结合非线性CS算法的UWB-SAR运动补偿

载机飞行不稳对SAR成像质量影响很大,对超宽带SAR系统尤其如此,提出了一种结合非线性CS算法的超宽带SAR运动补偿方法。通过采用引入高次相位补偿和非正交旁瓣抑制的改进非线性CS算法,减小了超宽带SAR成像中的相位误差。通过成像前的常规一阶运动补偿和距离徙动校正后的分块二阶运动补偿,有效补偿了超宽带SAR中的方位空变运动误差,提高了飞行不稳时的成像质量。该方法在运动补偿时考虑了方位空变运动误差随距离的变化,针对载机运动误差变化较快的情况也给出了处理办法。仿真和实测数据的处理结果验证了该方法的有效性。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法，简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法，简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

改进布谷鸟算法在结构可靠性分析中的应用

在计算过程中,标准布谷鸟算法（cuckoo search algorithm,CS）中的参数是保持不变的,这影响了该算法的收敛性和计算精度。为了克服这一缺陷,首先探讨了标准CS中飞行步长和淘汰概率两个关键参数的变化规律对该算法全局搜索与局部搜索能力的影响,然后对这两个参数进行了自适应改进,同时,提出了一个具有全局最优导向的搜索方程以进一步提高CS的局部搜索能力和收敛速度。利用改进后的CS与人工神经网络响应面法相结合进行结构可靠性分析。算例分析说明,与标准CS以及粒子群算法和遗传算法相比,所提出的改进CS在进行结构可靠性分析中,能够有效地减少计算时间并提高解的精度。     

非局部正则化的压缩感知图像重建算法

压缩感知(compressed sensing, CS)图像重建算法是CS图像获取问题的一个研究重点。针对传统基于稀疏性先验的重建算法不能有效重建图像的各种结构特征,为了在测量值数量不变的情况下进一步提高图像的重建质量,在稀疏性先验的基础上,引入局部自回归模型和非局部自相似性作为图像额外的先验信息,建立了非局部正则化的CS图像重建模型,并给出了相应的数值求解算法。此外,对于重建模型中图像的自回归参数,给出一种基于非局部相似点的估计方法。实验结果表明,较之传统的稀疏性正则化重建算法和同类的MARX(model based adaptive recovery of compressive sensing)算法,所提算法能获得更高的图像重建质量。     

基于零空间l1范数最小化的ISAR成像方法

在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing, CS)成像与传统距离-多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰。本文提出了一种基于零空间l₁范数最小化的逆合成孔径雷达(inverse synthetic aperture radar, ISAR) CS成像方法。从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分。首先使用加权最小二乘(weighted lease square, WLS)法估计初猜值,作为目标初像；然后将待重建目标场景散射率的l₁范数作为额外的一个非线性测量值引入到图像重建中,在卡尔曼滤波框架下,利用非线性“伪测量”值,最小化待重建目标场景的l₁范数来估计零空间中残余值的解。实测ISAR数据处理验证了所提算法的有效性。与正交匹配追踪算法(matching pursuit algorithm, OMP)和primal-dual l₁范数最小化方法相比,所提方法获得的成像效果更好,成像时间比primal-dual l₁范数最小化方法更短。     

自适应CS模型的强跟踪平方根容积卡尔曼滤波算法

对于目标跟踪过程中的强机动问题,基于当前统计(current statistical, CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square root cubature Kalman filter, SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF STF)算法和交互式多模型(interacting multiple model, IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM SCKF算法,实时性有明显改善。     

非线性Chirp Scaling在机载SAR成像中的应用

非线性Chirp Scaling算法可以处理大耦合SAR回波,实现精确聚焦。与CS算法类似,NCS操作引起了距离向频谱扩展、调频率微调及距离压缩曲线偏移,只有在一定的成像测绘带宽度内这些影响才能被忽略。针对这一问题展开论述,通过仿真比较了NCS算法应用于典型机载L波段和P波段SAR成像时对距离谱的影响,从而确定可以理想聚焦的测绘带宽度。该结论对分段成像有一定的指导意义,应用于某机载P波段UWBSAR实测回波成像。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

基于MEEMD-PE与CS-WNN模型的网络时延预测

针对网络控制系统诱导时延具有的随机性、非平稳性、非线性等特点，提出了一种基于改进的集总平均经验模态分解（modified ensemble empirical mode decomposition，MEEMD）-排列熵和布谷鸟搜索（cuckoo search，CS）优化的小波神经网络（wavelet neural network，WNN）时延预测算法。首先通过MEEMD对网络诱导时延序列进行处理，分别计算各模态的排列熵值，对复杂度相近的模态进行重组后得到新的子序列，从而达到降低建模复杂度和减少计算量的目的；然后利用CS算法优化的WNN预测新的子序列；最后叠加各子序列预测结果以获得时延序列的最终预测值。仿真表明，该算法具有较好的预测精度，能反映时延序列的总体趋势，可有效地降低异常值影响等优点。     

用模糊BP神经网估算小卫星成本

提出了用BP神经网对卫星成本进行二维估算 ,即先求出样本点集扩散到控制点集中的模糊数 ,然后将对应同一控制输出变量的控制输入变量的模糊数作为学习样本 ,让BP神经网进行学习。学习后的BP神经网就能在给定输入变量的情况下 ,估算出输出变量。最后 ,给出了小卫星成本的质量和定点精度模糊BP神经网估算的实例 ,取得了满意的结果。     

超宽带雷达频带分割滤波器设计

在分析超宽带雷达频带分割滤波器对于系统性能影响的基础上，提出了基于最小频域方差准则的数字滤波器设计新方法，与经典的Daubechies滤波器相比，采用这种方法设计的滤波器具有较小的频域方差和过渡带，更适合于频带分割滤波器的设计，设计结果证明了该设计方法的有效性。     

化工过程动态系统培训仿真的变帧速方法

本文针对化工过程动态系统的培训仿真提出了一种变帧速方法。其主要思想是在仿真过程中，根据状态变量变化率的大小，选择不同的积分步长，以提高仿真效率     

基于模型跟随的神经网络非线性重构控制

针对歼击机在结构故障下的动力学方程 ,提出了一种基于径向基函数 (RBF)神经网络的模型跟随非线性重构控制策略。该方法不必精确已知系统故障的位置及其损伤程度 ,可直接对故障系统实施重构控制 ,使其输出能精确跟踪期望参考模型的输出。该方法在模型跟随重构控制的基础上 ,引入了神经网络控制器 ,以补偿故障引起的非线性因素的影响。理论分析和仿真验证表明 ,所提方法可保证闭环系统具有良好的重构性能和很强的鲁棒性 ,且算法高效简单 ,易于计算机在线控制。     

近程雷达目标多分量信号处理研究

以目标多点散射模型为背景 ,提出了FM近程雷达回波混频后多分量信号模型。证明单频信号瞬时频率定义不适合多分量信号。首次提出利用TLS -拓广ESPRIT结合数理统计方法求解多分量信号平均频率。计算机模拟表明 ,该方法用于测距时 ,测试精度高。     

交叉谱估计及其在导弹系统仿真模型验证中的应用

本文阐明了交叉谱的基本概念。结合反坦克导弹系统的特点，提出一种利用交叉谱来检验导弹系统仿真模型有效性的方法，这一方法的显著特点是：它能够同时给出几组动态数据在频谱、相位、线性相关性以及增益等方面的信息，并可以给出定量的估计结果。最后利用实例来说明这一方法在导弹仿真模型验证中的应用     

雷达干扰效果模糊综合评估方法研究

运用模糊综合判别的思想 ,研究了雷达干扰效果的评估问题 ,建立了衡量干扰效果各因素的模糊评价模型 ,提出了一种新的基于模糊综合的干扰效果评估准则和度量方法。结合实例 ,在分析影响雷达干扰效果因素的基础上 ,应用这种方法做了初步评估 ,并对该评估方法做了简要分析     

脉冲多普勒雷达频域跳盲与频域解模糊

针对脉冲多普勒雷达中的速度遮挡问题 ,提出了基于频域跳盲的PRF组合选择准则及其跳盲方法 ;针对脉冲多普勒雷达中的速度模糊 ,提出了一种用于解速度模糊的查表法 ,即通过预先存储固定表值 ,将获取的视在目标频率处理后在表中查找 ,从而得到实际目标频率。频域查表法实时性强 ,适于频域解模糊     

时延-多普勒频移对伪码捕获影响的性能分析

在扩频信号处理中,伪码的捕获一般通过相关来实现。以m序列为研究对象,首先针对一种典型的相关过程分析了其时延、多普勒频移对相关的联合影响,结论表明两者耦合影响非常小,几乎可忽略不计。在此基础上提出另一种利用FFT进行能量积累的伪码捕获方法,该方法相对一般相关可对多普勒进行补偿,并可得到时延-多普勒频移的联合二维估计。     

数字滤波法控制六辊UC轧机中的混沌

利用两种不同的数字滤波方法 ,对文献 [11]中的六辊UC轧机中的混沌进行了控制 ,给出了初步的分析和数值模拟结果 ,分析了用这种方法控制混沌的机理。这是为提高六辊轧机轧制精度的一种极为简便的方法 ,是对传统技术的新的应用 ,它展示了一个新的控制思想。最后对有关的问题进行了讨论。