双基地MIMO雷达多参数联合估计及目标三维定位

多输入多输出(Multiple-input multiple-output,MIMO)雷达具有波形分集、空间分集和极化分集等优势,在抗目标"闪烁"、反干扰、提高分辨力方面有很大的潜力.提出了一种双基地MIMO雷达多参数联合估计及目标三维定位方法.对接收信号的协方差矩阵作特征值分解,提取大特征值对应的特征矢量,构建选择矩阵,基于ESPRIT算法估计出目标的波达角.在求解均匀圆阵时,为将导向矢量中耦合的俯仰角和方位角分开,采用模式激励法解耦合,再分别利用UCA-MUSIC和UCA-ESPRIT算法估计目标俯仰角和波达角.基于MIMO雷达空间结构,利用估计到目标的俯仰角、发射角和波达角,计算得到目标的三维空间坐标信息.该算法可实现角度间的自动配对,可以有效识别同一距离单元内的多个目标.仿真实验表明,提出的估计方法估计精度高,处理速度快.     

快速四阶累积量旋转不变子空间算法

针对空间谱估计算法同时分辨多目标需要较多阵元、测角精度低且运算量大的问题,提出一种快速四阶累积量旋转不变子空间(MFOC-E)算法.首先根据四阶累积量矩阵构成的规律,取出所有不重复的元素构成新矩阵,去除了原矩阵的数据冗余并降低了原矩阵维数,然后通过分析新虚拟阵列的阵元位置特性,找到与原真实阵列结构完全相同的新子阵,同时设定了适用于所有线阵的子阵划分方法,最后利用旋转不变子空间算法确定目标的来向.与传统的同类算法相比,MFOC-E算法具有不损失天线孔径、测角精度高且运算量小的特点.仿真实验表明,MFOC-E算法在阵元数极少时,仍可以快速准确地实现多目标的到达角估计,三元阵列时能节省30%的运算时间.     

块Hankel矩阵快速低秩估计及在地震信号中的应用

通过利用BHHB矩阵(复数块Hankel矩阵)的结构特点,提出了快速稳定的对BHHB矩阵进行SVD(奇异值分解)分解的方法.该方法首先进行Lanczos二对角化,若是对称BHHB矩阵,则进行三对角化来保持对称性;然后利用Twisted分解方法对实二对角方阵(或对称三对角矩阵)进行SVD分解.此快速SVD算法的优势在于,Lanczos分解过程中使用了新的BHHB矩阵与向量的快速乘法,该乘法通过1维FFT(快速傅里叶变换)代替多维FFT,在加快计算速度的同时减少了存储量;而后Twisted分解采用部分SVD而不是整体SVD,从而节约了计算时间.数值试验结果表明,快速SVD算法大大提高了计算效率,减少了存储空间;地震信号的实验结果说明,Cadzow滤波方法比目前常用的预测滤波技术效果更好,结合快速SVD算法后,能够快速有效去除信号中的噪声.因此,块Hankel矩阵的快速SVD分解算法在地震信号处理和其他涉及块Hankel矩阵的实际应用中,尤其是解决大规模问题方面,有很好的发展前景.     

一种新的单个宽带点源到达角估计方法

基于宽带点源入射波的阵列输出相关矩阵与窄带分布源入射波的阵列输出相关矩阵的结构相似性 ,论文提出了可利用窄带分布源角度估计技术估计宽带点源到达角的新方法 ,并给出了协方差匹配技术处理宽带点源的算法和仿真 .仿真结果证实新方法有效性 .     

基于空时矩阵的双基地MIMO雷达目标参数估计

建立了双基地多输入多输出（multiple input multiple output,MIMO）雷达信号模型,提出了一种目标发射角、接收角及多普勒频率联合估计方法。通过对接收数据协方差矩阵进行特征值分解估计目标个数,根据目标数构造空时矩阵,对所构造矩阵进行特征值分解,即可得到雷达目标多个参数的闭式解。该方法针对不同目标数的情况进行了讨论,所构造空时矩阵的维数较小,并且避免了多维非线性的谱峰搜索,还可实现自动配对,算法复杂度较低。仿真结果证明了所提算法的有效性。     

基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.     

子矩阵约束下三类矩阵方程的迭代解法

讨论了子矩阵约束下三类矩阵方程的双反对称迭代解.利用广义共轭梯度法构造迭代算法,并证明了算法的有限步终止性.所得算法能自动判定解的情况.当矩阵方程(组)相容时,得到矩阵方程(组)的解;当矩阵方程(组)不相容时,得到矩阵方程(组)的最小二乘解.     

基于2D单应矩阵约束的图像匹配方法

针对目前普通图像匹配不精确的问题,用2D射影变换的单应矩阵约束估计算法和尺度不变特征变换(SIFT)算法结合,提出了一种适应性强,图像匹配精度高的图像匹配算法.首先对图像进行SIFT特征提取,在不同的尺度空间下提取特征角点,建立对应数据库.再对特征数据库进行初始化单应矩阵估计,剔除野值点后再用L-M(Levenberg-Marquardt)算法约束对单应矩阵继续估计,直到求出最优化的单应矩阵,最终根据优化单应矩阵生成内点数据库.     

基于角平分线的工程滑移索结构分析方法

针对滑移索结构,提出了一种基于滑轮相邻索单元角平分线的简捷分析方法,解决了其内力和变形求解复杂的难题.具体算法如下:(1)采用固定铰模拟滑轮对索的约束作用,利用无应力长度调整影响矩阵求解角平分线垂直方向约束反力为零时,各子索无应力长度调整量;(2)根据调整后子索线形计算新角平分线的方向角,按照步骤(1)重新计算,重复至索线形(包括角平分线方向角)和内力收敛.基于此算法编制分析程序,通过2~4次迭代即可得到高精度的收敛解,实现滑轮处索力连续性和滑移索总无应力长度恒定的目标.计算示例和工程实例证明了此算法的正确性和高效性.     

一种基于SVD-CBFM和RACA的单站RCS快速求解方法

在奇异值分解特征基函数法(SVD-CBFM)的基础上提出一种快速求解目标单站RCS的有效数值方法.为了降低入射激励的数目,该方法考虑了子域间的相互耦合作用,计算出各子域的次要特征基函数(SCBF).采用再压缩自适应交叉近似(RACA)算法对各子域的特征基函数(CBFs)进行压缩,加速CBFs的生成.同时运用RACA算法填充远场区阻抗矩阵,从而进一步提高SCBF和缩减矩阵构造过程中的矩阵矢量相乘速度.数值算例验证了该方法的精准性和有效性.     

直接数据特征值分解的相干源DOA估计

提出一种基于均匀圆阵单次快拍数据的相干信源波达方向(direction of arrival,DOA)估计方法——直接数据特征值分解(direct data eigenvalue decomposition,DD-EVD)法. 算法通过模式空间转换将均匀圆阵虚拟为均匀线阵,再直接利用波束空间的快拍数据,构造一个Toeplitz矩阵,并对矩阵按阵列流形分解. 理论推导证明,矩阵的秩得到恢复,只与入射信号个数有关. 对该矩阵进行特征值分解可得到正确的信号子空间和噪声子空间,进而完成相干信源DOA估计. 算法使用单次快拍数据构造矩阵,适合非平稳信号参数的估计,同时不需要快拍累计和相关运算,降低了计算复杂度. 仿真结果验证了算法的有效性.      

细长三维腔体电磁散射DDM/FEM快速分析

利用基函数展开的方法结合区域分裂技术（DDM）和矢量有限元方法（EB-FEM）对三维细长腔体的电磁散射特性进行分析。通过对各子域内有限元方程组右端列向量进行基函数展开,并求得各基函数相应的解向量,从而求得各子域内的解空间。在子域迭代过程中,无需再通过求解线性方程组获得各子域内场分布,只需在本子域中的解空间内对解的基函数进行简单的线性组合即可。由于细长腔体子域交界面上棱边数较少,求解解向量的次数不多,可以有效减少计算时间,数据结果证明了此方法的高效性和精确性。     

基于骨架特征的层次化识别算法在异形纤维识别中的应用

针对基于骨架的单一特征的算法在异形纤维图像识别方面的不足,提出一种基于骨架特征并融合其他几何特征的层次化识别算法.首先采用轮廓跟踪算法将骨架信息映射到一种骨架树结构中,然后构造骨架特征邻接矩阵并求出该矩阵特征值,以特征值对异形纤维图像进行大类识别,再结合骨架周长统计特征和异形纤维图像轮廓的凹凸特征对每一大类异形纤维图像...     

宽带随机激励下结构损伤的小波监测

小波变换已被用于监测结构发生损伤时所引起的响应信号奇异性,但是,当结构受宽带随机激励时,结构响应信号的奇异性也会由激励所引起．研究了分离激励和结构损伤两方面引起的响应信号奇异性的小波变换方法,并将该方法应用于美国土木工程师学会（ASCE）结构健康监测基准的有限元模型分析中．仿真结果表明,该方法是有效的．     

3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

融合矩阵分解和XGBoost的个性化推荐算法

针对传统的协同过滤推荐算法中评分矩阵过于稀疏和算法准确度不高的问题,提出一种融合矩阵分解和XGBoost算法的推荐算法(MFXGB,Matrix Factorization XGBoost),其特点是利用SVD++算法(SVD,Singular Value Decomposition)对用户项目评分矩阵进行填充,避免过多的缺失值对算法精确度的影响,再利用XGBoost(eXtreme Gradient Boosting)算法训练有监督的模型用于预测用户评分.为了克服计算成本过高的困难,提出利用K-均值聚类方法进行特征提取用于训练XGBoost模型.将MFXGB算法应用于MovieLens数据集进行实验分析,结果显示,MFXGB算法的推荐精确度比传统的3种方法分别提高了8.91％、10.18％和11.79％,效果明显优于传统的推荐算法.     

非理想载波同步下的OFDM快衰落信道估计

针对非理想载波同步下的正交频分复用(orthogonal frequency-division multiplexing,OFDM)系统,提出一种快衰落信道估计算法.首先,提出一种紧凑型广义信道冲击响应(generalized channel impulse response,G-CIR)自相关矩阵的对角化方法,使其随机性仅体现在对角阵中;然后,提出一种紧凑型G-CIR矩阵的压缩表示方法及其等效信道模型,减少了待估计元素个数;最后,利用最小二乘(least square,LS)估计器估计出压缩后的信道,从而实现了非理想载波同步下的OFDM快衰落信道估计.仿真结果表明,该算法能对非理想载波同步下的快衰落信道进行有效估计,并且提高了误码率(bit error rate,BER)性能。     

融合多视角信任的个性化推荐算法

为了提高传统协同过滤推荐算法推荐的准确度,对评分信任和社交信任赋予自适应的权重,结合概率矩阵分解算法,提出一种综合的个性化推荐算法.该算法在Filmtrust数据集上进行验证,并与相关算法进行对比,结果表明所提算法在MAE(mean absolute error)和RMSE(root mean squared error)指标上均得到有效的改进.     

基于最小发射功率的自适应调制多输入多输出系统

在对多输入多输出信道进行奇异值分解的基础上,推荐了一种新的最小化发射功率的自适应调制算法.通过在不同信道假设条件下的性能仿真,证明了推荐算法能够在满足用户要求服务质量的条件下,以尽可能小的系统发射功率实现数据传输.