针对运动辐射源进行高精度定位对于目标态势感知至关重要，除了时频差观测量以外，差分多普勒变化率也可用于提升对运动辐射源的定位性能。提出一种联合时频差与差分多普勒变化率观测量的运动辐射源定位新方法，该方法将加权多维标度分析原理与正交投影变换相结合，无需迭代运算，可有效提高大观测误差存在条件下和观测平台状态参数受到随机扰动条件下的定位精度。所提方法包含3个计算阶段：阶段1利用时频差与差分多普勒变化率观测量构造3个标量积矩阵与3个伪逆矩阵，并进而形成定位观测方程；阶段2利用正交投影变换消除阶段1定位观测方程中非线性辅助变量的影响，由此获得定位问题的中间闭式解；阶段3利用此中间闭式解抵消辅助变量，补偿正交投影变换所带来的信息损失，与此同时再次利用全部观测信息以获得最终定位结果。此外，基于Kronecker积与正交投影矩阵的数学性质证明新方法的渐近统计最优性。仿真实验结果验证了所提方法相比其他相关定位方法的优越性。

地球静止轨道（GEO）卫星链路受低轨（LEO）通信星座干扰的问题日趋严峻，在LEO星座设计阶段考虑链路干扰影响可以帮助缓解这种问题。提出了一种考虑链路干扰的低轨通信星座优化设计方法，改进了干扰规避区域，并建立干扰评估的半解析模型提高了计算效率。首先，以星座轨道及构型参数为设计变量，以LEO星座建设成本及其对GEO卫星链路干扰水平为目标函数，考虑通信范围、地面站跟踪策略、星座不间断通信、构型限制等约束，建立了LEO星座优化设计问题模型；然后，设计了改进干扰规避区域，并利用低轨卫星通过干扰规避区域的时间占比来评估星座干扰水平；最后，采用非支配排序遗传算法进行优化求解。结果表明，改进的干扰规避区域可以更有效地表征不同轨道高度、不同地面站分布下的有害干扰区域分布；设计的时间占比指标与传统的干扰评价指标相似性达0.998，且计算速度提升了约40倍；卫星相位优化能够在不新增成本的情况下使GEO下行链路受到的干扰水平降低超过5%，星座构型优化能够在新增成本小于原成本1/3的情况下使干扰水平降低超过90%。

针对空中态势认知中的超视距空战威胁预测问题，提出了一种基于全域火力场的超视距空战威胁预测及动态逃逸方法。首先提出了基于矢量场理论的全域火力场建模方法，定义了单机全域火力场、联合全域火力场及其逃逸场的概念和模型；然后提出了基于多模态残差融合网络（MRFNet）的火力场实时解算方法，使用“离线训练-在线推理”的深度学习范式解决了传统蒙特卡洛解算方法的计算瓶颈和离散采样畸变问题；同时引入基于向量自回归模型（VAR）的短时航迹预测算法，实时预测敌我多变量飞行状态。所提出的超视距空战威胁预测及动态逃逸方法能够实时解算复杂分布式作战场景下的全局及局部威胁情况，为我机提供针对性威胁预警及逃逸建议。实验结果表明，基于MRFNet的火力场实时解算方法将单次火力场解算时间由分钟级缩短至毫秒级，拟合误差小于5×10^-4，具备良好的数据平滑和外推泛化能力；基于VAR的短时航迹预测算法的经纬度预测误差小于8.73×10^-4，优于多种基于深度学习的最先进时序预测方法的结果，在雷情探测具有强位置偏差干扰的情况下相对误差损失小于22%。综合仿真分析结果，提出的方法符合实际空战场景中飞行员的认知逻辑，能够适应复杂分布式作战场景，具有高容错度、强鲁棒性、低时延的特点，有较好的实用价值和现实意义。

针对复杂环境下的空基回收任务规划问题，建立了考虑回收时间窗口的任务规划问题模型，采用分层框架削弱任务分配与航迹规划之间的耦合特性。首先，设计了基于剪枝概率路径图（P-PRM）与Dubins曲线的航迹预规划方法，分析无人机的可回收区间并融入任务规划流程。其次，根据空基回收问题特点设计分布式粒子群算法（DPSO）进行回收任务分配。最后，针对航迹时空约束与避障约束，基于4种同伦航迹变形方法建立航迹库，在CT空间中分析航迹可行性，以二分法优化同伦参数快速搜索最优航迹。一体规划与重规划结果证明了所提出任务规划方法的有效性，与集中式的粒子群算法和遗传算法相比，分布式粒子群算法具有搜索效率高、收敛快速的优点；与一般航迹规划方法相比，剪枝概率路径图的规划速度更快且仍能保持较短的航迹长度。同伦变形方法可以在航迹规划层面满足避障与期望航时约束。

针对V尾飞机的深失速改出问题，结合带惩罚的近端策略优化（P3O）学习和快速预定义时间的增量控制方法，提出了一种分层结构的深失速安全改出策略。首先，建立了V尾飞机的六自由度非线性运动方程，并将深失速安全改出问题转化为带有约束的马尔科夫决策过程；其次，改进了现有的预定义时间控制理论，提升了系统状态在预定义收敛时间内的响应速度，并基于改进后的理论和非线性增量动态逆控制方法设计了角速度控制器，确保角速度能够在预定义时间内快速跟踪上决策指令，并通过Lyapunov稳定理论证明了其预定义时间的稳定性；随后，结合深失速改出过程中飞机的安全需求，构建了基于惩罚近端策略优化的强化学习决策网络，将安全约束转化为惩罚项，从而实现深失速改出的安全决策；最后，通过一系列仿真和蒙特卡洛实验对所提出深失速安全改出策略进行了验证，结果表明该策略在快速性、鲁棒性、安全性以及策略合理性方面具有显著优势，并且展示出良好的应用潜力。

面向复杂背景下反无人机任务，红外目标跟踪面临着目标多尺度、遮挡、移出视野、背景干扰等诸多挑战。针对这些问题，提出了一种红外无人机鲁棒跟踪算法。首先，提出了一个全局跟踪模型，采用高效的一阶段无锚框框架，通过全局搜索以应对因遮挡和移出视野导致的无人机目标消失问题，并使用多层级结构跟踪不同尺寸的目标。其次，提出一个基于记忆网络的时空特征融合模块，利用视频中的时空域特征来提高目标的可判别性。然后，提出了一个目标增强与干扰抑制模块，通过记录和匹配帧间的目标和干扰特征以生成权重，并与得分图加权以提升算法的抗背景干扰能力。最后，提出了一个动态层级加速方法，通过删除冗余层级以提高运行效率。实验结果表明：该算法在2nd和3rd Anti-UAV数据集上分别取得92.4%和78.7%的精度以及69.4%和56.5%的成功率，并能够以26.9帧/s的速度运行，其性能均明显超过了现有算法，实现了在复杂场景中对无人机的实时和鲁棒跟踪。

在信息物理系统中，不确定性涉及到系统在运行时遇到的各种不可预测因素，其影响系统性能以及可靠性，增加了系统所面临的安全威胁，使系统更易受到攻击。隐蔽攻击能够成功地绕过异常检测器的检测，同时恶意地破坏网络传输的控制输入信号和传感器测量信号，造成系统性能恶化。为防御该类网络攻击，从防守者的角度，利用检测机制和攻击的结构信息，量化了攻击的隐蔽上界，进而提出了一种基于该上界信息的自适应攻击补偿器，使装备该补偿器的控制器有效减少隐蔽攻击对系统性能的影响。飞行控制系统的仿真结果说明了所提控制策略的有效性。

在航空航天领域的磁悬浮电机系统中，悬浮系统的断电保护机制尤为重要。当高速运转的转子因突发断电而脱离主动控制时，悬浮系统中的永磁同步电机（PMSM）须立即切换至能量回馈供电工况以维持悬浮稳定性，但会因电磁耦合引发远超于额定值的瞬态冲击电流，易造成功率器件击穿，电机绕组绝缘受损等问题。为抑制该冲击电流，提出了一种基于馈电电压轨迹规划的冲击电流抑制策略。通过建立中点钳位（NPC）型三电平变流器驱动的PMSM馈电工况数学模型，揭示了其冲击电流的产生机理，设计了基于轨迹规划的分段给定电压方法。实验结果表明，所提策略在可控切换时间内，使空载与带载冲击电流分别降幅42%和47%。与传统“斜坡”和“S”型规划曲线比，所提基于电压轨迹规划的分段给定方法可在目标电压响应速度与冲击电流幅值抑制这2个相互制约的指标之间取得更优的平衡效果。

针对高超声速变体飞行器变形飞行过程中强非线性、大不确定性、受多源外部干扰等特点，提出了一种考虑性能约束的自适应优化控制方法。首先，基于自适应预设性能控制设计稳态控制器，通过设计性能包络自适应调整策略解决了固定包络误差转换时存在的控制量奇异问题；然后，基于自适应动态规划设计最优补偿控制器，通过离线-在线策略迭代实现了在线优化控制，离线策略迭代增强了网络在线更新初始阶段的稳定性，在线策略迭代引入零和博弈思想增强了最优补偿控制器的抗扰能力；最后，基于Lyapunov稳定性理论证明闭环系统的稳定性。仿真结果表明所提出的方法保证了飞行器的瞬态性能与稳态性能，对于变形飞行过程中的不确定性和外部干扰具有较好的鲁棒性与自适应性。

针对无人机拖曳式空中回收机翼折叠过程的抗摆动控制问题，提出基于指定时间预设性能控制的抗摆动控制方法。首先，分析空中回收无人机的特性，采用牛顿-欧拉法建立浮标-无人机组合体6自由度非线性运动学和动力学模型，分析机翼折叠过程造成的附加力和附加力矩；其次，针对机翼折叠过程中气动力和气动力矩变化具有强烈的非线性特性的问题，采用计算流体力学方法对这一过程中的气动力和气动力矩进行建模；在此基础上，将6自由度非线性模型进行仿射非线性处理，提出一种基于非约束力矢量和方向控制机理和指定时间预设性能的稳定控制方法，并进行了对比仿真。结果表明，所提方法的最大纵向飘摆距离为0.16 m，最大横向飘摆距离为0.18 m，验证了所提方法的有效性。

随着航空人工智能技术的发展，综合模块化航电（IMA）平台上驻留的智能化应用软件面临着资源稀缺和决策难信任的问题。首先在考虑航电系统架构要素的基础上，设计了多约束条件下的IMA系统资源分配决策优化目标，利用近端策略优化（PPO）算法求解序贯决策过程中航电资源的近似最优分配方案。然后建立了面向IMA系统资源分配的决策归因解释框架，通过对训练数据集的聚合和重采样来提取强化学习智能体专家策略，进而采用Shapley加性解释（SHAP）方法实现了全局与局部相结合的IMA系统资源分配决策解释。仿真实验结果表明，相比于贪婪算法和其他基于策略的强化学习算法，所提方法具有良好的收敛速度和学习效果，解决IMA系统资源分配问题时高效性、优越性显著，且能伴随生成定量的、可视化的特征归因解释信息，揭示了强化学习输入特征对决策的影响程度及决策意图，为智能航电系统可解释性方面的适航符合性验证提供了方法指导。

针对当前无人机图像时敏目标类增量检测面临的灾难性遗忘、过拟合以及难以适配密集检测器特性导致检测精度受限等问题，提出了一种基于多阶段蒸馏的时敏目标增量检测算法，算法主要包含基于连续Wasserstein距离的类间蒸馏（WICD）模块、基于原型引导的类内一致性蒸馏（PGICD）模块以及交叉预测自适应蒸馏（CAD）模块。WICD模块从特征图和语义查询向量中捕捉类间特征差异，利用高斯分布与连续Wasserstein距离，增强类间区分性。PGICD模块通过最小化教师网络和学生网络中实例的高层语义查询和低层特征图的原型差异，实现类内特征有效传递，增强类内一致性。CAD模块通过动态调整分类和回归分支的蒸馏权重，优化交叉预测蒸馏过程，缓解了增量学习中灾难性遗忘问题，提升了模型在复杂场景下的检测精度。在SIMD和MAR20数据集上的实验结果显示，所提方法在各类型的单步和多步增量场景下均表现优异，平均精度（AP）相比传统方法有显著提升。在SIMD数据集8类+7类的增量场景下，AP高达70.8%，与上限绝对差距为1.7%，相对差距为2.3%。在MAR20数据集10类+10类的增量场景下，AP高达60.2%，与上限的绝对差距为2.3%，相对差距为3.6%。此外，通过消融实验验证了各模块有效性，所得结果表明各模块有效地提升了无人机图像时敏目标增量检测性能。

针对尾座式垂直起降（VTOL）无人机（UAV）在全飞行包线下的轨迹跟踪问题，提出了一种基于神经网络气动预测模型的非线性模型预测控制（NMPC）的轨迹跟踪控制器。所设计的NMPC的气动模型只保留了一个非线性气动系数，以降低优化问题复杂度。神经网络气动模型的辨识过程如下：首先，使用无气动预测模型的NMPC跟踪预设参考圆形轨迹并保持协调飞行，收集在这个过程中的飞行数据并训练神经网络气动模型。随后，依据模型准确度与复杂度2个关键指标，从众多训练出的模型中筛选出帕累托前沿模型组进行轨迹跟踪并评估。仿真实验结果表明，相比其他参数结构模型，提出的神经网络气动NMPC能够有效跟踪预设参考圆形轨迹，大幅增加了轨迹跟踪的准确度并具备实时性，有望进一步部署在实机上。

星链下行信号实时高精度频率估计算法设计与实现是LEO卫星动态机会导航工程应用的关键技术。针对传统极大似然估计、频域滑窗估计及卡尔曼滤波等算法在低信噪比星链信号捕获中鲁棒性差、实时性不足的问题，提出多子载波联合频偏估计（MC-JFE）算法，通过深度挖掘信号多子载波结构特征，联合优化载波频率与频率间隔参数，提升频率估计精度与实时性。为突破MC-JFE算法工程应用中密集计算瓶颈，创新构建了一种CPU+GPU异构并行的加速处理架构，通过协同调度CPU逻辑控制与GPU大规模并行计算能力，算法执行效率实现超一个数量级提升。为验证设计算法的理论与技术实现有效性，基于半实物仿真平台生成的星链下行信标数据，开展了5 978颗星链卫星信号实时频率估计试验，并结合我国边境地区实测信号进行多普勒估计算法对比研究。结果表明：所提出的MC-JFE算法在-10~10 dB全信噪比范围内保持最低估计误差边界，估计精度提升50%以上（0 dB）；通过相位信息融合机制，在部分子载波中断时维持稳定输出；基于CUDA最优线程块配置的CPU+GPU异构架构，加速比峰值达47倍，较传统CPU方案提升2.8倍，且精度与加速比呈正相关特性，为LEO卫星动态机会导航提供了高可靠、强实时的频率估计技术支撑，具有重要工程应用价值。

L波段数字航空通信系统（LDACS）是民航新一代地空宽带数据链。为了动态占用相邻测距仪（DME）的空闲频谱，实现频谱资源受限下的宽带通信，提出了一种联合小波变换与深度卷积神经网络的频谱感知方法。首先通过小波变换将接收到的信号转换到小波域，然后利用信号差别提取出DME信号的小波系数，对系数进行低频置零和硬阈值处理，以形成数据集，同时将多组信噪比下的数据集进行融合处理。最后使用预处理过的数据对深度卷积神经网络Vgg19进行训练，得到针对DME信号的频谱感知模型。该方法通过结合小波变换的多尺度特征提取能力和Vgg19的深层特征学习能力，可以在低信噪比环境下提取DME信号的有效特征生成数据集，所训练出来的感知模型显著提高了感知的准确性和稳定性，在低信噪比环境下表现优异，当信噪比大于-13 dB时，检测概率可达100%。

针对复杂环境下自主导航系统抗拒止、强鲁棒等应用需求，提出了一种基于交互多模型的鲁棒滤波方法（IMM-RCKF）。该方法通过量测不确定性量化与非线性滤波器估计，利用量测中断前滤波新息，结合先验知识调整后验概率矩阵权值，优化鲁棒容积卡尔曼滤波器的参数误差模型，选用动静态滤波的方法对两者做交互融合处理，形成了高阶非线性多模型滤波器，增强了滤波器对复杂环境的自适应性和干扰环境的鲁棒性。将其应用到某空天飞行器的自主导航系统中，结果表明，基于IMM原理融合鲁棒滤波的多模型滤波方法，有效提高了导航系统的收敛速度与估计精度，相比于鲁棒卡尔曼滤波方法，位置精度提高约14.3%，速度精度提高约11.2%，并进一步提高了系统抗干扰能力，有效解决了传统卡尔曼滤波器难以处理模型误差的难题。

以应对高端战争为出发点，研究了适合中国现阶段发展的低成本无人机（UAV）蜂群类型及其起飞方式，为提升当前的无人机蜂群作战能力提供了一些思路。介绍了无人机蜂群必须具备的远距离作战能力，对美国若干低成本无人机的成本情况以及无人机动力装置的技术现状进行了分析，比较了可用于无人机蜂群的3种起飞方式，分析了国内外多机连续箱式发射系统在关键技术中存在的差距，并结合国外无人机实例思考与借鉴，最后建议国内以起飞质量超过150 kg、机翼为折叠翼的中型固定翼无人机为无人机蜂群的飞行器平台，通过解决螺旋桨与活塞发动机的箱外离合、电机驱动折叠机翼的展开等关键技术，提高用于无人机蜂群起飞的多机连续箱式发射系统的发射效率。

未来跨域飞行器面临多次重返大气层的过程，飞行器在大气层中以高超声速飞行时表面被等离子鞘套包覆，其带来的“黑障问题”将一直困扰着飞行器的可靠信息传输。等离子鞘套信道具有快时变特性，这种快时变特性导致通信符号经历随机深衰落，并且使得接收机难以实时跟踪信道系数的变化，对测控通信系统的可靠传输带来了巨大的挑战。针对上述问题，针对等离子鞘套信道时变特性中的相干时间进行了研究。首先分析了等离子鞘套信道动态特性的致变因素，并建立了动态等离子鞘套信道模型，然后设计了基于接收信号包络的信道相干时间计算方法，最后进行了仿真分析与实验验证。结果表明：信道相干时间与等离子体激励频率呈反比关系，且随载波频率增大呈现先减小后增大的趋势。通过调整码元速率与相干时间的相近程度，在电子密度值为1×10¹⁸ m^-3条件下，根据计算所得的相干时间设定合适的码元速率可以为系统带来2个数量级的误码率性能提升。等离子鞘套信道相干时间的计算结果，可以为后续的通信方案设计提供一定的参考。

为实现欠驱动条件下临近空间飞行器每个终端状态的准确控制，需突破机载运算能力有限的瓶颈，发展面向计算制导的高精度、高效率轨迹优化架构。如果离散点数量不足，现有基于偏差动力学的牛顿类轨迹优化（模型预测静态规划）方法存在较大的终端控制误差。受到现有准谱牛顿法启发，提出了一种基于实际动力学的准谱优化方法。与现有方法间接更新优化系数存在本质不同，该方法直接更新优化系数。而后，证明了该方法是一种牛顿法，并明确指出在多次迭代过程中，若不引入阻尼机制存在鲁棒性差的问题。面向牛顿法存在鲁棒性差和控制精度低的问题，融合模糊控制提出了一种自适应轨迹优化方法，避免了无阻尼方法初值敏感迭代直接发散的问题，提升了鲁棒性与精度。针对动态轨迹优化问题，仿真结果说明：与现有方法相比，提出方法在相同条件下减少了计算时间。

针对传统“领航-跟随”仿射编队机动控制方法收敛时间难以预先设定的问题，提出一种适用于固定翼无人机（UAV）集群的预定时间仿射编队机动控制方法。首先，设计了适用于有向通信拓扑的预定时间仿射观测器，确保跟随者无人机能够在预定收敛时间内精确观测期望的仿射编队机动状态。其次，针对输入约束下的无人机状态跟踪问题，将其转化为时变控制系数问题，并采用反步法设计了基于 Nussbaum 函数的状态跟踪控制器加以解决。此外，针对无人机飞行过程中的未知扰动，构建了预定时间扰动估计器实现主动补偿。通过李雅普诺夫稳定性理论和预定时间理论，严格证明了系统的稳定性和预定时间收敛性。最后，通过仿真验证表明，该方法能够在预定时间内实现固定翼无人机集群的仿射编队机动控制，并具备抗干扰和抗饱和性能。同时，对比仿真结果进一步验证了所提方法的优越性。