针对无人机通信领域中文命名实体识别样本不足、语义易混淆和实体边界模糊等问题，提出了一种多特征融合的中文命名实体识别模型RCPAC（roberta-wwm-ext-large-CNN-PositionAwareAttention-BiLSTM-CRF）。首先，使用无人机通信领域词典动态融入到 roberta-wwm-ext-large模型获得融合无人机领域词信息的全局特征，并在卷积神经网络（Convolutional Neural Network，CNN）层引入挤压激励网络（SENet，SqueezeandExcitation Networks）注意力机制，提取关键特征，在双向位置感知注意力机制中设计区域划分的前向、后向两个注意力模块，以捕捉实体边界特征；然后将融合词信息的全局特征、CNN层提取的多尺度局部特征和双向位置感知注意力机制获取的位置信息与实体特征进行动态权重融合；接着通过双向长短期记忆网络（Bidirectional Long Short-Term Memory，BiLSTM）层建立长序列依赖并过滤掉冗余特征；最后通过条件随机场（Conditional Random Fields，CRF）解码层输出最佳标注序列。通过对比实验和消融实验证明了该模型的有效性和优越性。在自主构建的小规模无人机通信领域数据集上，与其他模型相比，RCPAC模型的F1值提升了1.01%~9.95%。此外，在CCKS2021中文地址要素解析和MSRA数据集上，模型的F1值分别达到92.15%和95.56%，证明了该模型的泛化性和有效性。

在反无人飞行器集群作战中，攻击意图识别（Attack Intent Recognition，AIR）作为决策链核心前置环节，直接决定反无资源调配与反击策略制定有效性。针对现有意图识别方法存在建模难、噪声敏感和非攻击场景适配差等问题，提出一种融合长短期记忆神经网络（Long Short Term-Memory，LSTM）与交互式多模型（Interacting Multiple Model，IMM）的交互式长短期记忆神经网络（LSTM-IMM）攻击意图识别方法。通过场景解耦将多分类问题转化为二分类任务，利用LSTM提取时序运动特征，基于互斥事件概率可加性计算攻击意图似然值，结合IMM机制实现意图概率平滑更新与归一化。多场景仿真与蒙特卡洛实验表明，所提方法相较于传统UKF-IMM方法，在识别准确率、收敛速度上更具优势，准确率提升10%以上，收敛时间缩短2秒以上，且能有效适配意图切换、非攻击机动等复杂场景，具备更强噪声鲁棒性，为防空决策提供精准意图支撑。

基于LS-DYNA平台开展了满装填固体火箭发动机起始工作段包覆套与推进剂界面损伤特性数值模拟研究。研究结果表明：不考虑流固耦合时，包覆套内外表面压差仅由包覆套与绝热层之间的最小流通截面积决定，这与实际物理过程不符。考虑流固耦合时，包覆套内外压差随发动机工作时间的持续增加先增大后减小，并在0.4s时刻压差达到最大值0.604MPa。压差作用下，包覆套和推进剂界面处可能存在额外应力并导致界面的损伤和扩展。发动机设计过程中，应综合评估包覆套与绝热层之间的缝隙大小以及包覆套弹性模量，以确保界面力学性能稳定，减缓损伤扩展，从而提高结构的稳定性和可靠性。

探地雷达（GPR）作为一种非破坏性检测技术，广泛应用于地质勘探和工程检测等领域。天线作为其关键部件，对系统探测精度与深度有直接影响。现代GPR系统对天线提出了小型化、超宽带（UWB）及高增益的严苛要求。传统的对拓Vivaldi天线（Antipodal Vivaldi Antenna，AVA）在拓展低频带宽时往往依赖于增大物理尺寸，这在一定程度上限制了设备的便携性。虽然现有的电阻加载技术能改善阻抗匹配，但往往以牺牲部分增益为代价，导致探测信噪比不足。为了解决上述矛盾，本文设计了一款应用于GPR的电阻加载对拓Vivaldi天线。该设计通过在天线末端引入结构切角以优化电流分布，并结合阶梯式电阻网络实现阻抗平滑过渡。此举旨在不增加天线孔径的前提下有效抑制末端反射并改善方向图。仿真与实测表明，该天线低频截止频率降至1.37GHz，在1.37-26.2GHz频带内增益稳定，VSWR在1.37-26.2GHz范围内均小于2.5。本研究为高分辨率、轻量化 GPR 探测系统提供了具备工程应用价值的硬件解决方案。

针对高速机动目标协同拦截中作战资源与时空约束难以兼顾的问题，本文提出一种基于改进SA-ACO算法的协同拦截时序优化方法。首先，构建发射调度双层规划模型：外层依据预设拦截概率阈值确定最少发射数量，内层协同优化各拦截弹的最优发射时间窗口。其次，针对内层连续域寻优难题，设计自适应模拟退火-蚁群（SA-ACO）混合算法作为求解器，融合动态混合调控与经验启发策略，克服传统算法易陷局部最优且收敛慢的缺陷。仿真表明，该方法在保证高拦截概率前提下，能快速输出最少弹量与最优时序组合；其收敛速度、寻优精度及稳定性显著提升，为多弹协同调度提供了高效鲁棒的决策方案。

针对高维导弹终点参数条件下舰船毁伤矩阵构建中，传统均匀采样方法在有限计算资源条件下精度不足的问题，提出一种基于舰船毁伤特性敏感性分析的非均匀高精度毁伤矩阵构建方法。该方法首先利用经验公式对舰船内部离散炸点毁伤概率进行快速解析计算，获取毁伤概率空间敏感性分布；其次结合射击线法与像素法，通过反向映射将舰船内部敏感区域投影至导弹终点参数空间，确定参数敏感区间；在此基础上，采用概率加权的非均匀采样策略，将采样资源自适应分配至高敏感区域并兼顾全局探索。仿真试验表明，在相同采样点数量下，与传统均匀采样方法相比，所提出的方法构建的毁伤矩阵预测偏差均值平均降低约50.9%，中位数降低约57.8%，四分位距降低约52.9%，可在有限计算资源约束下实现毁伤矩阵构建精度的有效提升。

红外小目标检测因其在天基预警、海事救援等关键领域的战略价值而备受关注，但目标像素占比极小、信噪比低、背景复杂等特性使其成为极具挑战性的视觉任务。现有深度学习方法虽显著优于传统模型，但其普遍采用的交并比类损失函数对预测目标的绝对尺度及空间位置变化缺乏敏感性，导致模型难以实现像素级精确定位。针对上述问题，本文提出一种基于多尺度空间损失和形态学特征的红外小目标检测方法。首先，设计绝对空间损失函数，通过引入基于面积差异的自适应动态权重增强对目标尺度的感知能力，并基于极坐标系构建径向-角度惩罚项以精细化约束中心点定位误差；其次，在U-Net解码器中构建轻量级多尺度预测头结构，将AR损失同步施加于不同分辨率层级的预测输出，实现从粗到精的层级化监督；最后，构建训练-测试双阶段形态学增强策略，训练阶段采用基于池化的可微形态学算子嵌入结构先验，测试阶段通过开闭运算修正预测结果的连通性。在IRSTD1k数据集上，所提方法在交并比（IoU）、检测率（P_d）和虚警率（F_a）等指标上分别达到67.59%、93.02%和9.034×10^-6，较现有主流方法DNANet分别提升1.88%、1.18%，虚警率降低48.7%，在计算效率与检测精度间实现了更好平衡。

针对复杂动态环境下多机任务规划中面临的长程信用分配（Long-term Credit Assignment Problem）和多机协同规划难题，提出一种基于价值混合网络（Value Mix Network，VM-Net）的分布式多机任务规划强化学习方法。首先，设计智能体级预测模块（VM-P），集成改进门控循环单元I-GRU与自注意力机制，实现在动作决策和状态评价中充分考虑历史轨迹；其次，设计值混合模块（VM-M），聚合个体价值函数为全局价值函数，在CTDE范式下实现智能体间显式协同；最后，设计几何感知奖励函数，有效缓解任务规划中的环境奖励稀疏问题。在对称（最高12v12）和非对称（6v24）场景下的大量实验表明，VM-Net优于传统的和基线强化学习方法。即使在其他方法性能下降的复杂环境中，VM-Net仍能保持实时推理（<20ms）和高胜率（>80%）。同时，训练过程中多智能体间合作行为的涌现进一步验证了VM-Net在动态任务规划方面的实际价值。

针对爆炸冲击波外场实测中超压波形受干扰而缺失或失真，进而导致冲击波特征值提取失效的问题，提出一种融合局部形态特征与全局时序依赖的深度学习信号修复与评估方法。该方法以残缺序列和二值缺失掩码作为输入，利用一维卷积捕捉微秒级激波阵面突变，级联双向长短期记忆网络与自注意力机制重构长程衰减趋势。为克服传统回归造成的峰值低估，文中引入分位数回归与动态峰值加权损失函数联合优化，并借助时序生成对抗网络实施样本增强以提升泛化能力。实测毁伤过程冲击波数据处理结果表明：该方法有效抑制了削峰现象，显著降低了峰值超压、正压作用时间与比冲量的绝对误差；在90%置信水平下预测区间覆盖率达0.94以上，且区间宽度随局部信息缺失程度自适应扩大。研究表明，该方法在保真重构强瞬态物理参数的同时，实现了修复质量的量化度量，为武器毁伤效能评估与工程风险判读提供了高可信度的数据支撑。

功率放大器（Power Amplifier，PA）是组成射频通信系统的重要元器件之一，然而其非线性失真特性以及记忆效应很容易影响发送信号质量，并且随着正交频分复用和高阶调制技术的普及和应用，信号的高峰均比特性对功放的线性度提出更高要求。考虑到仅使用数字预失真技术或峰均比降低技术均无法最大化发射机能效，因此本文重点研究了现有峰均比压缩与数字预失真联合方案，并在其基础上提出了一种峰值对消-数字预失真（Peak Cancellation-Crest Factor Reduction-Digital Predistortion， PC-CFR-DPD）联合方案。该方案将峰值对消技术应用到联合结构中，通过生成与信号频谱相同的时域对消脉冲与信号峰值点对消来降低信号峰均比，极大程度削弱了直接削峰对信号带来的非线性失真影响，在不增大系统实现复杂度的同时提高系统的线性化性能。研究结果对于高峰均比信号条件下的数字预失真技术研究和应用具有一定参考价值。