基于强化学习的多机协同传感器管理

网络化战争中,机载雷达在实现对目标信息持续获取的同时保证载机安全生存是亟待解决的问题。对此,以多机协同作战安全转场任务为背景,提出基于深度强化学习算法的智能传感器管理方法。首先,综合考虑信号辐射量与目标威胁因素,计算目标运动过程中的实时威胁隶属度。其次,在强化学习框架下对雷达-目标分派问题建模,利用神经网络逼近动作-值函数,并根据时序差分算法进行参数更新。仿真结果表明,相比于传统调度方法,所提算法有效提升了任务成功率,缩短了任务完成用时。     

一种双选择性信道中OFDM系统的IQ不平衡补偿方法

针对正交频分复用(orthogonal frequency division multiplexing, OFDM)系统在时间—频率双选择性信道环境中由同相正交(in-phase and quadrature-phase, IQ)支路不平衡耦合多径时变信道导致的复杂子载波间干扰问题,提出了一种基于球形译码算法和并行干扰消除算法的IQ不平衡补偿方法。该方法通过对系统模型进行简化与分块处理,采用球形译码算法消除块内的子载波间干扰,采用并行干扰消除算法抑制块间干扰,并进行交替迭代运算。仿真结果表明,提出的算法在时间—频率双选择性信道环境下具有良好的IQ不平衡补偿性能。     

基于3种典型天线阵列的3D MIMO Kronecker信道建模

在传统的二维多输入多输出(two dimensional multiple input multiple output, 2D MIMO)信道模型基础上,引入仰角因子研究三维多输入多输出(three dimensional MIMO, 3D MIMO)信道模型。推导出基于均匀线形阵列(uniform linear array, ULA)、均匀圆形阵列(uniform circular array, UCA)和均匀矩形阵列(uniform rectangle array, URA)的3D MIMO Kronecker信道模型,并进一步讨论了信号离开角和到达角分别服从高斯分布、拉普拉斯分布和VMF(Von Mises Fisher)分布时的信道模型。仿真结果表明,当信号空间角度服从VMF分布时所建信道模型容量最大,在该角度分布下基于ULA信道模型的容量优于UCA和URA。     

事业单位改革的战略探讨

事业单位是我国的一大特色,是传统计划经济体制的产物,适应高度集中的计划经济体制,套用国家机关模式而建立起来的.事业单位作为一种基本的社会组织形态,具有不同于行政、企业单位的地位、性质、目标、功能和运行方式,主要为社会公益目的,受国家行政机关领导,没有生产收入,所需经费由国库支出,不实行经济核算,提供非物质生产和劳务服务.……     

正交频分复用系统发射机接收机同相/正交不平衡补偿算法

为了弥补由同相/正交(IQ)不平衡造成的正交频分复用(OFDM)系统误码性能损耗,该文提出了一种发射机和接收机IQ不平衡的频域补偿算法.通过设计特殊结构的训练序列实现了信道和IQ不平衡参数的联合估计.充分挖掘了受IQ不平衡影响的时域多径信道特性,以减少所需训练序列数目.通过利用估计结果对IQ不平衡进行补偿获得OFDM信号检测结果.仿真结果表明,该算法只采用2个OFDM训练符号,其误码性能可超过采用32个训练符号的传统算法,并接近已知IQ不平衡参数和信道信息的理想系统.     

瞳孔中心指导的虹膜边界快速定位算法

虹膜边界定位精度和定位速度影响识别系统性能。Hough变换是计算机视觉中检测几何目标的常用算法,在人眼图像中可以通过对圆参数的投票进行虹膜边界定位。虹膜在图像中的位置和大小不固定,这使得虹膜边界定位计算量大,定位速度慢。针对虹膜边界定位实时性差的问题,提出了基于瞳孔中心指导的虹膜边界快速定位算法,通过选择小图像块和减少图像边界点数提高边界定位的快速性。仿真结果表明该算法对于在人眼图像中快速、精确定位虹膜是有效的。     

一种基于效能函数的传感器管理最优决策模型

提出了一种传感器管理最优决策模型,并以量测前后获得的目标信息增量为该模型中的性能指标,分析了基于最大预测误差协方差的传感器资源分配算法的最优性。分别以IMMKF、基于CV模型的KF、基于CA模型的KF为滤波器进行了仿真研究,结果表明基于IMMKF的预测误差协方差分配算法对于不同运动轨迹目标具有更好的效果。     

量测不确定下基于粒子权重优化的粒子滤波算法

为有效评价量测不确定下的粒子权重,提出了一种基于粒子权重优化的粒子滤波算法.首先,通过置信距离和置信矩阵的构建及求解实现粒子间蕴含的冗余和互补信息的充分提取,给出了一种度量粒子间相互支持程度的一致性权重,并利用权重平衡因子实现代价评估粒子滤波中粒子权重和一致性权重的优化组合,进而实现粒子权重的合理优化.新算法既充分利用了当前时刻粒子集中的信息,又避免了量测噪声先验统计信息的偏差的不利影响,从而提升了粒子权重度量结果稳定性和可靠性.理论分析和仿真实验验证了所提算法的有效性.     

基于Metropolis-Hastings抽样的系统误差配准方法

针对目标运动模型不完全的跟踪系统,为解决系统误差配准问题,提出一种基于Metropolis-Hastings抽样的系统误差配准方法。该方法通过系统误差的最大似然估计导出的等效概率平稳函数作为Metropolis-Hastings算法要求构造的概率密度函数,同时给出不同的提议函数来提高系统误差空间分布的全局性。对时变和时不变系统误差情况分别进行了仿真,仿真结果表明,所提方法在考虑系统误差统计特性的同时对解决系统误差配准问题具有有效性和可行性。     

基于Hough变换和聚类的航迹起始算法

基于Hough变换的航迹起始是密集杂波环境中低信噪比目标起始的一种有效方法,但其存在阈值选取困难及一个目标起始多条航迹(航迹簇拥)等问题.提出了一种Mean Shift多尺度聚类Hough变换航迹起始算法(MSMSC-HT).该算法先用低阈值进行航迹初选;然后对初选航迹进行多尺度聚类,并用Mean Shift算法求取聚类中心;最后通过尺度寻优自适应地确定航迹数目和航迹参数.该算法通过聚类避免阈值设计的困难,解决了航迹簇拥下航迹的检测与估计问题.仿真结果表明了算法的有效性.