采用子孔径分割的逆合成孔径雷达成像包络对齐方法

针对低信噪比情况下难以对逆合成孔径雷达(ISAR)目标回波进行精确包络对齐的问题,提出了一种采用子孔径分割的逆合成孔径雷达成像包络对齐方法。该方法首先将全孔径划分为若干个相同长度的子孔径,并将每个子孔径的包络误差建模为线性,然后利用最小熵准则对子孔径包络误差进行估计,最后通过高阶多项式拟合实现对全孔径包络误差的精确估计。该方法具有更好的抗噪性和更高的估计精度,能对ISAR目标回波数据进行较为精确的包络误差补偿。仿真结果表明,在-5dB的低输入信噪比下,相对于传统方法,该方法成像结果的熵值降低了约0.6,说明取得了更好的包络对齐结果。     

分布式OFDM-MIMO雷达包络对齐方法

针对分布式多输入多输出(MIMO)雷达多子站回波包络对齐问题,提出了一种基于正交频分调制(OFDM)波形的分布式MIMO雷达的包络对齐方法.首先建立了该雷达的信号模型,然后根据不同子阵回波距离走动的差异,提出了回波包络走动校正方法,并给出了相应的适用条件.仿真实验测试了不同信噪比、不同多普勒频率下的包络对齐效果,证实了提出方法的有效性.     

基于凸泛函准则的ISAR中包络对齐方法

包络对齐是逆合成孔径雷达(ISAR)运动补偿的关键技术之一。利用相邻目标回波包络之间的高度相似性,该文提出了基于凸泛函准则的包络对齐算法的设计思想。理论分析表明,目前常用的互相关以及最小熵等包络对齐算法都可用该准则进行归结。在此基础上,进一步提出了一些其他类型的包络对齐算法。基于外场实测数据的处理结果表明,基于凸泛函准则的包络对齐算法能够较好地实现包络对齐,成像结果与互相关、最小熵方法相当,从而验证了这些包络对齐算法和凸泛函准则设计思想的有效性。     

基于博弈理论的广义模糊数据包络分析方法

数据包络分析方法是一种评价具有相同性质的决策单元相对效率的有效方法。数据包络分析方法与博弈理论的结合有效地拓展了数据包络分析方法的应用领域,广义数据包络分析方法的引进也更加丰富了传统数据包络分析方法的理论体系。然而,这些方法在处理诸如决策单元的最优合作伙伴或最强竞争对手的选择问题时,难以对合作伙伴、竞争对手进行详细分类。本文提出了基于博弈理论的广义模糊数据包络分析方法,并提供了合作导向或竞争导向下的广义模糊数据包络分析模型及其相关概念。最终将这一方法应用到了内蒙古自治区三甲医院的合作与竞争决策问题中。     

基于数据包络分析的电压矢量控制方法

为了解决常用电压矢量控制方法需进行大量函数运算,在实际应用中较难实现,并且在实际应用中需分析电压矢量变化对电流控制的影响,需降低计算量,因此通过数据包络分析研究电压矢量控制问题。依据电压矢量控制电路图分析了电压矢量控制过程,获取电压矢量控制的过程中需遵循的三个规则。通过最近三矢量法对参考矢量进行合成,获取不同区域中各电压矢量的作用时间,采用数据包络分析法对电压矢量进行控制时,需满足电压矢量作用时间约束。数据包络分析在各采样周期内,依据电压矢量控制规则与作用时间,将不同决策单元的输入权重与输出权重当成变量,从最有利于决策单元的角度对不同决策单元的有效性进行评估,获取电压矢量评估结果,选择最优电压矢量当成下一个周期的施加矢量,实现电压矢量控制。结果表明:所提方法在波形抖动方面的控制明显更稳定;在发生突变的情况下,所提方法可快速响应;电流畸变率一直处于最低水平。可见所提方法电压矢量控制优势显著,性能强。     

数据包络方法(DEA)评价独立学院办学效益

文章对独立学院办学效益研究的意义做了阐述并介绍了教育界评价学校办学效益的诸多方法,重点介绍了应用最广泛也最简便适用的数据包络(DEA)方法,以及利用几种方法和工具来求解数据包络模型从而评价独立学院办学效益问题。     

扇形板截形数据的逆包络法求解

依据扭制钻头工艺,建立了相应的数学模型,采用逆包络法求得扇形板截形数据,并用圆弧拟合以符合工厂生产的生产实际.     

泛包络三系

本文在李代数的泛包络代数的基础上,定义了李三系的泛包络三系,研究了李三系的泛包络三系的性质,并给出其存在性定理,进而把在模李代数中非常重要的P-B-W定理推广到了特征0李三系上.     

泛包络三系

本文在李代数的泛包络代数的基础上,定义了李三系的泛包络三系,研究了李三系的泛包络三系的性质,并给出其存在性定理,进而把在模李代数中非常重要的P-B-W定理推广到了特征0李三系上.     

利用粗图训练图神经网络实现网络对齐

网络对齐是一项极具挑战性的任务,旨在识别不同网络中的等效节点,由于网络的复杂性和监督数据的缺乏,传统方法的计算复杂度高,精度低.近年来,图神经网络（Graph Neural Networks,GNN）在网络对齐算法中得到了越来越多的应用.已有研究表明,与传统方法相比,使用GNN进行网络对齐可以降低计算复杂度并提高对齐精度,然而,基于GNN的方法的性能受到训练数据质量和网络规模的限制.为此,提出一种快速鲁棒的无监督网络对齐方法 FAROS,采用在粗图上训练的GNN模型进行网络对齐.使用粗图进行GNN训练的优点：（1）显著减少训练数据,最大限度地减少GNN反向传播过程中必须更新的权重参数,减少训练时间;（2）缓解数据噪声,能提取网络最重要的结构特征,便于GNN获得更鲁棒的嵌入向量.在训练过程中,FAROS通过引入基于伪锚节点对的自监督学习来提高对齐精度.在真实数据集上的实验结果验证了FAROS算法的有效性,其在保持较好精度的同时,比同类方法快几个数量级.     

基于U-net卷积神经网络的大转角ISAR成像方法

针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题，提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理，得到散焦的ISAR复值图像作为训练样本，其次，根据ISAR成像特点对U net网络结构进行了改进，训练后得到具有良好聚焦能力的成像网络。仿真实验表明：与传统大转角ISAR成像方法相比，所提方法将ISAR图像的峰值旁瓣比降至-18 dB以下，具有更小的图像熵和最小均方误差，成像时间缩减至0.28 s左右，在低信噪比条件下仍可以实现ISAR图像的快速、准确重建。     

基于超分辨ISAR成像的飞机目标SVM分类算法

利用最大熵谱估计方法对4种飞机目标数据进行外推处理,并在此基础上进行拟合成孔径(ISAR)成像.采用了ISAR图像的几何矩、基于几何矩的不变量、形状和量化能量带4个特征,研究了支持向量机的线性和非线性算法原理,提出了基于SVM的飞机目标识别和分类算法,采用了针对多目标分类的M-ary法对飞机进行分类,选取了每个目标的40个不同数据段进行成像,通过与几种常见的BP神经网络算法和RBF神经网络算法比较分析,验证结果表明此方法达到了较好的识别效果,识别率达到97%.     

非均匀转动目标ISAR成像及横向定标

当目标在平面内非均匀转动时，传统算法不能获得包含定标信息且聚焦良好的ISAR像。为解决这一问题，提出了一种非均匀转动目标的转动参数估计方法。该方法首先通过一维搜索对角加速度与角速度的比值进行估计，并根据估计结果对原始距离像序列进行非均匀采样，补偿角加速度引起的相位误差，从而得到聚焦的ISAR像；然后根据成像质量准则对重采样距离像序列的角速度进行一维搜索，估计出角速度，进而实现ISAR像的横向定标。仿真结果表明:该算法通过2个一维搜索能得到非均匀转动目标聚焦的、横向定标的ISAR像。     

强地杂波背景下步进线性调频信号ISAR成像方法

在低空飞行目标的ISAR成像中,回波信号常被地杂波掩盖导致无法进一步处理,如何有效地剔除杂波一直是困扰人们的难题.相消处理是一种典型而又简单易行的杂波滤除方法,首先对相消处理展开了一定研究,相干信号经过相消处理,可以有效地滤除固定地物产生的杂波,为后续的成像处理提供有利数据.针对线性调频步进信号体制ISAR,对回波信号的相邻脉冲串使用同一拉伸延时量进行处理,然后运用相消技术滤除杂波,最后再进行成像.仿真结果表明,文中提出的成像方法鲁棒性较好,可以获得较好的成像结果,为强地杂波背景下运动目标的ISAR成像提供了一种有效途径.     

基于块稀疏信号重构的高分辨率ISAR成像算法

为实现快速高分辨率逆合成孔径雷达(Inverse synthetic aperture radar,ISAR)成像,充分利用目标的内在块稀疏结构信息,提出一种块平滑l_0范数稀疏重构ISAR成像算法.首先,将ISAR稀疏成像转化为块l_0范数的优化问题,采用一阶负指数函数趋近块l_0范数.其次,采用单循环步骤代替平滑l_0范数算法中的双循环结构,减小控制参数的间隔,实现对块稀疏信号的优化重构.该算法能够在块稀疏度未知时利用ISAR目标固有的内在结构特征进行高分辨率成像.仿真实验结果证实该算法的成像质量高且快于其它算法.     

基于二维稀疏特性的空间目标高分辨ISAR成像方法

针对空间三轴稳定目标成像问题,提出了一种基于目标稀疏特性的空间目标高分辨ISAR成像方法.该方法利用精轨数据构建了保相波形延时字典,实现了距离维高分辨和平动补偿;利用旋转矢量分析方法计算了三轴稳定空间目标有效积累转角,结合高分辨距离像的稀疏特性,给出了一种适用于越距离单元徙动的方位维稀疏字典构建方法.仿真结果表明,构建的稀疏匹配字典正确反映了目标的姿态变化特性,解决了越距离单元徙动问题,结合距离维相干抑制显著提高了空间目标二维ISAR像的分辨能力.      

一种基于正交脉冲分集的ISAR欺骗干扰消除与识别方法

延时转发欺骗性干扰是针对逆合成孔径雷达(ISAR)成像的一种重要干扰方法,为了对抗干扰产生的假目标,提出一种基于正交脉冲分集的ISAR欺骗干扰识别与消除方法。首先建立了逆合成孔径雷达干扰信号模型,研究并给出了针对此干扰的正交脉冲设计应当满足的约束条件,通过设计一组半正交化的脉冲实现了对于延迟转发欺骗干扰的消除与识别。该方法通过对逆合成孔径雷达波形的正交化设计,可以检测并消除延时转发干扰产生的假目标,实现相应的逆合成孔径雷达抗干扰。最后通过仿真实验在20 dB的干信比条件下,产生了0.3倍峰值的旁瓣波形,并成功得到ISAR图像。同时在5 dB以上的高信噪比条件下,将文中方法与已有方法进行对比,ISAR图像的峰值信噪比提升了约5 dB,验证了所提方法的有效性。     

基于隐Markov模型的雷达目标识别技术研究

该文首先提出了非相干平均、多分辨率分解、富氏变换的特征提取方法；然后用隐Ｍａｒｋｏｖ模型来描述、识别基于一维像的特征序列。３类ＩＳＡＲ飞机目标的实测数据用验证上述方法的效性，取得了９９．３３％的识别率。     

基于脉冲交错的ISAR成像雷达资源自适应调度算法

针对多功能相控阵雷达成像任务的调度问题,提出了一种基于脉冲交错的成像雷达资源调度算法。该方法首先根据目标特征认知结果计算稀疏孔径ISAR成像所需的雷达资源,在此基础上,建立合理的脉冲交错驻留的资源调度模型,在时间与能量资源双重约束下对雷达资源进行合理分配,优化脉冲交错实现方法,并提出了平均交错度(AID)作为衡量雷达成像任务资源调度的性能指标,最后采用基于压缩感知的稀疏孔径ISAR成像方法对不同目标分别成像,在满足目标期望成像分辨率的前提下,显著提高雷达资源利用率。仿真实验验证了该算法的可行性。     

频率扫描阵列的ISAR成像技术

逆合成孔径雷达（ISAR）需要发射宽带信号,在与频率扫描阵列联合应用时,由于频率扫描阵列各阵元间馈线产生的相位差不能匹配发射或者接收信号频率的变化,因此该阵列在进行ISAR成像时对信号瞬时带宽有较大的约束。针对上述问题,论文将频率分集成像技术应用在频率扫描阵列上,通过不同时刻发射不同频率单频信号合成宽带,并且频率变化适用于频率扫描阵列的波束指向调节。该方法既能形成波束指向目标,又可以克服频率扫描阵列发射宽带信号时的限制,完成ISAR二维成像。在建立该方法的基础上,还针对阵列参数与目标航迹参数等对成像的影响进行了分析。结果表明,所提的频率分集ISAR成像技术,可在频率扫描阵列上实现对运动目标的二维成像。