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。     

多段翼型无网格算法及其布点技术

用显式无网格算法实现了多段翼型的数值模拟。与传统的网格算法不同,求解区域用“点云”离散代替通常的网格划分。基于当地点云离散结构,用二次极小曲面逼近计算空间导数。在研究该算法的基础上,给出了Euler方程无网格离散形式,运用Runge-Kutta显式时间推进格式推进求解。此外,还描述了一种区域离散布点方法,研究了点云生成的选点准则,并成功地数值模拟了复杂多段翼型的绕流。     

基于无网格压缩感知的波达方向估计方法

针对密集分布目标的波达方向(DOA)估计,是当前高精度定位技术的难点和热点.已有的基于压缩感知原理的DOA估计方法往往存在离散网格与连续域参数匹配难度高、离散网格之间相关性高、计算效率低等问题.针对DOA密集分布、低信噪比的非理想情况,分别采用稀疏参数法(SPA)和连续压缩传感(CCS)算法,设计了无网格的压缩感知密集DOA估计方法,分析了这两种算法的性能特点.通过对比仿真实验证明:该方法可以有效提高密集DOA的估计精度.     

低信噪比下非冗余阵列的无网格DOA估计

波达方向(direction of arrival, DOA)是阵列信号处理模型中的非线性参数，当信噪比较低时，其估计值会偏离真实值。为了降低无网格DOA估计方法中该问题的阈值，介绍了一种基于无网格的基于协方差的稀疏迭代估计(sparse iterative covariance-based estimation, SPICE)方法。引入了最大似然求根多重信号分类(maximum likelihood root multiple signal classification, ML-Root-MUSIC)来计算DOA,使用最大似然准则来选择根，可以降低阈值并获得更好的分辨率特性。在原始无网格SPICE的优化问题中加入了负熵项，使得无网格SPICE的均方根误差曲线更接近于Cramer-Rao下界。最后，蒙特卡罗仿真实验验证了所提方法在低信噪比非冗余阵列情况下的优越性。     

采用无网格方法计算含大变形介质界面的可压缩多介质流动

采用动态无网格节点追踪自由边界的变形,建立了一套求解可压缩多介质流场的最小二乘无网格方法.将界面定义为具有双重含义的动态无网格节点集合.使用虚拟流体方法处理介质边界节点,构造界面两侧的虚拟节点,根据介质的种类将流场划分为若干个单介质区域.为抑制界面处流动参数的非物理震荡,采用局部界面Riemann问题解更新界面节点和虚拟节点的流动参数值.使用局部点云重构技术处理界面附近的动态点云.引入AUFS格式求解ALE形式Euler方程的对流通量.一维激波管和二维复杂大变形的多介质问题计算结果证明文中提出的动态无网格法是可行的,能够准确地追踪界面的复杂变形,并对界面附近的变形点云进行合理的重构.      

柱体绕流的自适应数值模拟方法

发展了基于四叉树数据结构的网格生成和流动的Navier-Stokes方程数值求解器。采用压力梯度或者密度梯度的绝对值作为网格自适应的控制参量,同时采用基于最小二乘法的无网格方法处理对于一般Cartesian网格难于处理的物面边界条件。采取了绕方柱流动和绕圆柱流动的经典二维定常和非定常层流算例对所发展的方法进行了验证。计算的结果验证了所发展的方法在处理绕流流动时的合理性和有效性。从而也为将来数值模拟具有较复杂几何外形的流动提供了一种网格布局合理、高效,边界处理简单易行的新思路。