针对边境地区自然环境恶劣、监控盲区较多、管理人员有限等问题，为提升边境管理单位的管控能力，研发了一种融合布里渊光时域反射仪(Brillouin optical time-domain reflectometer，BOTDR)和相位敏感型光时域反射仪(phase-sensitive optical time-domain reflectometer，Φ-OTDR)的分布式光纤声学传感（fiber-optic distributed acoustic sensing，DAS）设备，实现了单一设备多参量同步测量。该系统利用先进的信号处理算法，能够动态感知环境声场能量变化，精确识别和预警入侵行为。通过一系列实验验证了系统的有效性和可靠性，可为未来边境地区建立无人化、智能化警戒防卫体系提供参考。

玄武岩纤维(basalt fiber reinforced polymer，BFRP)筋是一种可取代钢筋用于土木工程领域的新材料，亟待对BFRP筋-混凝土粘结破坏机理及粘结强度开展深入研究。运用弹塑性力学、混凝土断裂力学等基本理论，描述BFRP筋-混凝土的粘结破坏过程和破坏机理，构建一种半经验半理论的BFRP筋-混凝土粘结强度计算方法。针对基于Logistic回归模型的破坏模式采用相应的计算方法，综合考虑了混凝土强度、BFRP筋直径、混凝土保护层厚度以及加载速率的影响，通过相关试验数据对该方法的可靠性和预测精度进行了验证。结果表明，BFRP筋-混凝土粘结强度与破坏模式密切相关；混凝土抗拉强度是影响粘结强度的主要因素；混凝土的开裂状态取决于BFRP筋直径；混凝土保护层厚度及加载速率直接影响BFRP筋-混凝土的粘结强度。计算结果与试验结果吻合良好，所提方法的预测误差为0.9%~23.7%，可为预测BFRP筋-混凝土粘结强度提供有效参考。

高光谱图像目标检测技术在多个领域具有显著的应用潜力，为充分挖掘高光谱图像中丰富的空间和光谱信息，提出了一种结合Gabor滤波与约束能量最小化（constrained energy minimization，CEM）的高光谱图像目标检测方法Gabor-CEM。该方法充分结合了Gabor滤波器和CEM算法的优点，利用Gabor滤波器有效地提取高光谱图像的空间纹理和方向特征，为目标检测提供丰富的空间信息；凭借CEM 算法对目标光谱信息的高效利用，对目标进行定位和识别。利用野外成像光谱仪拍摄的高光谱图像进行实验，结果表明，相较传统方法，Gabor-CEM 方法能够更准确地检测出目标，降低误检率和漏检率，在目标检测任务中具有显著优势，为高光谱图像目标检测提供了一种新的有效途径。

在复杂电磁环境下，干扰效果评估面临着信息非对称、通信行为多变以及信道条件动态变化等现实问题。同时，在人工智能和机器学习理论技术赋能非合作无线网络目标条件下，精准、稳健的干扰效果评估仍是制约干扰效能提升的主要挑战。针对以上问题，提出一种高效的认知干扰方法，基于确定性信道建模技术，利用双层遗传算法虚拟估计出不同干扰决策下非合作无线网络目标的性能上界，并以此作为不同干扰决策的干扰效果评估依据，实现最优/次优干扰决策选取。仿真结果和理论分析验证了所提方法的有效性和鲁棒性，为提升干扰效果评估、实现电磁频谱域认知对抗提供参考。

以方形组合式钢丝绳隔震器为研究对象，针对动力响应模型参数识别复杂的问题，在进行静力和冲击隔震试验基础上，建立加载刚度主导的等效动力学模型，比较等效线性模型和变刚度模型的合理性并讨论了主要参数的取值。结果表明，方形组合式钢丝绳隔震器在垂直向和水平向均表现出明显的迟滞特性和刚度非线性，在爆炸冲击作用下隔震率均达89.77%以上，具有良好的隔震性能；在小幅冲击震动下隔震器表现为微小阻尼，而在大幅冲击震动下则表现为大阻尼；以隔震器加载刚度为基础建立的变刚度等效动力学模型可在一定范围内有效描述隔震结构在冲击震动下的动力学行为。

旋转隔离机构（简称隔旋机构）的抗过载性能是保障弹道修正引信正常工作的重要因素之一。针对高速旋转炮弹弹道修正引信的工作环境，设计了一种具有“内缓冲、外隔离”功能的隔旋机构，通过有限元仿真模拟、理论分析和试验验证相结合的方法对机构进行了弹塑性耦合变形分析。仿真模拟结果表明，内部的多球型点接触缓冲部件在冲击瞬间产生1.44 mm变形，冲击后接触半径约为2 mm；理论分析发现，刚度为150 N/mm的螺旋弹簧可满足外隔离设计的要求；液压冲击试验中，缓冲部件变形与仿真模拟结果基本一致，验证了结构设计的合理性。该隔旋机构的设计对弹道修正引信的工程应用及高精度制导弹药的发展有一定的促进作用。

作为一种新概念超高速动能武器，电磁轨道炮具有广泛的军事应用前景，然而其发射威力及发展困境尚不明晰。在分析电磁轨道炮理论和电枢技术进展的基础上，总结了电磁轨道炮发展的困境，发现U形铝电枢咽喉部发生的磁锯效应导致简单轨道炮发射威力即炮口动量受限。据此提出了一种高威力的电磁轨道炮概念，利用相互垂直磁场的独立作用原理、机械接触力叠加与传递原理，将两门简单轨道炮合成一门双电源、双电枢、四轨道、单射弹、近方膛的复杂轨道炮。该轨道炮力学结构紧凑合理，两个电路互不干扰，共同加速射弹，其等效膛压和发射威力均可提高至等口径简单轨道炮的两倍左右。所提设计可推动电磁轨道炮技术进展，具有一定的军事应用价值。

由于旋转稳定弹丸飞行稳定性随阵地高程变化的特性缺乏系统研究，以某155 mm榴弹为例，探究了旋转稳定弹丸的飞行稳定性条件，仿真分析其陀螺稳定性、动态稳定性、追随稳定性随阵地高程的变化特性。结果表明，某一高程的全弹道上，若在炮口处弹丸的陀螺稳定性得到满足，在全弹道上必然满足陀螺稳定性，随着高程的增加，陀螺稳定因子增大，陀螺稳定性增强；高海拔条件下空气密度减小有利于旋转弹丸保持动态稳定性，随着高程的增加，动态稳定性显著增强；动力平衡角随阵地高程的增加而增大，弹丸的追随稳定性变差，但若弹道上满足追随稳定性条件，高海拔弹道的整体稳定性强于低海拔。在高海拔条件下，应当避免用高射界射角射击，防止动力平衡角过大导致飞行失稳。

针对现有方法在捕捉交通流量复杂时空特征中的不足，提出了一种改进的Transformer长短期记忆（long short-term memory,LSTM）融合模型，旨在提升高速公路交通流量的预测精度。结合LSTM的长期依赖建模能力与Transformer的全局自注意力机制，通过门控残差网络筛选关键特征、动态位置编码增强时序感知，并引入掩码机制优化多头注意力计算，有效降低模型复杂度。基于长深高速公路监控数据，对比HA、ARIMA、LSTM、GRN及传统Transformer、GRN-Transformer等基线模型，实验结果表明，在6、12、24步长预测任务中，所提模型平均绝对误差（mean absolute error，MAE）与均方根误差（root mean square error，RMSE）均显著优于其他模型。其中，24步长预测的MAE较Transformer模型降低7.7%，RMSE较GRN-Transformer模型降低7.2%，验证了模型在捕捉长期时空依赖与动态特征上的优势。所提模型为智能交通系统提供了高精度的流量预测解决方案，可助力实时交通管理与决策优化。

格栅装甲作为一种重要的抗破甲弹侵彻装置，以其独特的设计原理与结构特点在战场上广泛应用。以传统格栅装甲为研究对象，围绕提高装甲车辆的防护性能，通过对单元结构进行创新设计，提出一种新型格栅装甲设计方案，利用有限元软件对新型格栅装甲抗破甲弹侵彻行为进行仿真计算。结果表明，较传统格栅装甲，所提方案在实现装甲高防护性能方面有较大提升，有效增强应对斜向来袭、入射角较大的聚能弹药的防御能力，大幅提高拦截成功率，用于防护装甲车辆车首、侧翼、车尾、发动机及炮塔顶部，可提升防护性能，实现全方位防护。在敌方聚能弹药威胁背景下，所提方案对提升武器装备的战场生存能力、发挥作战效能具有重要的军事意义。

为解决数据的时间特征和空间特征表征不完备、忽视未知节点推断补全和不确定性估计问题，提出了具有不确定性感知的图Transformer神经过程（graph Transformer neural process,GraphformerNP）时空数据补全方法。采用局部图卷积神经网络和Transformer学习空间与时间特征的联合确定性表示，引入神经过程，通过潜在状态转换学习缺失位置的潜在变量，补全缺失值并获得不确定性估计。充分的时空特征表征提高了补全的准确度，未知节点的推断补全弥补了传感器稀疏部署的不足，不确定性估计提高了在实际应用中决策部署的可靠性。在多个数据集上的实验验证了该方法的准确性和有效性，并为不确定性估计提供了可靠性参考。

针对当前硬岩中爆破扩壶效率低、成腔小等难题，提出了组合孔微差爆破扩孔成腔技术方案。通过钻取中心主孔、周边孔和合理设计装药及起爆顺序，仅一次爆破可在硬岩中形成立方米级的空腔。数值模拟分析了4个和6个周边孔方案的爆破损伤演化过程和扩腔效果，并通过实爆验证了技术方案的可行性。实爆试验结果表明，4个和6个周边孔方案实际爆破扩腔后腔体体积分别为0.722 m3和1.010 m3，比数值模拟结果略小，可通过组合孔微差爆破扩腔技术在硬岩中高效形成立方米级的大体积空腔。所提技术可为硬岩中快速开辟立方米级的空腔提供技术支撑。

机载多功能雷达能根据作战需求灵活切换工作模式，在现代战场上执行空域扫描和目标跟踪等任务。其工作模式的动态变化不仅是评估威胁等级的关键依据，也为电子侦察带来了挑战。为提高对机载多功能雷达工作模式的识别效能，提出了一种基于集成深度学习的识别算法。该算法集成多个深度学习模型，并根据各模型的预测准确率动态调整权重，在确保整体性能最佳的前提下，采用“舍小取大”策略，提高集成模型的预测准确性和稳定性。仿真实验结果表明，基于舍小取大法的集成深度学习方法显著提高了识别效率，为机载多功能雷达工作模式的精准识别提供了有效解决方案。

协同控制作为多智能体无人系统的核心关键技术之一，研究难点是如何解决外界干扰的影响。重点关注具有输入扰动的多智能体无人系统的一致性控制问题，提出了事件触发单网络自适应动态规划方法。该方法通过将耦合增益与系统代价函数最优解相乘来构建控制策略，能有效抑制输入干扰信号。给出了控制策略更新的事件触发条件，并证明了在事件触发机制下多智能体非线性系统一致性状态误差的稳定性；设计了单网络自适应动态规划求解耦合Hamilton-Jacobi-Bellman（HJB）方程，并通过李雅普诺夫稳定性理论证明了神经网络权重估计误差一致有界。仿真结果表明了该方法的有效性，可为提升无人系统的协同能力和效能提供参考。

基于干扰加噪声协方差矩阵（interference and noise covariance matrix，INCM）的重构算法是近年兴起的鲁棒自适应波束形成（robust adaptive beamforming，RAB）技术。针对目前大多数INCM算法只注重不同误差情况下的性能表现而忽视了算法的计算复杂度的问题，聚焦INCM算法鲁棒性和计算复杂度，在使用Capon算法得到干扰和期望信号（signal of interest，SOI）的名义导向矢量的基础上，使用鲁棒Capon波束形成（robust Capon beamforming，RCB）算法对名义导向矢量进行校正，得到干扰和SOI的实际导向矢量，提升了对导向矢量误差的抵抗能力。使用样本协方差矩阵（sample covariance matrix，SCM）的最大特征值估算所有干扰功率，有效地降低了算法的计算复杂度。基于上述两部分工作设计波束形成器，在保持低复杂度的同时拥有良好的抗误差能力。仿真结果表明，INCM算法对不同种类的误差均具有良好的抵抗能力，能够兼顾计算复杂度和性能。利用软件无线电（software-defined radio，SDR）设备搭建实物验证平台，进一步验证了所提方法优越的抗干扰性能。

为帮助决策者在复杂战场环境下综合考量无人机飞行能耗与传感节点信息时效性并权衡作出决策，提出了多目标路径优化问题。将地面传感节点聚类、簇内节点数据上传序列优化、多无人机航点分配和无人机路径优化多个子问题紧密耦合，构建了多无人机总飞行时间最小化和传感节点信息年龄最小化的多目标-多机聚类选址-路由问题(multi-objective multi-UAV clustering location-routing problem, MOMAC-LRP)优化模型，提出了改进任务分配设计的非支配排序遗传算法二代求解该问题，并设计了基于非均匀聚合权重的 CPLEX 求解器作为对比方案。仿真结果表明，所提算法生成的优化路径集在性能不弱于CPLEX的同时，能更合理地平衡不同指标，参考价值更高，为提升决策的科学性与有效性提供了新思路。

针对广域稀疏场景下无人机远距离多跳传输的时延和能耗均衡难题，研究如何通过动态调控实现二者的协同优化。提出了一个多目标优化问题，通过设计动态双域协同优化框架，联合优化数据收集时间、无人机数量与传输距离三要素构建时延-能耗Pareto前沿。针对非凸优化问题，设计基于固定变量迭代优化与启发式算法的混合求解策略，将主问题分解为3个子问题进行交替迭代优化。仿真结果表明，所提框架能精准匹配时延与能效敏感型任务的差异化需求，在无地面基站场景下实现与基站辅助方案相当的传输性能，同时验证了所提算法具备稳定收敛特性。该研究为低密度无人机网络提供了一种轻量化动态调控方法，有效破解了“低密度部署”与“高时效回传”的难题，对广域任务中低密度无人机网络设计具有理论指导价值，可为无基础设施区域的远距离通信提供解决方案。

针对持续增长的低空通信与感知需求，基于去蜂窝MIMO架构，研究面向低空空域的分布式通感一体波束成形问题。假设接入点（access point，AP）配备均匀平面阵列（uniform planar array，UPA），通过优化分布式波束成形向量为低空和地面用户提供通信服务，同时对低空目标进行主动感知。将分布式波束成形问题建模为通信信干噪比（signal to interference plus noise ratio，SINR）约束的感知信噪比（signal to noise ratio，SNR）最大化问题，该问题为非凸优化问题。并提出了基于半正定松弛（semidefinite relaxation，SDR）的近似最优求解方法。仿真结果表明，所提方法可获得与最优波束设计方案相近的通信SINR，并且感知SNR性能显著优于先验的设计通信或感知波束等对比方案。

针对时间序列预测(time series forecasting, TSF)研究面临的两大问题：序列内与序列间相关性建模时未考虑潜在的动态变化、对多个相关预测任务独立训练导致模型泛化能力受限，提出了一种基于动态图卷积的多任务TSF(dynamic graph convolutional multi-task TSF, DGMTSF)模型。DGMTSF引入多头注意(multi-head attention, MHA)，通过动态注意权重并行地、自适应地学习序列内不同时间步之间的时变相关性;将图卷积网络(graph convolutional network, GCN)嵌入长短期记忆(long short term memory, LSTM)，在每一步时序状态上进行信息传播与聚合，从而有效建模不同序列间动态相关性。DGMTSF在多任务学习框架下设计特征加权共享机制，任务子网的每一层均能将自身特征图与其他所有子网前一层的特征进行加权融合，既强化了任务间共享特征的学习，又能依据不同任务需求灵活调整特征共享程度，大幅提升了模型的泛化能力。在真实公开医疗数据集上的实验验证结果表明，DGMTSF较基线方法表现出突出的预测性能优势。

随着我国极地科学研究、极地资源勘探与开发、极地航运等活动的持续拓展，对极地通信的需求不断提高。短波通信利用电离层反射可实现数千千米的远距离传输，具有部署灵活、抗毁性强的优点，是极地地区重要的通信手段之一。对极地地区特殊的电离层特性与电离层模型研究现状进行详细分析，针对短波信道模型、频谱感知预测与探测建链、通信波形设计和超远距离链路设计等方面，梳理了极地短波通信的研究现状，分析总结了极地短波通信面临的信道建模、频率确定、波形设计和技术验证难等主要挑战，并从加强电离层斜向探测、数据驱动的频率预测、探测与通信波形设计和人工智能赋能短波通信等多个角度阐述了极地短波通信未来的研究方向。

移动式干扰会导致干扰信号快速、动态地变化，加大了信道资源约束下高效抗干扰的难度。针对传统单时隙“感知-决策”过程产生的极大时间开销，且易导致多对用户集中在无干扰信道上通信，造成干扰信道资源浪费的问题，设计了一种多时隙周期性报价驱动的信道交易机制。该机制只需在一个周期内观测干扰情况、收集报价并作出一次判决。考虑到用户间交互具有主从性和周期性，采用多阶段斯坦伯格博弈模型建模，并提出了一种周期性报价驱动的抗干扰信道选择算法。仿真结果表明，所提交易机制有明显的效用提升，且在多用户场景下具有鲁棒性，证明了所提方法在对抗移动干扰机时的有效性。

在开放动态环境中，随着新辐射源个体不断出现，识别算法在保持对已有特征识别能力的基础上，还需持续学习新特征。然而，在非合作场景下，新增辐射源样本稀缺，导致现有深度学习方法在小样本情况下易出现泛化能力不足和灾难性遗忘问题。提出了一种基于元学习的小样本类增量辐射源识别方法，采用伪类增量训练模式替代传统离线训练，结合元学习策略优化参数更新机制，使模型能在极少新样本条件下快速适应并扩展识别能力。同时，引入样本重放与知识蒸馏策略改进损失函数，有效缓解历史知识遗忘问题。在公开ADS-B数据集上的实验结果表明，所提方法在一轮增量学习后仍保持94.25%的高识别准确率，验证了其在小样本增量学习场景下的有效性。

多模型组合利用不同深度模型提取特征的互补性，可有效提升自动调制识别的性能，而现有研究缺乏对组合模型的系统分析和比较。针对卷积神经网络（convolutional neural network，CNN）、长短期记忆（long short-term memory，LSTM）网络和Transformer，设计了6种串行组合模型，基于RML2016.10a与RML2018数据集，从识别准确率、模型复杂度、噪声鲁棒性、不同调制类别的识别差异4个方面开展对比分析。实验结果表明，CNNTransformer（CT）双模型组合在RML2016.10a上达到60.7%的平均识别准确率，比CNNLSTMTransformer（CTL）三模型组合提高了0.8%，参数量减少了54.7%，且在SNR>10 dB时，准确率波动范围降低35.3%；在RML2018上，CNNLSTM（CL）双模型组合仅用32.9%的参数量即可逼近CTL性能。实验进一步揭示，同时采用LSTM与Transformer会引入时序冗余；时序模块前置易提取到受噪声干扰的特征；局部特征建模对高阶表征与相位敏感调制至关重要。研究成果可为自动调制识别组合模型的轻量化与鲁棒性优化提供定量依据。

6G时代无线设备的激增和恶意干扰的加剧使得传统半空间覆盖的固定阵元可重构智能表面（reconfigurable intelligent surface, RIS）难以满足室内外全场景抗干扰需求。提出了一种可移动阵元同时透射与反射可重构智能表面（movable elements based simultaneous transmitting and reflecting reconfigurable intelligent surface, ME-STAR-RIS）辅助无线抗干扰传输方法，通过协同优化基站处的主动波束成形、发射功率以及ME-STAR-RIS处的柔性被动波束成形（包括阵元位置及相移系数）来实现抗干扰通信速率的最大化。针对 ME-STAR-RIS 辅助无线抗干扰传输方法设计面临的高维非凸联合优化难题，将优化问题描述为马尔可夫决策过程并采用双深度Q网络（double deep Q network，DDQN）算法进行求解，得到了优化的发射功率和柔性被动波束成形。仿真结果表明，ME-STAR-RIS抗干扰传输方法较传统方法能进一步提升系统的抗干扰性能。

机载激光雷达（light detection and ranging，LiDAR）在输电线路点云数据采集及分析中应用广泛，并在复杂环境下展现出较高的精度和效率。然而，传统的电力线点云提取方法仍面临人工干预多，自动化程度和提取效率低等挑战。通过多维分析对电力线点云的空间特征进行深入研究，提出一种基于自适应高程阈值法的地面点与非地面点分割方法；结合粒子群优化算法和密度聚类算法，提出一种自动化的电力线点云提取方法，并进行了多场景实验验证。结果表明，该方法能有效提高电力线提取的自动化程度和提取效率，满足电力系统高效检测和自动运维的需求，为进一步提高电力线点云自动化提取提供了技术支持和实验依据。

针对战场多目标打击任务中威胁评估与无人机轨迹规划解耦导致的路径安全性与打击时效性矛盾，提出了一种基于动态威胁评估的无人机轨迹规划算法。构建了融合三维空间距离与目标属性加权的动态威胁评估模型，通过量化战场威胁实现复杂环境建模；提出改进亲和传播（affinity propagation,AP）聚类和遗传算法（genetic algorithm,GA）的两阶段轨迹规划框架，利用威胁加权相似度矩阵和自适应阻尼因子生成动态分配的打击点集合，并基于GA生成威胁约束下的最优飞行轨迹，实现威胁评估、目标聚类和轨迹规划的协同优化。仿真结果表明，所提算法较传统算法有效降低了复杂威胁环境中总威胁度和最大威胁度，同时降低了计算复杂度，验证了其在威胁评估与规划深度耦合的有效性。

伪装主要包括隐蔽、形变、干扰和降低显著性等。随着伪装技术的发展与进步，对隐蔽伪装目标检测的技术要求也逐步提高。针对隐蔽伪装，梳理了伪装技术的研究现状；论述了传统隐蔽伪装目标检测方法，特别是近年来基于深度学习的隐蔽伪装目标检测方法；进一步分析了隐蔽伪装目标检测常用的动物伪装数据集和军事迷彩数据集，并归纳了4个常用的评价指标；总结了隐蔽伪装目标检测在重叠遮挡、尺度变化、动态变化和设备资源受限等方面面临的挑战,并从3个不同角度探讨了隐蔽伪装目标检测在军事领域中的发展前景。