基于方位FNCS的斜视TOPS SAR成像方法

针对斜视循序扫描地形观测（terrain observation by progressive scans, TOPS）合成孔径雷达（synthetic aperture radar, SAR）模式,提出了一种新的全孔径成像处理方法。首先对距离走动校正后的数据进行方位预处理得到无模糊的二维频谱,在此基础上采用修正的线频调变标算法完成距离脉压及距离徙动校正;然后在距离多普勒域进行频域非线性变标（frequency nonlinear chirp scaling, FNCS）以校正调频率的空变性,并结合谱分析（spectral analysis, SPECAN）技术将信号聚焦在方位频率域,最后校正几何形变。仿真和实测数据处理结果验证了算法的有效性。     

基于交替下降条件梯度的前视成像

基于网格的压缩感知(compressive sensing, CS)算法存在格点失配问题, 在分辨力不足的情况下容易产生伪影。而无网格的CS算法常用于二维谐波估计问题, 不适用于存在交叉项等复杂信号模型。对此, 提出一种基于交替下降条件梯度的前视成像算法。所提算法每次迭代首先获得散射点参数的粗估计, 并更新参数集合, 然后对更新的参数集合进行梯度下降, 获得参数集合的精细估计, 实现了在复杂信号模型下连续参数的二维高分辨成像。仿真实验说明了所提算法的优越性与有效性。     

合成孔径雷达景象匹配中制导导弹定位

研究了合成孔径雷达景象匹配中制导中的导弹定位问题。部分孔径成像是景象匹配中制导合成孔径雷达有效的成像模式,为便于利用多匹配点定位,提出了聚焦多普勒波束锐化成像方法。建立了基于匹配点距离差和多普勒差,并考虑了高度、速度和匹配点位置测量误差的定位模型。推导了位置估计的克拉美-罗下限（Cramer-Rao lower bound, CRLB）。提出了一种基于最小二乘的闭式求解算法。理论分析表明,在一定近似条件下,这一算法的估计精度到达CRLB。仿真分析了各种误差因素对CRLB的影响,验证了算法的理论分析结果及其有效性。     

不确定与损毁情景下可靠性设施选址鲁棒优化模型与算法研究

设施选址是长期战略性决策问题,选址决策面临各种不确定因素,设计一个可靠的选址网络具有重要的战略意义.本文同时考虑需求的不确定性及设施可能损毁的情景,扩展无容量限制的固定费用可靠性选址模型,建立不确定与损毁情景下服务能力有限的可靠性设施选址鲁棒优化模型.基于Bertsimas和Sim鲁棒优化方法提出一个新的混合整数规划模型,通过引入辅助变量和对偶变换实现非线性鲁棒优化模型转化为鲁棒对应模型,提出蝙蝠算法(BA)对模型予以求解,并通过算例仿真验证模型和算法的可行性,为设施选址决策提供模型和方法设计.     

基于DNN的无人机数据OFDM传输技术

针对无人机信道含多径、多普勒频移,还易受到外来干扰和高功率放大带来的非线性失真影响的问题,提出一种基于深度神经网络(deep neural network,DNN)的无人机正交频分复用(orthogonal frequency divi-sion multiplexing,OFDM)数据传输技术.下行链路采用OFDM系...     

基于ROSAR的高分辨波数域成像算法

旋转式合成孔径雷达(rotor synthetic aperture radar,ROSAR)是一种新型成像雷达,在高分辨条件下,距离徙动对ROSAR成像结果影响严重。波数域成像算法利用插值操作实现距离徙动的精确校正,但由于ROSAR复杂的斜距历程,导致传统波数处理获得的二维波数谱形式复杂,难以进行插值操作。针对这一问题,提出了一种改进ROSAR波数域成像算法。重新构建角度维波数,通过求解隐函数获得易于插值操作的信号二维波数域表达式,设计参考函数消除高频调制影响,最终通过Stolt插值实现宽波束大场景下距离徙动无近似校正与精确聚焦。仿真实验验证了算法的可行性与有效性。     

基于AEPSO-SVM算法的雷达HRRP目标识别

针对雷达自动目标识别中的高分辨距离像(high resolution range profile,HRRP)识别问题,提出自适应进化粒子群(adaptive evolution particle swarm optimization, AEPSO)算法优化支持向量机(support vector machine,SVM)的目标分类识别方法。该算法利用非线性自适应惯性权重的调整以适应粒子寻优的非线性变化过程,采用分阶段调节加速因子增强粒子在进化过程中的学习能力,通过引入局部搜索算子在增加粒子多样性的同时有效避免了粒子陷入局部最优陷阱。通过改进的PSO算法优化SVM参数,建立分类识别器模型。将该AEPSO-SVM模型应用到雷达HRRP目标识别中,实验结果表明,该算法对于高分辨雷达目标识别精度高、鲁棒性强。     

滑动聚束FMCW-SAR的子孔径成像算法

滑动聚束调频连续波SAR结合了滑动聚束模式和调频连续波SAR的优点,可以获得比条带模式更高的方位分辨率和比聚束模式更宽的方位测绘带区域。分析了其成像具有方位相干积累时间长和距离徙动严重的特点以及小负载平台上运动补偿对高分辨率成像的重要性。建立了其信号模型并推导了距离多普勒域频谱,据此给出了一种基于Chirp-Z变换校正距离徙动差的子孔径算法。不同于聚束模式子孔径处理,滑动聚束模式子孔径算法不仅需要子孔径间的相干叠加以实现全分辨率,而且要子孔径拼接以输出方位连续场景。仿真数据的处理结果验证了该算法的有效性和正确性。     

基于改进的SVM学习算法及其在信用评分中的应用

对于处理大规模问题的信用评分方法除要求达到一定的准确率之外,其速度、可解释性、简洁性等性能也非常重要. 借鉴SMO的思想, 首先提出一个基于三变量的改进的SVM学习算法, 即将SVM问题分解为一系列含有三个变量的二次规划子问题,其优点是所求的相应松弛子问题都有解析解,使得该方法能够更加精确和快速地逼近最优解;其次将新算法应用于信用评分问题,在UCI机器学习库中的三个公共数据集上的数值试验表明了新方法的有效性:不仅节省了模型的计算代价, 而且还提高了分类精度.     

基于卡尔丹方程的高分辨ROSAR成像算法及性能分析

旋转式合成孔径雷达(rotor synthetic aperture radar, ROSAR)是一种新型的雷达成像模式,其圆形运动轨迹斜距历程造成传统二阶斜距近似法在宽方位波束场景下方位向散焦严重。针对这一问题,提出了一种基于卡尔丹方程解析表达式的ROSAR成像算法。考虑通过对回波信号的斜距表达式进行四阶近似,推导了回波信号的二维频谱,分析距离徙动对成像结果的影响,提出基于卡尔丹方程解析表达式实现距离徙动补偿,进而实现整个场景精确聚焦的成像算法并给出了算法的运算量。仿真实验验证了算法的有效性及在噪声环境下的稳健性。     

Ho∞-based fault detection for nonlinear networked systems with random packet dropout and probabilistic interval delay

The fault detection problem for the nonlinear networked control system (NCS) with packet dropout and delay is investigated.A nonlinear stochastic system model is proposed to account for the NCS with random packet dropout and networkinduced non-uniformly distributed time-varying delay in both from sensor to controller (S/C) and from controller to actuator (C/A).Based on the obtained NCS model,employing an observer-based fault detection filter as the residual generator,the addressed fault detection problem is converted into an auxiliary nonlinear H∞ control problem.Then,with the help of Lyapunov functional approach,a sufficient condition for the desired fault detection filter is constructed in terms of certain linear matrix inequalities,which depend on not only the delay interval but also the delay interval occurrence rate and successful packet communication rate.Especially,a trade-off phenomenon between the maximum allowable delay bound and successful data packet transmission rate is found,which is typically resulted from the limited bandwidth of communication networks.The effectiveness of the proposed method is demonstrated by a simulation example.     

利用方向角信息辅助雷达目标跟踪

传统雷达仅能提供目标的方位和距离量测,由于可利用的信息相对较少,跟踪精度很难进一步提高。利用现代雷达的高分辨探测能力,提出了一种基于距离像识别信息辅助目标跟踪的模型,并结合求根不敏卡尔曼滤波技术得到了一种高性能跟踪算法。该算法根据距离像识别结果得到目标方向角的测量,进而通过增加观测量的维数来提高目标的跟踪能力。不同条件下的仿真结果表明,利用方向角信息辅助的跟踪算法收敛速度快,跟踪精度高,且复杂度与传统算法相当。     

条件线性高斯状态空间模型的GSF-KF滤波算法

算法将模型中的条件线性状态方程代入观测方程,并融合线性状态的过程噪声和观测噪声,再与非线性状态方程联立,由高斯和滤波器(Gaussian sum filter,GSF)获得非线性状态的估计;然后将估计值代入线性状态方程与观测方程,由卡尔曼滤波器(Kalman Filter,KF)获得线性状态的估计.此外,获得的非线性状态估计的方差还用于修正线性状态的估计.将GSF-KF算法应用于目标跟踪的仿真结果表明,与现有Rao-Black-wellized粒子滤波器(Rao-Blackwellized ParticleFilter,RBPF)相比,新方法在保证精度的同时,明显提高了实时性,计算时间仅约为RBPF的7%.     

基于关联计算的相控阵雷达前视成像技术

基于关联计算成像原理, 提出一种适用于相控阵雷达的前视成像技术, 其随机移相是由配置二维相控阵雷达来实现的.为了模拟经典量子关联成像中的随机涨落光场以实现测量的不相关性, 需要控制二维相控阵辐射出的波前呈现随机幅相波动特性, 再结合压缩感知(compressive sensing, CS)的模型框架与稀疏贝叶斯学习(sparse Bayesian learning, SBL)算法解决关联耦合问题以实现目标场景的方向维和俯仰维超分辨成像。甚至可以在不需要雷达与目标相对运动的情况下, 结合宽带信号体制实现雷达前视超分辨三维成像。仿真实验和实测数据验证了其原理的正确性和算法的有效性。     

基于双曲调频波形稀疏重构的干扰抑制方法

双曲调频波形特有的多普勒不变性使其在远程高速目标成像方面具有显著优势。然而波形的非线性调频特性限制了其在现有宽带解调频接收系统中的应用, 且在间歇采样转发干扰情形下成像性能退化。为此, 在分析目标双曲调频波形解调频回波特性的基础上, 提出一种基于稀疏重构的干扰抑制方法。首先, 构建了双曲调频波形解调频回波模型与间歇采样转发干扰时域抑制模型。其次, 基于此模型建立了相应的稀疏矩阵, 并利用目标结构稀疏特性对重建算法进行了加速。所提出的干扰抑制与波形成像方法可实现干扰有效抑制和多目标聚焦成像。最终, 通过电磁仿真数据验证了所提方法的有效性。     

一种调频连续波SAR的非线性距离多普勒算法

频率非线性是制约调频连续波雷达距离分辨率的一个关键因素。针对系统非线性误差对调频连续波(frequency modulated continuous wave, FMCW)合成孔径雷达（synthetic aperture radar, SAR）成像处理的影响以及雷达系统实时成像处理的需求,对存在频率非线性误差的调频连续波SAR回波信号进行了建模,分析了调频连续波去斜接收模式下的回波特性,深入研究了系统非线性误差校正的问题,提出了一种改进的调频连续波SAR的非线性距离〖CD*2〗多普勒成像处理算法。该算法通过非线性误差滤波器校正距离向非线性误差,具有计算量小,处理精度高的特点,适合实时成像处理。最后,通过理论推导和仿真分析,验证了算法的可行性和正确性。     

基于级比数据处理的多段灰色建模方法及在我国GDP建模中的应用

提出了一种基于级比数据处理的多段灰色建模方法,详细阐述了其建模机理和建模步骤.该模型拓宽了GM(1,1)的应用范围,有效地提高了一般GM(1,1)模型的精度.文末给出了一个利用多段灰色建模方法的例子.     

Cooperative localization against GPS signal loss in multiple UAVs flight

Based on multiple unmanned aerial vehicles(UAVs) flight at a constant altitude,a fault-tolerant cooperative localization algorithm against global positioning system(GPS) signal loss due to GPS receiver malfunction is proposed.Contrast to the traditional means with single UAV,the proposed method is based on the use of inter-UAV relative range measurements against GPS signal loss and more suitable for the small-size and low-cost UAV applications.Firstly,for re-localizing an UAV with a malfunction in its GPS receiver,an algorithm which makes use of any other three healthy UAVs in the cooperative flight as the reference points for re-localization is proposed.Secondly,by using the relative ranges from the faulty UAV to the other three UAVs,its horizontal location can be determined after the GPS signal is lost.In order to improve an accuracy of the localization,a Kalman filter is further exploited to provide the estimated location of the UAV with the GPS signal loss.The Kalman filter calculates the variance of observations in terms of horizontal dilution of positioning(HDOP) automatically.Then,during each discrete computing time step,the best reference points are selected adaptively by minimizing the HDOP.Finally,two simulation examples in Matlab/Simulink environment with five UAVs in cooperative flight are shown to evaluate the effectiveness of the proposed method.     

基于注意力机制的堆叠LSTM网络雷达HRRP序列目标识别方法

传统的雷达高分辨距离像(high resolution range profile, HRRP)序列识别方法依赖于人工特征提取, 并且现有的深度学习方法存在梯度消失问题, 导致收敛速度慢, 识别精度低。针对上述问题, 提出一种基于注意力机制的堆叠长短时记忆(attention-based stacked long short-term memory, Attention-SLSTM)网络模型, 该模型通过堆叠多个长短时记忆(long short-term memory, LSTM)网络层, 实现了HRRP序列更深层次抽象特征的提取; 通过替换模型的激活函数, 减缓了堆叠LSTM(stacked LSTM, SLSTM)模型梯度消失问题; 引入注意力机制计算特征序列的分配权重并用于分类识别步骤, 增强了隐藏层特征的非线性表达能力。模型在雷达目标识别标准数据集MSTAR上多种不同目的的实验结果表明, 所提方法具有更快的收敛速度和更好的识别性能, 与多种现有方法对比具有更高的识别率, 证明了所提方法的正确性和有效性。     

基于SATC-CABP成像模型的天线姿态误差补偿方法

分裂孔径发射配置(SATC)天线体制可取得与传统单站SAR相当的方位分辨率,且更适用于前视探测的运动平台.步进频率信号对相位极为教感,平台的运动误差将导致天线阵的姿态发生变化,使得成像结果出现几何畸变.针对天线阵姿态误差对成像的影响,提出了一种基于分裂孔径发射配置下固定孔径后向投影(SATC-CABP)成像模型的补偿方法,通过传感器获取的姿态倾角修正成像模型中的参敷,可在成像过程中实现天线姿态误差补偿.仿真结果表明,所提出的A-法可得到聚焦良好的成像结果,且可很好地校正由天线阵姿态误差引起的目标成像位王畸变.