亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

隨著傳感器技術和由此產生的傳感器分辨率的不斷進步，傳統的基于點的目標跟蹤算法已顯得力不從心，尤其是在使用高分辨率傳感器的自動駕駛汽車、視覺跟蹤和監控等應用領域。這重新激發了人們對擴展目標（ET）跟蹤的興趣，其目的不僅在于跟蹤目標的中心點，還在于跟蹤目標隨時間變化的形狀和大小。

本論文探討了 ET 跟蹤應用領域中最具挑戰性的三個問題。研究的第一個難題是，在非高斯噪聲存在的情況下，需要對具有任意未知星凸形狀的 ET 目標進行精確的形狀和中心估計。提出的方法基于 Student's-t 過程回歸算法，該算法在遞歸框架中定義，適用于在線跟蹤問題。

第二個問題試圖通過定義一種新穎的隨機多面體形狀描述符來放松在估計過程中施加在 ET 目標形狀上的任何約束，包括星凸約束。此外，所提出的解決方案還引入了一種方法，以減輕在 ET 跟蹤應用中因自閉塞而造成的麻煩，因為忽視自閉塞可能會導致 ET 狀態估計出現災難性的偏差。

最后，研究了在雜波和遮擋情況下跟蹤多個 ET 目標的框架，并提出了解決方案。所提出的方法可以在現實場景中估計 ET 目標的中心和形狀，同時考慮到自閉和互閉的挑戰。所提出的方法為每個 ET 定義了一個隨時間變化的狀態檢測概率，即使在相互遮擋造成的不利條件下，也能延長軌跡。此外，建議的算法使用集合成員不確定性模型來約束被遮擋 ET 的關聯和目標形狀不確定性，從而獲得更準確的 ET 目標狀態和形狀估計。

所提方法的性能在自閉和互閉的真實模擬場景中進行了量化，其結果與現有的最先進的 ET 跟蹤應用方法進行了比較。

圖 1.1： 點目標和擴展目標的并排比較。(a): 點目標的單一測量源和生成的測量結果。(b): 多個散射點和 ET 生成的測量結果。

本文探討了自主無人機系統（UAS）的制導和控制。具體而言，研究了基于模型參考自適應控制（MRAC）的尾翼無人機系統，以及用于戰術機動和覆蓋的多旋翼無人機系統的制導和控制。調查了當前和潛在的應用，并找出了現有技術的差距。

為了解決四旋翼無人機這一特殊類別的尾翼無人機系統的控制問題，研究人員開發了兩種方法，以解決建模不確定性、未建模有效載荷、陣風以及執行器故障和失靈等問題。在第一種方法中，尾翼無人機系統的縱向動力學采用 MRAC 法進行調節，以在新穎的控制架構中實現規定性能和輸出跟蹤。用于規定性能和輸出跟蹤的 MRAC 法則結合了線性二次調節器 (LQR) 基線控制器，使用積分反饋互連。利用障礙 Lyapunov 函數對軌跡跟蹤誤差進行約束，并通過采用軌跡跟蹤誤差瞬態動態參考模型來保證用戶定義的軌跡跟蹤誤差收斂速率。在該控制系統中，平移和旋轉動力學分別分為外環和內環，以考慮到四旋翼雙翼飛行器的動力不足問題。在外環中，氣動力的估計值和 MRAC 法則用于穩定平移動力學。此外 此外，還推導出參考俯仰角，使飛行器的總推力永遠不會指向地球，以確保安全，并避免通常用于確定方向的帶符號反正切函數固有的不連續性。在內環中，氣動力矩的估計值和 MRAC 法則用于穩定旋轉動力學。此外，還提出了一種用于確定所需總推力的法則，該法則可確保如果飛行器的方位與所需方位足夠接近，則會施加適當的推力。還提出了一種控制分配方案，以確保始終實現所需的推力力矩，并滿足對執行器產生的推力的非負約束。仿真驗證了針對規定性能和輸出信號跟蹤采用 MRAC 的控制架構，并將規定性能 MRAC 法與經典 MRAC 法進行了比較。

在第二種方法中，提出了一種基于 MRAC 的統一控制架構，該架構沒有將縱向和橫向動力學分開。平移和旋轉動力學分別被分離為外環和內環，以解決尾翼無人機系統的動力不足問題。由于預計飛行器會發生較大的旋轉，因此使用無奇異性的四元數來捕捉尾翼的方向。此外，還通過使用障壁 Lyapunov 函數來解決卷揚現象，以確保跟蹤誤差四元數的第一個分量為正，從而按照最短的旋轉將飛行器的當前方位驅動到參考方位。在外環中，利用對空氣動力的估計和 MRAC 法則確定所需的推力。參考方位是根據正交普羅克斯特問題的解確定的，該問題可找到從當前推力方位到所需推力方位的最小旋轉。由于正交普羅克里斯特問題的不連續性質，角速度和加速度無法通過對正交普羅克里斯特問題解的時間導數來推導。奇異值分解的不連續性。因此，我們使用兩次連續可微分函數--球面線性插值，來尋找連接捕捉車輛當前方位的單元四元數和捕捉參考方位的單元四元數的大地線。一個有趣的結果是，角速度和加速度只取決于參數化球面線性插值函數的標量值函數的一階導數和二階導數；實際函數并不重要。然而，確定該函數的形狀并非易事，因此采用了受模型預測控制啟發的方法。在內環中，使用氣動力矩估計值和 MRAC 法來穩定旋轉動力學，并將推力分配給各個螺旋槳。建議的控制方案的有效性通過仿真得到了驗證。

提出了一種用于自主無人機系統的集成制導和控制系統，可在未知、動態和潛在的敵對環境中，按照用戶規定的不計后果或戰術方式進行機動。在該制導和控制系統中，戰術操縱是通過在飛行器接近目標時利用環境中的障礙物來實現的。不計后果的機動是通過在向目標前進時忽略附近障礙物的存在，同時保持不發生碰撞來實現的。魯莽行為和戰術行為的劃分受到生物啟發，因為動物或地面部隊都會使用這些戰術。制導系統融合了路徑規劃器、避免碰撞算法、基于視覺的導航系統和軌跡規劃器。路徑規劃器以 A? 搜索算法為基礎，并提出了可定制調整的 "到達成本"（cost-to-come）和啟發式函數，通過降低底層圖中捕獲靠近障礙物集的節點的邊的權重，利用障礙物集進行躲避。啟發式的一致性已經確定，因此，搜索算法將返回最優解，而不會多次擴展節點。在現實場景中，需要快速重新規劃，以確保系統實現所需的行為，并且不會與障礙物發生碰撞。軌跡規劃器基于快速模型預測控制（fMPC），因此可以實時執行。此外，還采用了一個自定義的可調成本函數，該函數權衡了與障礙物集的接近程度和與目標的接近程度的重要性，為實現戰術行為提供了另一種機制。新穎的避免碰撞算法是基于解決一類特殊的半有限編程問題，即二次辨別問題。避撞算法通過尋找將無人機系統與障礙物集分隔開來的橢球體，生成無人機系統附近自由空間的凸集。凸集在 fMPC 框架中用作不等式約束。避撞算法的計算負擔是根據經驗確定的，并證明比文獻中的兩種類似算法更快。上述模塊被集成到一個單一的制導系統中，該系統為任意控制系統提供參考軌跡，并在多次模擬和飛行測試中展示了所提方法的有效性。此外，還提出了飛行行為分類法，以了解可調參數如何影響最終軌跡的魯莽性或隱蔽性。

最后，介紹了用于自主無人機系統的綜合制導和控制系統，該系統可在未知、動態和潛在敵對環境中，按照用戶的要求，以不計后果或戰術的方式執行戰術覆蓋。覆蓋的制導問題涉及收集環境信息的策略和路線規劃。收集未知環境信息的目的是幫助服務組織和第一反應人員了解態勢和制定計劃。為解決這一問題，需要綜合考慮目標選擇、路徑規劃、避免碰撞和軌跡規劃。我們提出了一種基于八叉樹數據結構的新型目標選擇算法，用于為路徑規劃器自主確定目標點。在該算法中，由導航系統推導出的體素地圖捕捉了環境中各區域的占用和探索狀態，并被分割成捕捉大面積未探索區域和大面積已探索區域的分區。大面積未探索區域被用作候選目標點。目標點的可行性通過采用貪婪 A? 技術來確定。該算法擁有可調參數，允許用戶在確定目標點序列時指定貪婪或系統行為。這種技術的計算負擔是根據經驗確定的，并證明可在現實場景中實時使用。路徑規劃器基于終身規劃 A?（LP A?）搜索算法，與 A?技術相比，該算法更具優勢。此外，還提出了一種可自定義調整的成本-歸宿和啟發式函數，以實現戰術或魯莽的路徑規劃。提出了一種新的避免碰撞算法，作為上述避免碰撞算法的改進版本，改進了所產生的約束集的體積，從而使更多的自由空間被凸集捕獲，因此，軌跡規劃者可以利用更多的環境進行戰術機動。該算法基于半定量編程和快速近似凸殼算法。軌跡規劃器以 fMPC 為基礎，采用自定義成本函數，通過滑行障礙物表面實現戰術機動，并將所需加速度作為與掩體距離的函數進行調節；采用障礙函數約束飛行器的姿態并確保推力正向性；采用四旋翼無人機系統的輸出反饋線性化運動方程作為微分約束，以實現積極的機動。利用定制的 C++ 模擬器驗證了所提系統的功效。

本論文將探討在海洋環境中運行的自主無人機系統在制導和控制算法方面存在的一些不足。

毫米波（mmWave）雷達與光學傳感器不同，體積小巧、精度高、穿透力強且符合隱私保護標準，因此在多傳感器應用中無處不在。然而，光學傳感器的高分辨率和圖像數據集的廣泛可用性導致了使用光學傳感器的機器學習解決方案的快速發展，從而將毫米波雷達推向了輔助傳感器的角色。本論文針對醫療保健、軍事和自主感知領域，介紹了一系列嘗試利用傳感器融合和機器學習方法增強毫米波雷達能力的新方法。首先，論文介紹了骨骼姿態估計技術，該技術可檢測到 15-25 個關鍵點，三維定位誤差小于 3 厘米，可潛在應用于病人/老年人監測、步態分析和識別以及行人監測。其次，介紹了一種自動雷達標注方案，以鼓勵快速開發雷達圖像數據集，幫助自主感知。這項研究還包括使用傳感器融合特征向量和 12 維雷達特征向量進行目標分類，在車輛與行人檢測研究中，準確率分別達到 98% 和 92%。最后，利用雷達-攝像頭傳感器融合技術探索了基于 DNN-LSTM 的目標跟蹤方法和基于三卡爾曼濾波器的目標跟蹤方法，在這兩種方法中，系統不僅提高了定位精度，而且對單個傳感器故障具有魯棒性。基于 DNN-LSTM 的跟蹤器的優勢在于它不需要事先在雷達和攝像頭之間進行校準，而且對于確定單個傳感器提供的定位差異至關重要。基于三卡爾曼濾波器的方法將這些發現用于多目標跟蹤，精度達到 26 厘米，與最先進的方法不相上下，漏檢率小于 4%，與文獻中大于 16% 的 FNR 相比有了顯著提高。本研究提出的方法大大提高了感知能力，使自主系統更加安全。

無人機（UAVs）在軍事和民用領域發揮著至關重要的作用。本論文的研究有助于智能控制系統（ICS）領域，特別是實現旋轉翼無人飛行器（RUAV）可靠、便捷的自主控制。特別是，本論文解決了如何適應未建模動態和干擾（如在空中改變有效載荷）的難題。

無人機可以攜帶額外的重量，如傳感器、貨物，甚至被稱為有效載荷的懸掛物。已經開發了許多策略來穩定不斷變化的有效載荷，但這些策略都假定有效載荷是剛性的，重心（CoG）是靜態和已知的。有效載荷質量及其類型在飛行過程中的變化會極大地影響無人機的動態性能，這就要求控制器進行調整，以保持令人滿意的閉環性能。此外，還沒有探索過在半空中從一架較大的飛機（如氣象氣球）上發射一組具有隨機姿態的送貨無人機的情況。最后，未建模的動力學和陣風等不確定因素給飛行操作帶來了挑戰，因此綜合控制系統對于處理這些不確定因素至關重要，但對非基于模型的綜合控制系統的設計和開發關注不夠。

受這些研究空白的啟發，本論文探討了如何處理有效載荷在空中的 CoG 變化和姿態獨立發射的控制問題。為解決這些問題并實現理想的軌跡跟蹤控制，本文提出了一種新型非基于模型的綜合控制系統，稱為雙向模糊腦情感學習（BFBEL）控制系統。所提出的控制系統融合了模糊推理、神經網絡和基于強化學習的新型雙向腦情感學習（BBEL）算法。所提出的 BFBEL 控制器能夠從零開始快速適應，可用于控制 RUAV 的所有六自由度 (6DOF)。為擴大擬議控制器的適用性，開發了單輸入-單輸出（SISO）和多輸入-多輸出（MIMO）架構。本研究考慮的兩種無人駕駛飛行器模型是四旋翼無人駕駛飛行器（QUAV）和直升機無人駕駛飛行器（HUAV）。SISO 版本的 BFBEL 控制系統被應用于 QUAV，以解決處理 CoG 和重量不同的外部有效載荷的問題。BFBEL 控制系統的 MIMO 版本應用于 HUAV，以解決在空中獨立發射姿勢的問題。對這兩種系統都進行了模擬評估，并通過實驗驗證了如何處理 CoG 不確定的外部有效載荷問題。最后，在相同的控制情況下，將飛行能力和控制性能與傳統的比例積分微分（PID）控制器方案進行了比較。

這項研究的目的是調查和開發適合設計和分析低可觀測無人作戰飛行器（UCAV）的概念設計方法和計算工具，這些飛行器可執行從亞音速到高超音速飛行狀態的各種任務，具有各種有效載荷和性能要求，以及各種操作限制。

毫無疑問，無人駕駛飛機已經改變了航空航天的許多方面，而軍事應用往往引領著這些變革努力。UCAV 已成為應對未來空戰所面臨的技術、作戰和經濟挑戰的潛在戰略。這些挑戰包括第四代戰斗機機隊的老化、新型先進 4+ 和第五代平臺的部署、據報道當前無人飛行器的高脆弱性以及高超音速飛行器和武器的未來發展。

為了研究未來飛機的配置，克蘭菲爾德大學飛機設計組的霍華德-史密斯教授于 2012 年設想了 GENUS 飛機設計環境。該框架依賴于一個具有高度模塊化和靈活性的中央架構，能夠使用類似的分析工具設計、分析和優化多個種類的飛機，揭示新設計的真正差異和潛在優勢。

質量估計、推進、空氣動力學、性能、雷達截面估計和氣動熱分析工具已集成到 GENUS 框架中，以研究 UCAV 的設計空間。由于獲取 UCAV 和類似配置的高質量數據往往受到限制，因此無法對這些方法進行驗證，也無法從中比較和生成更高保真的模型。第9.2節確定并提出了今后提高這些方法準確性的具體步驟。

本研究進行的設計空間探索包括：亞音速 UCAV 執行高-低-高任務的任務參數權衡研究、性能與當前第五代戰斗機相當的 UCAV 平臺的概念和初步設計、全超音速深度攔截任務權衡研究，以及執行時間緊迫的打擊任務的高超音速（M ≥ 3.0）艦載 UCAV。

圖 UCAV 完整的結構布置（改編自 Sleightholme）。

提綱

第 2 章簡要介紹了無人飛行器的發展歷史，強調了從最早的空中魚雷到現代沖突的軍事應用。隨后，在本研究的背景下對 UCAV 進行了定義，并對聯合行動的未來進行了簡要展望。還介紹了主要的技術驗證計劃和當前的 UCAV 設計。本節最后回顧了設計和開發 UCAV 背后的技術挑戰。

第 3 章介紹了 GENUS 飛機設計環境、其核心理念、總體結構概述、數據分層和模塊之間的數據共享，最后介紹了框架內優化問題的設置；并提供了一個準多目標優化的簡要示例。

第 4 章提供了集成到 GENUS 框架各分析模塊中的 UCAV 設計方法的技術細節；提供了質量估計、空氣動力學、推進建模和雷達截面的驗證和確認。由于 UCAV 配置具有從亞音速到高超音速的廣闊設計空間，因此在開發這些方法時考慮到了靈活性和可擴展性。除了典型的飛機設計分析模塊外，還創建了一套特殊模塊來分析非典型學科：通過物理光學近似方法增加了雷達截面估計；作為高超音速運行的一個關鍵方面，還包括飛行器熱負荷分析和燃料熱管理系統。

第 5 章介紹了典型對地打擊任務（Hi-Lo-Hi）中低可觀測亞音速 UCAV 配置的任務和性能權衡研究。在機翼面積不變的情況下，量化了前緣掠角、巡航馬赫數、作戰半徑和比過剩功率對λawing UCAV配置的影響。

第 6 章介紹了為建立第五代 UCAV 設計所做的概念和初步設計工作，該設計旨在與當前的第五代戰斗機和未來的第六代戰斗機一起進行高度集成和協調的作戰行動。這種 UCAV 的任務設計包括亞音速對地攻擊剖面和有限的超音速作戰能力。已對總體結構概念、發動機尺寸和集成、燃料、動力和執行系統以及起落架尺寸和航電系統設計進行了初步設計研究。

第 7 章涉及各種作戰任務、有效載荷和操作要求下的超音速設計概念研究。對馬赫數 2.0 的深度攔截任務（Hi-Hi-Hi）進行了研究，并對巡航和沖刺馬赫數進行了作戰貿易研究。隨后，還介紹了航母艦載高超音速打擊 UCAV 的作戰貿易研究。評估了巡航馬赫數、巡航高度和作戰半徑對重要性能參數（如到達目標時間和熱管理限制）的影響。

第 8 章是主要討論部分，總結了在各種任務和作戰限制條件下各類 UCAV 的主要結果和發現。

最后，第 9 章總結了成果、結論和確定的下一步工作。

GENUS飛機概念設計環境

克蘭菲爾德大學飛機設計組自 2012 年起開始開發 GENUS 飛機概念設計環境(122)。其名稱源于生物分類學的分類方法，代表了在通用架構下設計、分析和優化各種飛機的能力，如圖 3-1 所示。

圖 3-1 - 適用于飛機的生物分類法

GENUS 是基于 Java 的代碼，因此無需客戶許可證即可在任何操作系統中運行。Java 的在線支持和開發非常廣泛，有多個數值、數學、圖形和后處理庫可供免費使用，大大提高了框架的潛在能力，同時降低了開發成本。

圖 3-2 - Java 與傳統代碼交互的一般程序

另一個重要特點是 Java 能夠通過其 Java 本地接口 (JNI) 實現與 FORTRAN 和 C/C++ 等其他編程語言進行通信。圖 3-2 顯示了 Java 與傳統飛機設計代碼（通常用 C、C++ 和 FORTRAN 編寫）之間的集成和通信過程。該功能廣泛應用于 GENUS 框架的各個分析學科，以增加保真度，而無需長時間重寫或獨立開發復雜代碼。

GENUS 架構的核心理念可概括為以下幾個主要方面：

• 模塊化： 明確區分不同的分析學科，并按層級編程。抽象類是這一功能的基礎，Java 的多態性也為其提供了支持。

• 靈活性： 通過高度抽象化，分析技術可應用于多種飛機，而無需修改核心框架。

• 擴展性： 能夠在分析模塊中包含各種保真度級別，從經驗方法到高保真數值工具。Java 的本地接口及其多態性支持這一方面。特殊模塊（下文將解釋）可用于添加專業分析工具。

• 健壯性： 一個有凝聚力的框架，依賴于經過良好測試的方法以及適當的錯誤和異常處理方法。

• 獨立性： 在適當情況下，避免使用許可和依賴平臺的軟件。

圖 3-3 - GENUS 框架的組成部分和相互關系

GENUS 框架不應被視為一個黑盒系統，只需要用戶提供最少的輸入；相反，GENUS 依賴于一個知識淵博的用戶/設計者，以循環和建設性的方式與框架的前端和后端進行交互。這種互動利用了設計者的專業知識、直覺和假設，從而產生新的知識。圖 3-3 是用戶與框架互動的頂層示意圖。

GENUS 核心框架由九個基本模塊組成，其中包括 1. 幾何 2. 任務 3. 推進規范 4. 質量分解 5. 空氣動力學 6. 推進分析 7. 包裝 8. 性能 9. 穩定性

所有模塊都采用抽象 "GENUS模塊 "的結構，如圖 3-4 所示。隨后，9 個基本模塊中的每一個都有一個 "抽象 "模塊。如圖 3-5 所示，所有特定模塊都是這些抽象模塊的擴展和實現。

圖 3-4 - 抽象 "GENUS模塊 "的總體結構

圖 3-5 - 性能模塊的層次結構和數據流

為了分析飛機設計的非常規方面，可以在原有 Genus 模塊的基礎上實施一系列特殊模塊。特殊模塊的例子包括雷達截面分析、音爆強度、成本估算和航空熱力學分析。

圖 3-6 是一個框架示意圖，顯示了單個設計實例的啟動過程。每個模塊都可以根據用戶的需要進行輸入，然后將輸入信息傳遞到后續模塊，如連接箭頭和變量所描述的信息流所示。

圖 3-6 - 在 GENUS 中啟動設計實例的 N2 圖示例

圖 3-7 顯示了帶有幾何和體積約束、質量和燃料收斂誤差以及推力和穩定性約束的優化循環的 N2 圖。輸入變量僅與幾何、任務（估計起飛質量）和推進規范模塊相對應。該圖表示一個固定飛行任務（航程、速度、有效載荷......）的典型收斂優化循環。目標函數箭頭來自框架域，一般代表可選擇的各種目標；典型目標函數的例子包括最大起飛質量 (MTOM)、運行空重 (OEM)、總耗油量、RCS（特定視角或平均值）等。

圖 3-7 - GENUS 優化設計的 N2 圖示例

利用無人地面飛行器（UGV）進行自主導航和未知環境探索極具挑戰性。本報告研究了一種利用小尺寸、低重量、低功耗和低成本有效載荷的測繪和探索解決方案。本文介紹的平臺利用同步定位和繪圖功能，通過尋找可導航路線來有效探索未知區域。該解決方案利用多種傳感器有效載荷，包括輪子編碼器、三維激光雷達、紅-綠-藍相機和深度相機。這項工作的主要目標是利用 UGV 的路徑規劃和導航功能進行測繪和探索，從而生成精確的 3D 地圖。所提供的解決方案還利用了機器人操作系統。

目前的自動空中加油（AAR）工作利用機器視覺算法來估計接收飛機的姿勢。然而，這些算法取決于幾個條件，如精確的三維飛機模型的可用性；在沒有事先給出高質量信息的情況下，管道的準確性明顯下降。本文提出了一個深度學習架構，該架構基于立體圖像來估計物體的三維位置。研究了使用機器學習技術和神經網絡來直接回歸接收飛機的三維位置。提出了一個新的位置估計框架，該框架基于兩個立體圖像之間的差異，而不依賴于立體塊匹配算法。分析了其預測的速度和準確性，并證明了該架構在緩解各種視覺遮擋方面的有效性。

圖3：利用的坐標系統。紅軸代表X軸，綠軸代表Y軸，藍軸代表Z軸。所有顯示的箭頭表示該軸上的正方向。

智能反射表面（IRS）技術最近在無線通信研究中引起了很大的興趣。IRS由無源反射元件組成，能夠調整入射波形的相位、振幅、頻率和偏振。我們研究了當與目標的視線（LoS）聯系較弱或被阻斷時，如何部署IRS來幫助雷達系統。本文證明，部署多個IRS平臺可以在雷達和目標之間提供一個虛擬或非視線（NLS）鏈接，從而提高雷達性能。數值實驗表明，與無視線鏈接相比，當無視線鏈接較弱時，IRS增強了目標參數的估計，幅度為~0.1

引言

智能反射面（IRS）是由大量的無源可重構元材料元件組成，通過引入預定的相移來反射傳入的信號[1]。在一個通信系統中，這種相移是通過基站（BS）通過回程控制鏈路傳輸的外部信號來控制。因此，來自BS的傳入信號被實時操縱，從而有效地將接收的信號反射到用戶身上[2-5]。IRS技術已經出現在無線通信中，也以其他名稱出現，包括大型智能表面和軟件控制的元表面[6-8]。一些有前途的IRS應用案例，包括向直接鏈接受阻的用戶擴展范圍[6]、物理層安全[9]和無人駕駛飛行器（UAV）通信[10]，已經被研究。一些先前關于IRS輔助信號傳輸的工作有[10-14]。

在這種情況下，IRS的部署在雷達系統設計和信號處理中具有未開發的潛力，用于目標探測和估計[15]-[16]。在IRS輔助雷達中，表面操縱來自雷達發射器（目標）的信號并將其反射到目標（雷達接收器）（圖1）。最近，IRS已經成為一種有前途的、具有成本效益的解決方案，即使在視線（LoS）鏈接被障礙物阻擋的情況下，也能建立強大的連接[17]。在沒有IRS的幫助下，之前已經有一些關于非視線（NLS）雷達系統的工作[18-20]。然而，這些技術需要對環境的整個幾何結構有所了解。此外，處理來自目標的多路徑回報在計算上要求很高。IRS輔助的NLoS雷達是一個范式的轉變，因為IRS平臺的位置和通過IRS進行波束成形的靈活性足以進行目標探測和估計。通過巧妙地調整IRS無源元件的相移，有效的NLS或虛擬LoS鏈接被創建，從而產生更可靠的目標感應。

在[21]中介紹了IRS輔助雷達的NLA情況，并在[22，23]中擴展到多輸入多輸出（MIMO）雷達。

在本文中，我們為IRS輔助雷達參數估計建立了一個數學模型，并研究了在這種情況下部署IRS的潛在收益。與大多數以前的工作[21-23]不同的是，我們將多個IRS平臺納入其中[24-26]，這些工作側重于通過單一的IRS進行NLoS感知。我們開發了多個IRS輔助雷達的一般信號模型，其中IRS作為一個相移組件，并通過目標參數估計的均方誤差對IRS平臺的性能進行了評估。我們推導出用于估計目標后向散射系數的最佳線性無偏估計器（BLUE）。我們的數字實驗表明，即使在隨機選擇相移的情況下使用IRS也能改善目標參數估計的均方誤差。我們進一步研究了IRS平臺的優化，通過設計相位偏移來專門減少目標參數估計的均方誤差。正如預期的那樣，與非優化的IRS相比，優化的IRS情況導致了較低的估計誤差。我們進一步推導出目標參數估計的克拉梅爾-拉奧約束（CRB），并對LoS和NLS情況進行了說明。

圖 1. IRS 輔助雷達操作示意圖。 IRS 在雷達和所需目標之間創建有效的虛擬 LoS 鏈接。遠場部署可能需要大型 IRS 平臺。

太空一直是一個需要高度自主的領域。所需的自主性帶來的挑戰使其難以在短時間內完成復雜的任務和操作。隨著越來越多地使用多Agent系統來增強空中領域的傳統能力和展示新能力，在軌道上和近距離多Agent操作的發展需求從未如此強烈。本文提出了一個分布式的、合作的多Agent優化控制框架，為在近距離操作環境中執行多Agent任務相關的分配和控制問題提供解決方案。然而，所開發的框架可以應用于各種領域，如空中、太空和海上。所提出的解決方案利用第二價格拍賣分配算法來優化每個衛星的任務，同時實施模型預測控制來優化控制Agent，同時遵守安全和任務約束。該解決方案與直接正交配位法進行了比較，并包括了對調整參數的研究。結果表明，所提出的技術允許用戶用模型預測控制來優化超越相位的控制，并以三個調諧參數實現編隊交會。與傳統的多相MPC相比，這更好地接近了配位技術中的相變。

通過介紹設計、配置和所需的端到端信號處理，本科學報告提出了一個用于改進合成孔徑雷達（SAR）成像的系統。與傳統的聚光合成孔徑雷達相比，擬議的系統將產生具有同等或更好的分辨率圖像，并顯著增加區域覆蓋。該系統的設計和配置是基于相控陣天線和適當的硬件，以實現快速電子波束轉向，并允許對多個接收通道進行數字化。目前的技術水平已經足夠成熟，可以建造這樣一個系統的所有組成部分。作為一個具體的目標，報告提出了一個能夠在5公里的地面范圍內以10厘米的分辨率（方位角和斜向范圍）成像的系統。建議的系統是在X波段模擬的，但原則上也可以在任何有足夠可用帶寬的波段運行。重要的是，這種模式可以在無限的方位角范圍內進行收集，這是其他提議的系統所不能達到的。

由于所考慮的決議推動了已知理論的極限，該報告還介紹了一個增強的理論，這是推導信號處理算法所需要的。所提出的方法將基于地球引力勢的球面諧波模型的物理模型納入三維曲線的差分幾何理論。從該理論中，開發并提出了一種基于文數的SAR處理算法，該算法擴展了目前的方法。建議的算法只依賴于精確的姿態數據和單一的精確狀態矢量。因此，如果傳感器儀器能夠在成像時測量這些參數，該方法就適用于機載SAR處理。

對國防與安全的意義

本報告中提出的方法為合成孔徑雷達提供了設計和信號處理框架，它可以在大范圍內以極高的分辨率成像。目前的系統不具備這種能力，按照目前的計劃，未來的系統也不可能具備這種能力。一方面，新穎的擬議設計提供了改進的合成孔徑雷達成像，而不放棄目前國家資產所提供的任何能力。另一方面，這些改進滿足或超過了目前在指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）方面的能力差距。該設計（或其某些變體）應被考慮用于未來的搜救任務。