基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法

针对系统相位误差导致的捷变频雷达目标回波信号相参积累性能下降问题, 构建了系统相位误差下捷变频雷达目标回波信号相参积累模型, 并基于目标的距离-速度二维稀疏性建立了最小ℓ₁范数优化模型, 提出一种基于交替方向乘子法的系统相位误差估计与目标场景稀疏重构联合处理算法, 实现了系统相位误差和目标参数的精确估计。仿真结果表明, 在信噪比为20 dB的情况下, 该方法能够精确估计系统相位误差, 其估计误差在2°以内。同时，相比于逆合成孔径雷达相位自聚焦算法, 所提算法重构性能和计算效率均得到改善, 目标重构幅度均方差提高了10 dB, 运算时间减少到1/2。     

可重构智能面辅助的低精度量化大规模MIMO系统的信道估计

针对可重构智能面辅助的低精度量化的大规模多输入多输出(multiple input multiple output, MIMO)系统中信道估计问题进行了研究。该系统的信道估计难点在于可重构智能面由近无源反射天线构成, 没有基带信号处理能力。系统观测值通过低精度的模数转换器量化使信道估计问题变得更富挑战性。本文基于基站-可重构智能面-用户的级联信道推导出等效信道, 并证明在虚拟角域上，该有效信道是结构稀疏信号。提出了基于期望最大化的近邻学习广义近似消息传递算法，从低精度量化的观测值中恢复等效信道。仿真结果表明所提出算法比传统算法具有更好的性能表现。     

基于压裂效果评价的页岩气井井距优化研究

针对页岩气藏最优井距很大程度上受限于压裂效果后评估的问题，开展了多段压裂水平井改造参数解释研究，并在此基础上开展井距优化。通过建立的渗流数学模型明确页岩气井生产时地层中存在的流态，形成基于线性流识别和特征线诊断技术的压裂参数解释方法，并对参数解释的不确定性进行了分析论证。之后通过定义百米地层累产气进行均匀压裂情况下井距优化。研究表明，地层进入边界控制流后能准确确定裂缝半长，且不影响气井的产能预测；井距的决定性因素是裂缝半长，二者之间的比例关系受SRV内外区相对物性和裂缝导流能力的影响，据此可指导现场井距优化及开发技术政策制定。     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

针对工艺品设计中复杂曲面重构的数字化设计研究

为解决工艺品设计中复杂曲面的重构问题,以陶瓷小猪为例,利用逆向工程软件对工艺品复杂曲面进行逆向重构及数字化设计,得到相应的数字模型。通过检测对比,重构的数字模型与实物关键表面偏差均在0.08 mm范围以内,大大提高了复杂曲面的产品设计开发能力,缩短了开发周期,提高了生产效率。     

一种基于虚拟传感的双通道主动降噪方法

在主动噪声控制系统中,有效降噪范围受通道数量的影响很大,传统方式主要是通过增加系统通道数量来扩大有效降噪范围(3 dB以上),成本较高,且对计算能力要求极高.为实现在不增加通道数、误差传感器及扬声器数量的情况下,扩大有效降噪范围,使用了一种基于虚拟误差传感的方法,在FxLMS双通道主动噪声控制系统中研究虚拟传感器设置的位置与有效降噪范围的关系.结果表明:在虚拟传感器设置为不同位置时,有效降噪范围由12 cm增加到26 cm.     

相参频率捷变雷达目标稀疏重建性能边界综述

相比频率固定的脉冲多普勒体制, 频率捷变体制在抗干扰方面具有显著优势。但在该体制下, 基于匹配滤波的信号处理算法存在旁瓣平台问题, 难以与动目标检测兼容。压缩感知理论将目标参数估计建模作为欠定方程求解, 为该问题提供了解决思路。在相参频率捷变雷达中, 压缩感知能否准确重建目标是一个基础性问题。本文梳理了针对该问题的相关研究, 借助相变理论与相变曲线的解析表达式, 定量描述了捷变频雷达重建目标的成功概率与主要系统和目标参数之间的关系; 该理论性能边界与仿真实际所能达到的性能相接近。此外, 还探讨了现有成果在实际应用中的价值, 展望了未来研究方向。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

Optical sensing of explosives in wastewater by competitive complexation

A facile strategy for optical sensing of explosives with the assistance of 1,3,5-Triazine-2,4,6-triamine(MEL) in aqueous solution is proposed. Upon exposure to MEL, the electron-sufficient amino group in MEL was prone to form complexes with electron-deficient nitro group in explosives. The interaction could be tuned by the amount of MEL to fully consumed nitro-contained explosives dissolved in wastewater, thus prevented the gold nanoparticles(GNPs) from combining with MEL. In comparison with common detection method, the dose-response curve procedure reported here was in good linear relationship from 0 μM to 80 μM with good correlation factor(R~2= 0.9871), and was satisfactorily agreed with the proposed theoretical model. The detection limit(Lo D) was1.1 μM by spectrometer, 3.0 μM visualized by naked eyes and 21.3 nM by calculation. The procedure described in this study could be finished within a few minutes and showed its effectiveness in explosive detection upright on the gold surface in real wastewater, making this proposed method a powerful tool in several sensing platforms.     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。