程(一次逆乘法);最后在CoppeliaSim环境下建立与法兰克M10i机器人一致的模型，并进行运动学的研究，仿真结果说明了用CoppeliaSim软件建立机器人模型研究运动学可生成正确的运动学轨迹与仿真，表明了这种方法的可行性和正确性,给研究机器人仿真提供可行的思路。
调制识别是信号处理领域的重要议题，尤其在通信系统、频谱管理等关键技术领域扮演着不可替代的角色。随着人工智能技术的飞速发展，基于神经网络的调制识别技术受到了广泛关注。卷积神经网络(CNN)因其卓越的特征提取能力而成为该领域的主流技术之一。然而，传统CNN模型通常需要固定长度的输入，而在实际应用中，由于信号脉宽的不确定性，模型的输入长度一般是变化的，这限制了模型的应用范围。为了克服这一限制，在传统CNN模型的基础上引入了全局池化技术，整合序列的全局特征，实现对可变脉宽信号的有效识别。尽管全局池化能够处理不同长度的输入，但同时也可能带来特征信息的丢失。为了解决这一问题，进一步引入了注意力机制，以增强模型对通道特征的提取能力，从而显著提高了分类的准确率。通过实验验证，所提出的自适应脉宽调制识别方法在不同脉宽条件下均表现出优异的性能，为信号处理领域提供了一种新的解决方案。
无人艇的自主停靠泊作为自主航行的最后一步是不可或缺的，为提高无人艇的自主性和对泊位的感知精度，提出了基于激光雷达与全景相机两传感器融合的方案。根据无人艇停泊控制端要求，将泊位采用抽象为特征点的方式进行描述与刻画。针对无人艇在停泊过程中面临的感知挑战，利用基于激光点云与全景图像数据关联算法，设计了一套自主感知泊位的方案，完成泊位检测与特征点定位。该方案实现了对泊位及泊位周围环境的感知，可以提供泊位准确的位置，从而使无人艇能够安全的停靠在泊位上。最后通过实验验证，所提方案能够有效检测与定位泊位，保证了无人艇自主停靠泊的安全。