冲击噪声下基于Lorentzian范数的CSR参数估计

针对现有重构算法及其改进算法在压缩感知雷达(CSR)参数估计中存在的稳健性不强、适用性不广等问题,提出了一种适用于冲击噪声背景的鲁棒性算法——Lorentzian-ISL0(基于Lorentzian范数的改进光滑l0范数).建立CSR参数估计的稀疏线性模型,并基于Lorentzian范数和高斯函数稀疏正则化,构造冲击噪声下稳健的优化目标函数;修正优化目标函数的牛顿方向,并沿修正方向对估计值进行更新,直至收敛.仿真实验结果表明:与已有算法相比,本文方法计算复杂度更小,支撑集重构更精确,信号重构精度更高.     

基于SVD-TLS的EES-MIMO雷达电磁环境感知算法

为提高EES\|MIMO(Electromagnetic Environmental Sensory\|Multiple\|Input Multiple-Output)雷达在复杂电磁环境下测量精度和工作可靠性, 提出了一种新的基于整体最小二乘（TLS: Total Least Squares）方法与奇异值分解（SVD: Singular Value Decomposition）的电磁环境感知算法。SVD-TLS算法首先利用了互谱AR（Auto Regressive）模型参数估计, 然后考虑其互相关函数矩阵中的估计误差扰动, 并采用同时考虑方程右端互相关函数向量中估计误差扰动的TLS方法予以实现。仿真实验结果表明, 该算法具有良好的谱估计性能, 可较准确地感知环境中杂波所处的频段, 从而为EES-MIMO雷达利用剩余“干净”频带收发波形提供了可靠保证。     

面向柔性作业车间动态调度的双系统强化学习方法

航天结构件生产过程中批产任务与研发任务并存,个性化小批量研发生产任务导致紧急插单现象频发.为了保障任务如期完成,解决柔性作业车间面临的动态调度问题,以最小化设备平均负载和最小化总完工时间为优化目标,提出了感知-认知双系统驱动的双环深度Q网络方法.感知系统基于知识图谱实现对车间知识的表示并生成多维信息矩阵;认知系统将调度过程分别抽象为资源配置智能体和工序排序智能体两个阶段,分别对应两个优化目标,设计了车间状态矩阵对问题和约束进行描述,调度决策中分步骤引入动作指令;最后分别设计奖励函数实现资源配置决策和工序排序决策的评价.经某动力所航天壳体加工的实例验证和算法对比分析,验证了所提方法的优越性.     

基于高分辨距离像的UWB雷达信号设计

根据目标冲激响应设计相应的雷达信号,可使回波能量最大化,从而提高检测性能.本文针对目标检测的超宽带雷达信号设计发射-接收联合优化的问题,提出基于相位编码的超宽带雷达波形优化方法.该方法充分发挥了雷达发射机的发射能力,即对于固定的发射机来说,以发射更大的能量来得到更大的输出信干噪比.首先针对目标高分辨率距离像的多相编码超宽带雷达信号设计,建立了信号设计优化计算的目标函数,提出了一种恒模共轭梯度(CM-CG)算法实现优化计算.最后仿真结果表明,该方法设计得到的多相编码雷达信号性能很好地逼近最优发射波形,该方法具有收敛速度快、运算量小的特点. 号,可使回波能量最大化,从而提高检测性能.本文针对目标检测的超宽带雷达信号设计发射一接收联合优化的问题,提出基于相位编码的超宽带雷达波形优化方法.该方法充分发挥了雷达发射机的发射能力,即对于固定的发射机来说,以发射更大的能量来得到更大的输出信干噪比.首先针对目标高分辨率距离像的多相编码超宽带雷达信号设计,建立了信号设计优化计算的目标函数,提出了一种恒模共轭梯度(CM-CG)算法实现优化计算.最后仿真结果表明,该方法设计得到的多相编码雷达信号性能很好地逼近最优发射波形,该方法具 收敛速度快、运算     

面向邻近目标分辨的MIMO雷达波形设计方法

针对雷达系统邻近多目标分辨性能较差的问题,提出了一种面向邻近目标分辨的MIMO雷达波形设计方法。首先,通过数字波形产生器生成正交频分复用信号,作为雷达发射波形,并对其进行相位编码调制;其次,将发射波形设计问题转化为最优化问题,以最小化发射信号功率峰均比为目标函数,最大距离旁瓣电平和距离模糊函数包络变化因子为约束构建优化模型;然后借助序列二次规划法求解该优化模型,得到最优发射波形,提高波形固有分辨能力,进而增强接收端匹配滤波性能。仿真结果表明,该方法能够得到更低的信号峰均比,与时域移位削峰和改进的子载波预留法相比,距离旁瓣性能损失降低了约17.4%和36.9%,且序列长度和初始序列类型对算法性能影响较小。     

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义. 针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.     

基于RV模糊函数的双基地相位编码信号设计

针对双基地雷达的距离速度(RV)模糊函数形状和分辨能力随目标位置变化的问题,提出了一种基于RV模糊函数的双基地相位编码信号设计方法。分析了双基地雷达的几何结构和模糊函数,推导了双基地相位编码雷达信号的RV模糊函数、距离分辨力和速度分辨力,在根据目标位置确定相位编码的码元宽度和个数的基础上,通过模拟退火优化算法实现了相位编码的优化,优化后的信号在保持所需距离速度分辨力的同时使相关输出的积分旁瓣电平最小化。仿真结果表明,该方法有效地提高了双基地雷达信号的探测性能。     

极化雷达发射波形和接收滤波器联合优化新方法

波形优化可有效抑制干扰和噪声,显著改善雷达性能。以极化雷达为研究对象,最大化滤波器输出信杂噪比为优化目标,发射波形能量约束为条件,构建了波形和接收滤波器的联合优化问题。对该非凸优化问题,提出了一种发射波形和接收滤波器迭代优化算法,该方法确保目标函数随迭代过程的单调递增和收敛性。实验证实了提出方法的有效性,以及相对现有方法的优势。     

基于凸优化的自适应子载波调制OFDM雷达波形优化设计

为解决正交频分复用(OFDM)雷达的发射-接收联合优化问题,提出了基于凸优化的自适应子载波调制的波形优化方法。针对高距离分辨目标检测,给出基于最优匹配照射的子载波调制OFDM雷达系统模型。建立在OFDM信号峰均比(PAPR)约束下最大化匹配滤波器输出信噪比(SNR)的目标函数,将其转化为二阶规划标准形式并采用凸优化算法进行求解,优化发射波形。仿真结果表明基于凸优化方法的自适应子载波调制OFDM雷达信号波形的SNR为30.1 dB,PAPR为0.8 dB。SNR受到3.7 dB的损失,但大大降低了PAPR,实现了信噪比和峰均比之间的良好折中。     

基于深层神经网络的雷达波形设计

针对雷达波形多准则优化目标函数难以建立的问题,降低目标响应的不确定性,提高雷达检测性能,提出了一种基于深层神经网络的雷达波形设计方法。首先,根据雷达回波数据形式进行深层神经网络(DNNs)结构设计;然后,将基于信噪比(SNR)和互信息(MI)准则产生的信号随机混合并与其所对应的环境信息组成训练集,对DNNs训练;最后将另一部分基于互信息准则产生的信号与其对应的环境信息作为测试集,利用DNNs生成信号并进行测试。实验结果表明,使用该方法产生的信号作为雷达发射波形与仅基于MI准则产生的信号作为雷达发射波形相比,雷达回波与目标的互信息量最大提高了21.37nat,雷达接收信号的信干噪比最大提高了1.35dB。与线性调频信号相比,相应的互信息量最大提高了950.76nat,相应的信干噪比最大提高了18.23dB。     

基于压缩感知的OFDM稀疏信道估计导频图案设计

针对OFDM系统基于压缩感知的频率选择性衰落信道估计,提出了一种基于压缩感知测量矩阵互相关最小的导频设计准则.仿真结果表明,与使用其他导频图案相比,使用此准则设计出的导频图案使信道估计均方误差和系统的误比特率更小.     

OFDM系统中最优导频序列的设计方案

在正交频分复用(OFDM)系统中,接收信号易受频率选择性衰落信道的影响产生失真,准确的信道估计变得必不可少。考虑到无线信道的内在稀疏性、压缩感知技术挖掘信道稀疏特征的有效性,研究了基于压缩感知技术的OFDM稀疏信道估计。针对导频位置影响信道估计性能的问题,提出了一种反馈型的导频优化算法,该算法基于离散傅里叶变换(DFT)子矩阵中各个列之间互相干性最小的原则,同时结合信道状态信息的反馈机制,实现了对导频序列的联合优化。仿真结果表明,与当前的随机优化算法、传统最小二乘信道估计相比,该优化方法有效降低干扰和噪声对信道估计的影响,从而改善了信道估计的性能。     

基于压缩感知的OFDM稀疏信道估计导频优化算法

研究了在正交频分复用（OFDM）系统中基于压缩感知信道估计的导频图案设计问题.为了优化信道估计的性能,提出了优化算法,在基于压缩感知的测量矩阵互相关最小化准则的基础上,通过增大随机生成数进行分组,分别计算每组的互相关值,再进行比较求互相关的最大值从而获得导频图案.仿真结果表明,与使用基于测量矩阵互相关最小化准则的导频图案相比,该优化算法得到的信道估计的最小均方误差要低30%.      

一种基于压缩感知的OFDM信道估计中确定性导频方案

基于压缩感知的OFDM信道估计方法通过充分利用信道冲激响应在时域的稀疏特性,在感知矩阵满足可重构条件下,能近似完美的重构信道并显著降低导频开销。本文基于感知矩阵相关系数最小化准则,设计了一种最优的确定性导频方案,在无虚子载波的OFDM系统中采用正交匹配跟踪算法时实现了与随机导频方案相同的信道估计性能,而在实际的存在大量虚子载波的OFDM系统中获得比随机导频方案更优的性能。     

基于RSS的WSN多目标定位压缩感知算法优化

提出了一种将压缩感知算法应用于WSN多目标定位的系统框架,采用残差最优匹配的方法对压缩感知重构算法进行了改进,提高了定位精度,提出了根据重构结果判断定位是否成功的算法框架,该框架能更大程度的减少需要网络通信的数据量,并改变了当前的压缩感知重构算法的结果评价对稀疏度K的依赖。本算法适用于通信条件恶劣的WSN场景,仿真结果显示了本算法应用于WSN多目标定位的性能优于BP、CosAMP、GMP算法。     

一种新的近似目标函数优化方法

本文提出了一种新的优化方法,适用于变量较少、具有p次方形式、无法求导的复杂的目标函数.给出了由误差函数求出近似误差函数和近似目标函数,并以求近似目标函数的最优值来替代求目标函数最优值的详细算法.列出了本算法对于10种试验函数的计算实例.计算结果与其他方法的比较证明了本算法的有效性.最后讨论了本算法的某些局限性.     

一种引入吸收衰减的压缩感知薄储层识别方法

常规基于压缩感知稀疏反演方法是基于频域平稳地震褶积模型进行的,而实际地下介质是粘弹性的,这使得该方法的反演反射系数振幅缺失、位置偏移。针对该问题,本文通过引入时频衰减因子,构建改进的感知矩阵,将稀疏反演从常规的频率域拓展至衰减频率域。反演结果在一定程度上可恢复缺失的振幅,增强弱信号的识别能力。由于噪声影响,以上处理结果中仍存在噪声干扰,故在衰减频率域稀疏反演的基础上,引入平滑的高斯函数,对反演目标函数进一步优化,以有效压制残存的噪声干扰;之后将反演结果与褶积宽频子波可生成高分辨率地震剖面,由此形成了一种引入吸收衰减的压缩感知薄储层识别方法。薄层理论模型及含有河道砂储层的实际地震资料的处理结果表明,本文方法较常规方法,有效地增强了薄层弱信号的振幅及横向连续性,可在保证信噪比的情况下,提高地震资料的分辨率及薄储层的识别能力。     

约束闭环系统的虚拟参考反馈校正控制

采用虚拟参考反馈校正控制方法,通过最小化由一簇输入/输出观测数据组成的L2范数的代价函数来设计控制器;对于含有椭球约束不等式条件的非线性优化问题,将目标准则函数和两约束条件转化为线性矩阵不等式形式,采用椭球优化迭代算法产生一系列体积逐渐减小的椭球序列,并最终收敛于一个最优解,同时,推导出椭球优化迭代算法所需迭代次数的一个上界;针对椭球优化迭代算法的初始化,提出一种基于凸优化理论水平集的初始椭球选取策略,采用仿真算例验证了所提出方法的有效性.结果表明：采用虚拟参考校正控制来设计闭环系统中的2个控制器时,可以得到较为准确的控制器参数估计值;采用椭球优化算法可以得到较快的收敛速度.     

电力系统无功优化的分段线性同伦算法研究

提出了采用分段线性同伦算法进行电力系统无功优化的新方法。文中以系统有功损耗最小为目标函数，以运行变量为约束条件，利用状态变量与控制变量之间的灵敏度矩阵建立了无功优化数学模型。经过ＩＥＥＥ－６节点实验系统的计算分析，取得了满意的结果。