非线性中立型时滞微分方程解的零点距估计

泛函微分方程振动解的零点分布作为方程振动理论的一个重要分支,使方程振动解的研究更加定量化,但目前对非线性及多个变时滞微分方程振动解零点距估计的研究成果还很少.本文通过非线性问题线性化处理,多个变时滞取上下界的方法,对一类一阶非线性多个变时滞中立型微分方程振动解的零点距进行了估计,获得了方程所有解都振动的充分条件,改进和推广了已有的一些的结果.     

大尺度湿大气原始方程组对黏性系数的连续依赖性

考虑定义在柱形区域上的大尺度湿大气原始方程组, 用微分不等式技术和能量估计的方法给出该方程组解的先验界, 并证明该方程组对黏性系数的连续依赖性.     

三维完整原始方程组对边界参数的收敛性

考虑了一个经常被用于天气预报和气候变化的完整原始方程组,即三维原始方程与温度和盐度方程耦合,并受外力作用.运用微分不等式和能量估计的方法,得到了方程组解的先验界,并证明了方程组对边界参数的收敛性.     

目标运动要素自主隐蔽解析的微分进化策略

针对传统目标运动要素自主隐蔽解析中存在的噪声适应性差等问题,提出要素自主解析的微分进化策略。首先,简要论述了目标运动要素的自主隐蔽解析过程;其次,推导要素自主解析的协方差传播过程,给出目标运动要素方差与目标观测方位方差的对应关系,分析方位观测均方差对要素自主解析结果的影响;再次,提出了微分进化算法对自主解析模型的优化策略;最后,对优化策略进行仿真验证。结果表明,当方位存在0.1°的均方误差时,初距D₀均方误差约为12 Cab,速度分量V_mx、V_my均方误差分别约为5 Kn、6 Kn,通过微分进化策略优化后明显提高了要素自主解析结果的精度。     

一种稳健的多主瓣干扰抑制方法

当训练数据含有期望信号时,传统的基于特征投影预处理的主瓣干扰抑制算法会产生严重退化。这是因为在期望信号的扰动下主瓣干扰对应的特征波束易产生峰值偏移,导致主瓣干扰难以完全去除,当多个主瓣干扰存在时尤为突出。通过估计信号与噪声功率并将期望信号功率置零重构干扰加噪声协方差矩阵,排除了期望信号的影响,使得主瓣干扰能够充分去除。进一步将主瓣干扰功率置零重构旁瓣干扰加噪声协方差矩阵进行波束形成,方向图较协方差重构法在旁瓣干扰方向上能够形成更深的零陷。仿真实验表明,提出的方法能够有效抑制多个主瓣干扰并具有良好的稳健性。     

类脑导航中基于差分Hebbian学习的网格细胞构建模型

网格细胞是动物大脑中与空间认知和导航有关的重要神经元,具有拓展至整个空间的六边形放电野。位置细胞是网格细胞重要的信息源,可以通过Hebbian学习生成网格细胞,但是现有模型对Hebbian学习的脉冲自适应函数或学习窗函数做了预先的墨西哥帽模型假设。针对该问题提出一种基于差分Hebbian学习的位置细胞至网格细胞模型,利用细胞放电率的变化自发产生墨西哥帽模型的输入关联,然后通过对位置细胞至网格细胞的突触权重进行竞争性非线性限制,生成具有六边形放电野分布的网格细胞。仿真结果表明,该模型可以为无人运行体类脑导航系统的构建提供借鉴。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

基于MIMO直达波的无人机分布式相参雷达相位同步方法

分布式相参雷达(distributed coherent aperture radar, DCAR)实现信号全相参的前提是相位同步,而各单元雷达的初始时钟参差、机动性引入的位置误差、本地振荡器的初始相位等因素均会导致DCAR相位不同步问题。为解决上述相位不同步问题,提出一种基于多输入多输出(multiple input multiple output, MIMO)直达波的无人机DCAR相位同步方法。该方法对各单元雷达接收的直达波,首先利用包络同步法联合双向时间比对的方式,估计出时间同步误差,再提出坐标线性变换法和偏移线性变换法用于各单元雷达位置误差的估计,并联合同一单元雷达分置辅助天线接收波以提高位置误差的估计精度。最后,利用误差估计值对直达波进行补偿,剩余相位即不同单元雷达收发对下的初相估计。仿真实验验证了所提方法的有效性。