变换域通信系统的分形门限研究

变换域通信系统中,存在无法准确辨识的各种复杂干扰和难以找到对各种干扰均适用的阈值问题.基于分形理论的谱峰检测思想,提出分形门限概念,采用以盒维数为判据的谱峰检测算法,对干扰频谱的起点、终点进行判断,据此对干扰进行剔除,从而达到降低误码率的目的.仿真实验表明:该算法能显著降低变换域通信系统的误码率,特别对TDCS抗70%部分带宽干扰,改善尤为明显,达1dB以上;而对于TDCS抗线性调频干扰条件下,在大干信比时,对误码率的减小最为明显,约为1.7dB.该算法简单可靠,对提高变换域通信系统的抗干扰能力具有实用价值.     

变换域通信系统动态仿真平台设计与系统研究

变换域通信系统(TDCS)是新近提出的一种无线通信方法。与传统的通信系统相比它有两点不同。首先它是根据信道的频谱特性在变换域(频域,或时间-尺度域)进行信号波形设计,使信号避免被干扰。其次,它未采用载波调制,而是使用一个类似于噪声的基函数进行数据调制。本文详细介绍了TDCS的原理,在此基础上使用SIMULINK搭建了TDCS的动态仿真平台,并在此平台上完成了TDCS的动态仿真及系统性能分析。     

改进的频谱幅度域处理抗干扰技术

提高全球导航卫星系统（global navigation satellite system, GNSS）接收机抗干扰性能出发,对现有的频谱幅度域处理（frequency spectrum amplitude domain processing, FADP）抗干扰算法中的几个关键问题作出改进,设计出一套更为鲁棒实用的FADP方法。首先,将重叠加窗的思想引入到FADP系统框架中,以减小快速傅里叶变换（fast Fourier transform, FFT）的频谱泄露。针对频谱波形和时域波形在幅度统计特性上的差异,设计了更适合频谱处理的幅度域处理（amplitude domain processing, ADP）函数。对ADP的实现进行了简化,使得不再需要进行笛卡尔坐标与极坐标之间的反复转换,降低了计算复杂度。最后,基于GPS C/A码软件接收机平台,将改进后的FADP 方法与原FADP方法进行对比实验,验证了所提方法的有效性。     

基于Tetrolet变换的图像稀疏逼近算法

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5 dB,比Tetrolet变换高约1.0 dB。     

基于压缩感知理论的稀疏遥感成像系统设计

高分辨率的应用需求使得传统的遥感成像系统面临高速率采样、海量数据存储等难以突破的瓶颈问题。基于压缩感知理论设计的雷达和光学稀疏遥感成像系统,突破了Shannon-Nyquist定理的限制,以较少的测量数据实现了同等甚至更高质量的信号重构。首先,根据被测目标和场景的不同特性,分别设计了稀疏表示矩阵;其次,根据互相关最小化原则,选择了与稀疏表示矩阵相适应的最优感知矩阵;最后,研究了适用于二维成像大规模数据的稀疏重构算法。专业电磁散射仿真软件生成的雷达观测数据和复杂场景光学图像的数值仿真,验证了本文设计的稀疏遥感成像系统原理上的可行性。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外,针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外,针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于BSBL-BO算法的DME脉冲干扰抑制方法

针对测距仪(distance measure equipment, DME)信号干扰L频段数字航空通信系统1(L-band digital aeronautical communication system 1, L-DACS1)正交频分复用(orthogonal frequency-division multiplexing, OFDM)接收机的问题, 提出基于块稀疏贝叶斯学习-边界优化(block sparse bayesian learning-the bound optimization, BSBL-BO)算法的DME脉冲干扰抑制方法。首先, 利用OFDM接收机空子载波不传输有用信号的特点构造针对DME脉冲干扰信号的压缩感知模型; 然后基于BSBL-BO算法重构DME脉冲干扰信号; 最后在时域进行干扰消除。仿真结果表明, 该方法比已有的脉冲干扰抑制方法具有更高的重构精度和更快的运算速度, 进一步降低了OFDM接收机的误比特率, 提高了L-DACS1系统前向链路传输性能。     

盲信号压缩重构——模型与方法

通过分析欠定盲信号分离模型和压缩感知模型本质内涵和内在联系,建立了基于压缩感知的欠定盲信号重构问题的数学模型,该模型对于欠定盲信号分离的实现提供了一个新的解决途径。基于该模型的压缩重构方法通过两步来实现：分别利用源信号稀疏域性质实现对盲估计欠定混合矩阵的估计;利用压缩感知的重构稀疏源信号的方法,实现对欠定稀疏盲信号的分离和重构。提出的算法根据实际应用场合,具有一定扩展能力。最后通过模拟实验验证了提出模型和相应算法的有效性。     

基于自适应感知的OFDM宽带测控抗干扰方法

针对正交频分复用(orthogonal frequency-division multiplexing, OFDM)宽带测控中难以有效对抗干扰的问题,提出多门限的快速傅里叶变换(fast Fourier transform, FFT)和小波包联合自适应频谱感知来实现宽带OFDM频谱重构抗干扰。该方法首先通过固定双门限FFT能量感知进行带宽内高干噪比干扰初检测,然后通过自适应小波包频谱感知实现剩余低干噪比频宽内的干扰检测,最后根据频谱感知结果,对OFDM宽带测控系统的频谱进行重构,实现干扰规避。实验结果表明,感知算法方法具有较好的干扰检测性能,并能够实现OFDM宽带测控系统的有效抗干扰。     

基于PRI捷变的雷达通信一体化共享信号设计方法

雷达通信一体化能有效提高频谱利用率, 减小电子设备体积, 是多功能综合一体化电子系统的主要研究方向之一。本文在随机脉冲重复间隔(pulse repetition interval, PRI)雷达的基础上, 提出一种新的基于PRI捷变的雷达通信一体化共享信号设计方法。通过改变发射信号的PRI, 将通信信息嵌入到发射信号中, 在雷达信号处理端, 引入压缩感知理论来完成方位向相参积累, 并实现对目标速度的超分辨估计; 在通信信号处理端, 通过检测脉冲的PRI来完成信息的解调。仿真试验表明, 所提方法在保证雷达探测性能的前提下, 可实现通信信息的稳定传输。     

基于模式/区域分解的无人机集群电磁特性快速分析

无人机(unmanned aerial vehicle, UAV)集群在军事和民用领域的应用越来越广泛, 针对UAV集群目标电磁散射特性的获取和分析对生成对抗策略及反UAV有着重要的研究价值。目前, UAV集群动态测量数据获取难度较大、成本高; 而对于仿真数据, 传统计算电磁方法建模精度和效率较低, 有效的特性数据不足。因此, 提出了一种基于模式/区域分解的UAV集群目标电磁仿真方法, 该方法在矩量法的基础上, 引入特征模分解和区域分解技术, 前者极大地降低了计算未知量, 后者有效地解决了建模精度问题, 为UAV集群目标特性数据的生成提供了创新技术支撑。     

基于规则的无人机编队队形构建与重构控制方法

针对已有方法在无人机编队队形控制方面的不足,结合无人机系统有限范围感知的特点提出一种基于规则的队形控制方法。首先,利用目标位置选择算法为编队成员选择刚体中的期望位置点,使分布式条件下的复杂无人机编队队形控制问题转化为个体对自身期望位置点的追踪问题;其次,通过控制协议的设计引导编队成员对自身的期望位置点进行追踪和避免碰撞;最后,在netlogo平台上实现了队形的控制;进一步,将目标位置选择算法与基于全局信息的“禁忌搜索”优化算法的效果进行了对比。实验表明:本文的控制方法简单,生成的航迹图简洁、平滑,其效果与基于全局信息的优化效果接近,且可生成任意队形和对突发威胁能主动有效的规避。     

Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

基于稀疏FrFT的窄带雷达目标架次识别方法

架次识别对于窄带雷达编队目标的探测与识别具有重要意义.本文基于最小熵准则提出了稀疏分数阶傅里叶变换(fractional Fourier transform,FrFT)最优变换阶次估计算法,首先将雷达回波数据的FrFT结果的熵值建模为变换阶次的函数,进而将变换阶次估计问题转化为稀疏优化问题,利用稀疏重构算法获得最优变换...     

基于多重稀疏表示的声纳图像超分辨率重建方法

提出一种基于多重稀疏表示的声纳图像超分辨率重建方法。该方法针对声纳图像的光滑、边缘和纹理3种结构形态,分别利用离散平稳小波变换、contourlet小波变换和Gabor小波变换建立过完备字典,并对多重稀疏表示的声纳图像进行超分辨率重建。实验结果表明,该方法得到的超分辨率图像能够有效保持原始高分辨率图像的几何特征和纹理特征,可以得到更高的峰值信噪比,并且对噪声具有鲁棒性。     

基于压缩传感的MIMO-OFDM水声通信信道估计算法

充分利用水声信道的稀疏特征,提出一种基于压缩传感理论的多输入多输出正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing, MIMO-OFDM)水声通信系统信道估计算法。在MIMO-OFDM水声通信系统模型的基础上,考虑Doppler频移的影响设计符合压缩传感理论框架的过完备字典,利用一系列非正交基在过完备字典下描述待重建信号。通过对比分析基追踪降噪、丹茨格选择器以及正交匹配跟踪3种算法的信道估计性能,进一步证明了算法的有效性。仿真实验结果表明,基于压缩传感的稀疏信道估计算法具有优于传统最小二乘算法的信道估计精度,并且在最小二乘矩阵求逆奇异的情况下仍能准确地估计出信道参数;在计及Doppler频移的影响时,直接压缩传感估计优于补偿后的压缩传感估计方法。     

基于能力的C~4ISR通信领域上下文本体建模方法

上下文信息建模及推理是业务智能化的关键.针对C~4ISR通信领域的智能化,研究了军事通信领域上下文本体建模及推理问题.在基于C~4ISR能力需求分析的基础上提出了一种通信领域上下文本体构建方法.该方法首先给出C~4ISR通信领域元本体的概念、关联、规则等,然后通过对完成使命任务相关的活动分析来驱动C~4ISR通信领域上下文本体的建模,并利用本体自动推理工具完成了上下文推理,最后以一个案例说明该方法的可行性.     

基于图Laplacian的多机编队目标跟踪方法

针对多无人机目标跟踪问题中存在的相位协同时间长和跟踪目标速度受限问题,基于图Laplacian方法提出一种分布式多机编队目标跟踪算法.首先,将无人机编队队形控制问题转换为基于旋转、缩放和平移的运动参数组设计问题,并通过设计编队控制律,实现动态编队队形的精准生成与变换.其次,将此编队队形控制方法应用到目标跟踪问题上,通过...