代码跟踪循环是用户定位的关键组件。对北斗B1信号的伪距信息进行了融合和变换，用于矢量跟踪，因此设计了复杂场景下的相关输出模型，以防止误差传播并评估信号性能。分析了影响输出的相关软硬件因素。提出了一种用于多相关数据提取的单信道时分复用（TDM）方法。对矢量和标量结构的相关输出数据的统计特性进行了评估。仿真结果表明，这两种结构的相关输出在正常情况下均服从正态或齐方分布，在恶劣条件下均服从伽玛分布。结果表明，基于多通道融合的跟踪模型在正常情况下几乎不会改变相关输出的概率分布，但它减少了码环的测距误差，从而提高了码环对微弱信号的跟踪能力。此外，矢量跟踪在任何时候都会改变信道的伪距特性，并在异常情况下影响码环的互相关输出。该研究为后续设计矢量跟踪的自主完整性算法提供了基础。

弹丸滚动角的测量是末修弹丸的关键技术之一。为了提高激光导引头武器系统中滚动角的分辨率，建立了探测器的成像模型、位置计算模型和电路的信噪比模型，导出了滚动角分辨率误差与光斑位置的相关性，以及位置分辨率误差与信噪比之间的关系。然后详细分析了各个参数对信噪比的影响，确定了电路参数。同时，根据信噪比模型和激光能量衰减模型计算了电路的信噪比和噪声电压。最后，搭建了实际的光电检测电路，其信噪比高达53dB。它可以完全满足滚动角分辨率误差为0.5°的要求，从而实现对激光导引头信号光电检测关键技术的分析。

研究了存在传感器位置误差的波达方向（DOA）估计问题，提出了一种基于空间交替广义期望最大化（SAGE）的算法。首先，考虑窄带情况。基于小扰动假设，本文提出了一种用于估计DOA和扰动参数的增强方案。推导了这种情况下SAGE算法的E步和M步。然后，将该算法推广到宽带情况。宽带SAGE算法是通过连接所有频率段在频域中导出的。仿真结果表明，该算法具有良好的收敛性和较高的参数估计精度。

本文提出了一种对单目图像进行全局深度排序的方法。首先利用颜色、紧致度、熵和边缘特征定义距离度量，以估计像素和种子之间的差异，从而确保超像素获得更准确的物体轮廓。为了正确推断局部深度关系，设计了一种结合边缘、T接和显著性特征的加权描述符，以避免单个特征导致的错误局部推断。基于加权描述子，提出了一种全局推理策略，该策略不仅可以提高全局深度排序的性能，而且可以正确推断两个非相邻区域之间的深度关系。在BSDS500数据集、康奈尔数据集和纽约大学2号数据集上的仿真结果证明了该方法的有效性。

本文在下行传输无源宽带光接入系统中，提出了一种基于子载波分配的40-Gbps正交频分多址（OFDMA）技术，该技术以集成体系结构的形式在小区内实现。采用自适应动态带宽分配（DBA）方法，将1024个点的逆快速傅里叶变换/快速傅立叶变换（IFFT/FFT）大小的数据载波成功地分为三个子信道，每个子信道有256个有用的子载波。考虑到M元正交幅度调制（MQAM）调制机制的固有优势，基于强度调制直接检测（IMDD）研究了完全相同的MQAM格式在下游OFDMA无源光网络（PON）不同子信道上的性能系统仿真。结果表明，在三个子信道上传输的三个并行4QAM或16QAM或64QAM OFDMA数据分别适用于不同的子信道分配。此外，与同一接入系统上的单端口4/16/64QAM OFDM相比，在误码率（BER）为10时，接收机灵敏度节约了-0.6 dBm、0.6 dBm和4.6 dBm$^{ - 3}$分别是。

基于压缩感知（CS）理论和匹配滤波（MF）技术的完美结合，提出了一种结合多通道联合稀疏恢复（MJSR）和快速高斯网格非均匀快速傅里叶变换（FGG-NUFFT）的近场三维成像方法。该方法具有高精度和高效率的优点：采用多通道联合稀疏约束，改善了单通道成像算法恢复的图像不一定共享相同散射中心位置的问题；将MF和FGG-NUFFT相结合构建CS字典，以提高成像效率和存储需求。首先，结合基于MF的成像方法，构建了联合稀疏恢复的近场三维成像模型。其次，利用FGG-NUFFT和反向FGG-NUFFT来代替基于MF的成像方法中的插值和傅里叶变换，并根据传统的成像过程构造了一个高精度、高效率的传感矩阵。第三，使用改进的可分离代理函数（SSF）优化算法，仅使用矩阵和向量乘法，实现了快速成像恢复。最后，利用水平和俯仰干涉相位信息获得近场目标的三维图像。本文包含两种成像模型，唯一不同的是用于逆合成孔径雷达（ISAR）成像的子孔径方法。与传统的基于CS-的成像方法相比，该方法在每次迭代中都包含正变换和逆变换，提高了重建质量。实验结果表明，该方法将成像精度提高了约$\pmb{O（10）}$，将成像速度提高五倍，并将内存使用量减少约$\pmb{O（10^2）}$.

宽带雷达目标检测近年来受到广泛关注。经典的能量积分（EI）检测器总是会积累过量的杂波或噪声能量，如果检测窗口选择不当，这会导致不可接受的性能恶化。本文提出了一种高斯环境下分布式目标的EI检测器。首先，在准备工作阶段，提出了目标模型，然后介绍了问题公式。随后，在优化检测窗口搜索方法和阈值设置方法方面，给出了该检测器的详细设计阶段。此外，理论分析表明，该检测器易于硬件实现，在实际雷达检测应用中不需要目标散射中心空间分布的先验知识。最后，通过蒙特卡罗模拟进行的性能评估验证了该检测器的性能优于传统检测器。

针对并置多输入多输出（MIMO）雷达中的目标跟踪问题，提出了一种天线调整策略。该策略的基本技术是在跟踪递归周期内根据先验信息优化分配天线，以提高多目标最坏情况下的估计精度。由于后Cramer-Rao下限（PCRLB）为目标跟踪精度提供了定量测量，因此推导了联合到达角（DOA）和多普勒的PCRLB，并将其作为优化准则。结果表明，动态天线选择问题是NP-hard问题，并提出了一种将凸松弛与局部搜索相结合的有效方法作为解决方法。仿真结果表明，与固定天线配置和启发式搜索算法相比，该策略具有更好的性能。此外，它能够提供穷举搜索方法的近距离性能。

装备研制任务的资源分配具有输入资源量大、子任务多、网络结构复杂、不确定性高等固有特点，是一个复杂的过程。本文研究了资源分配对子任务工期和成本的影响。建立了资源分配数量与子任务工期和成本的关系的数学模型。通过考虑子任务持续时间和成本的波动、返工迭代和随机重叠等不确定性，对不同资源分配方案下的任务进行了模拟。首先将开发任务的最短持续时间和最小成本作为目标函数。基于多目标粒子群优化（MOPSO）算法，构造了一种多目标进化算法来优化开发任务的资源分配方案。最后，以无人飞行器（UAV）为例，对该算法进行了测试，并与基于非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）、非支配排序差分进化（NSDE）的优化结果进行了比较和强度pareto进化算法-Ⅱ（SPEA-Ⅱ）。该方法的科学性和有效性得到了验证。案例研究表明，优化资源配置可以大大缩短开发任务的持续时间，并有效降低其成本。

蛾焰优化（MFO）是一种新的元启发式算法，其灵感来源于自然界中蛾类导航方法的特点，即横向定位。与其他元启发式算法一样，它很容易陷入局部最优，导致收敛速度较慢。混沌映射是改进元启发式算法探索和开发的最佳方法之一。在本研究中，我们提出了一种混沌增强的MFO（CMFO），将混沌映射引入MFO算法以提高其性能。利用混沌映射初始化蛾类种群，处理越界，调整距离参数。CMFO在三组基准函数上进行基准测试，以找出最有效的一个。通过两个实际工程问题验证了CMFO的性能。统计结果清楚地表明，在MFO的适当组件中嵌入适当的混沌映射（singer映射）可以显著提高MFO的性能。

一致性测试对于层次分析法（AHP）至关重要。当两两比较矩阵（PCM）未通过一致性测试时，决策者（DM）需要进行修改。现有技术的重点是更改单个条目或基于原始不一致矩阵创建新矩阵，以便修改后的矩阵能够满足一致性要求。然而，我们注意到，导致不一致的原因不仅是数字不一致，而且是逻辑不一致，这可能在整个不一致中起着更重要的作用。因此，为了实现令人满意的一致性，首先，我们应该改变一些构成有向电路的条目，使矩阵在逻辑上一致，然后在可接受的偏差范围内调整其他条目，以使矩阵在数字上一致，同时保留大部分原始比较信息。本文首先给出了一些定义和理论，在此基础上提出了两种有效的识别有向电路的方法。提出了四种优化模型来调整原始的不一致矩阵。最后，通过实例和比较研究证明了该方法的有效性和可行性。

对于不平衡数据集，分类的重点是识别少数类样本。现有数据挖掘算法的性能不足以处理不平衡数据集。合成少数类过采样技术（SMOTE）是专门为从不平衡数据集学习而设计的，它通过在附近的少数类示例之间进行插值来生成合成少数类示例。然而，SMOTE遇到了泛化过度的问题。在处理边界附近的样本时，基于密度的噪声应用程序空间聚类（DBSCAN）并不严格。针对这个问题，我们对DBSCAN算法进行了优化，使聚类更加合理。本文将优化后的DBSCAN和SMOTE相结合，提出了一种基于密度的合成少数过采样技术（DSMOTE）。首先，使用优化的DBSCAN将少数类的样本分为三组，包括核心样本、边界样本和噪声样本，然后去除少数类的噪声样本，合成更有效的样本。为了充分利用岩心样本和边界样本的信息，对岩心样本与边界样本采用了不同的过采样策略。实验表明，与SMOTE和Borderline-SMOTE相比，DSMOTE在查准率、查全率和F值方面都能取得更好的结果。

本研究基于植物生长模拟算法（PGSA）和区间二元加权平均算子，提出了一种多属性群决策方法（MAGDM）。我们提供了一个示例进行说明和验证，并比较了几种聚合算子，以表明组装方法的最佳性。此外，我们还进行了两次比较，以证明所提出方法的实用性和有效性。该方法不仅可以用于聚合MAGDM问题，还可以用于解决多粒度不确定语言信息。其高可靠性、易于编程和高速计算可以提高ULWA特性的效率。最后，该方法具有准确的语言信息处理特征，可以有效避免信息失真和丢失。

多年来，保证服务质量（QoS）支持一直是分布式无线网络的一个公开问题。IEEE 802.11e为此提供了一种有价值的方法。然而，它只能为多优先级流量提供服务差异化，而不能提供服务保证。许多研究试图提高其QoS能力，但仍存在一些问题。本文研究了这些问题，并提出了一种基于忙音的优先级接入（PABT）方案来提高QoS性能。为了保证优先级信道的接入，该方案使用带内忙音来限制高优先级流量有包要发送时低优先级流量的传输。在此基础上，根据每种业务类型的流数分别优化竞争窗口调整，以提高吞吐量和业务容量。仿真结果表明，该方案显著提高了实时业务容量、吞吐量、时延、公平性和丢包率。

时滞和抗饱和（AW）问题都是系统设计中的常规问题，在细胞神经网络（CNN）中很少讨论。本文讨论了一类具有输入饱和的分布时滞CNN的镇定问题。基于Lyapunov理论和Schur补码原理，设计了双线性矩阵不等式（BMI）准则来稳定具有输入饱和的系统。通过矩阵同余变换，BMI控制准则可以转化为线性矩阵不等式（LMI）准则，从而便于计算机求解。反馈补偿器和AW补偿器可以同时确定，这是一种一步AW策略。讨论了吸引域及其优化问题。具有常时滞和分布时滞的CNN的结构更为一般。这种方法简单而系统，可以处理激励满足Lipschitz条件的一大类此类系统。仿真结果验证了该方法的有效性和可行性。

对于具有有色测量噪声的切换线性系统，该系统的识别困难在于信息向量中存在未知的切换信息、未知的中间变量和噪声项。针对上述问题，采用模糊聚类和多新息递归辨识算法来处理这些问题。首先，将模式检测转化为模糊聚类方法确定的隶属度值检测，通过模糊隶属度值的判断和决策解决了模式检测问题。此外，提出了基于广义辅助模型的多新息递推辨识算法来估计有色噪声下切换线性系统的参数。最后，通过仿真实例验证了该方法的有效性。

编队控制问题的微分对策方法中出现的耦合Riccati微分方程的可解性对有限时域纳什均衡解至关重要。这些方程（如果可解）可以通过使用终端值和反向迭代进行数值求解。为了研究这些方程的可解性和解，将编队控制问题作为微分对策替换为离散时间动态对策。本文的主要贡献如下。首先，证明了离散时间编队控制问题纳什均衡控制的存在性。其次，给出了连续时间微分对策中耦合Riccati微分方程的后向迭代近似解。给出了一个示例来证明模型和解决方案的正确性。

针对一类二维离散时间系统的鲁棒保性能控制问题，提出了一种事件触发方案。首先，针对具有参数不确定性和扇区非线性的二维离散时间系统，提出了一种事件触发方案。然后，根据Lyapunov泛函方法，给出了具有参数不确定性和扇区非线性的二维离散系统事件触发鲁棒保性能控制器存在的充分条件。此外，基于充分条件和线性矩阵不等式（LMI）技术，将事件触发鲁棒保性能控制器的设计问题转化为LMI的可行解问题。最后，通过一个数值算例证明，在所提出的事件触发鲁棒保性能控制下，闭环系统是渐近稳定的，占用的通信资源较少。

康瑞出生于1966年。他是长江学者，也是中国教育部授予的杰出教授。他是关键基础设施恢复力和安全国际中心（CRESCI）的中国主管和中法风险科学与工程（RISE）实验室的中国主管。现在，他还在中国北京航空航天大学可靠性与系统工程学院工作。他分别于1987年和1990年在北航大学获得电气工程学士和硕士学位。他的主要研究方向包括信念可靠性理论、以可靠性为中心的系统工程、高可靠性和长寿命产品的可靠性设计和测试理论与方法以及网络物理系统的恢复力建模与评估。他出版了八本书和150多篇研究论文。他还是IEEE Transaction on Reliability的副主编，以及机械工程师学会学报第O部分：风险与可靠性杂志的副主编辑。他是中国预测与健康管理学会的创始人，也是中国工业界著名的可靠性专家。他因其杰出的科学贡献获得了中国政府颁发的多项奖项，包括国家科技进步二等奖、工业和技术部科技进步一等奖等。电子邮件：kangrui@buaa.edu.cn

在维修性论证中，由混合技术组成的复杂系统的维护时间一般符合混合分布。然而，现有的可维护性标准和指南并没有明确解释如何处理这种情况。针对具有混合维修时间分布的复杂系统，提出了一种综合维修性论证方法。首先，使用K-means算法和期望最大化（EM）算法为所有可能的簇划分维护时间数据。然后使用贝叶斯信息准则（BIC）选择最优模型。然后，根据设备的隶属度得到设备的聚类结果。然后利用投影法确定不同类型设备维修性的相似程度。通过使用Bootstrap方法，从最相似设备的维护时间数据中获得先验分布。然后，提出了一种基于贝叶斯理论的维修性论证测试方法。最后，通过一个例子说明了该方法的可行性。