针对自适应相关算法(ACA)采用单一理论阈值，且马氏（Mahalanobis）距离的修正方法不太合理的问题，在已有的自适应相关方法基础上，提出了改进的火箭发动机实时故障检测的自适应相关算法。改进之处有：1) 利用理论阈值和发动机历史数据统计得到的经验阈值共同作为判断依据;2) 提出了修正Mahalanobis距离的计算方法，去除偏离数据均值最大的1~3个参数对Mahalanobis距离的贡献。在给定的5%误检率下，通过发动机的仿真数据验证了改进的算法能对发动机稳态工作过程中的故障及时准确地检测，并能有效解决野值存在时的误报警情况。

在超级紧组合INS/GPS系统中,由于导航数据位可能会每20ms翻转从而影响弱GPS信号的跟踪精度,因此提出一种基于能量估计的数据擦除算法。该算法通过估计整个相关积分时间的所有数据位组合,找出组合中能量最大的作为可靠组合去除导航数据位影响,使系统相干积分时间扩展至20ms以上。经过高动态环境下仿真试验证明,在不需要导航位的先验知识条件下,该方法可以实现信噪比为16dB-Hz弱GPS信号码和载波连续跟踪。

根据日益复杂的空战格局以及基于微分对策理论设计的空空导弹导引律所存在的缺陷与不足,提出了基于预见学习算法的微分对策导引律改进方案。首先讨论了微分对策导引律的缺陷,并针对其不足研究了基于最优控制理论的预见学习方法;其次设计了基于CMAC(小脑关节模型)的预见学习运算过程,将其应用于空空导弹预见逃逸目标的未来逃逸轨迹,并令导弹据此进行最优决策实现预见学习制导;最后根据逃逸目标飞行轨迹的恶意性突防程度,总结专家经验,将预见学习与微分对策相结合实现优势互补,形成了基于预见学习的微分对策导引律。其仿真结果较经典导引律有明显的优势,能以较小的控制量、较短的拦截时间获得很小的脱靶量,尤其适合拦截具有大机动恶意突防行为的目标。