基于lk范数正则化的实信号去噪方法

针对实信号去噪问题 ,系统研究了基于lk 范数正则化的去噪方法。在研究和借鉴Tikhonov正则化参数选择方法的基础上 ,给出了基于lk 范数正则化中最优正则化参数的自动选择方法 ,同时给出了正则化方法求解的迭代算法。理论分析和仿真计算结果表明 ,该方法对于加性噪声有较好的抑制能力 ,同时能够有效地保护信号中的重要特征。     

非凸松弛原子范数空时动目标参数估计算法

针对参数稀疏恢复空时自适应处理中的动目标参数估计存在字典失配的问题，提出一种非凸松弛原子范数空时动目标参数估计算法。该方法利用目标回波在角度-多普勒域的稀疏特性，根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度、超分辨率估计，避免了稀疏恢复中的字典失配问题，有效提高了动目标参数估计性能。仿真实验结果表明，相较于已有基于字典网格的稀疏恢复参数估计方法和原子范数估计方法，所提算法具有更高的参数估计精度和对空间紧邻目标的分辨能力。     

基于原子范数的多跳频信号时频参数估计

针对现有多跳频信号参数估计方法构造的基字典与信号不匹配的问题,提出了基于原子范数的时频参数估计方法。首先定义无限原子集合并建立原子范数最小化模型,再利用其对偶问题完成对信号的估计,最后根据对偶多项式在单位圆上的绝对值完成信号频率的估计,通过统计频率分量的个数完成了信号跳变时刻的估计。仿真结果表明该算法在多跳频信号条件下能够得到比现有算法更高的估计精度和性能。     

重尾分布二阶参数的半参数估计

重尾分布二阶参数在极值理论中扮演着重要的角色，尤其是重尾指数估计中门限的最优选取，以及重尾指数降偏差估计的渐近偏差都取决于二阶参数ρ.基于统计量M_n^(α)(k)，提出了重尾分布二阶参数的半参数估计，在极值理论的二阶正则条件下，得到二阶参数半参数估计的相合性，在三阶正则条件下得到其渐近正态性.通过Monte-Carlo模拟，从大样本性质与小样本性质这两方面，对提出的半参数估计进行比较.结果表明，本文的估计，在大样本性质方面，表现较优；在小样本性质方面，一定范围内表现得更好.     

基于对比度最优准则的运动目标参数估计方法

在已检测出运动目标的基础上,提出了一种基于图像对比度最优准则的运动目标参数估计方法.该方法针对存在方位向速度的运动目标,以图像对比度作为评价标准,对运动目标的速度分量进行二维寻优,当图像对比度函数达到最大值时,得到运动目标的速度分量的精确估计值.经过仿真及实测数据验证,该方法能很好的估计出运动目标的运动参数,并且该方法的测速精度明显优于传统动目标测速方法.     

基于杂波数据Frobenius范数拟合的阵元误差估计方法

机载雷达的阵元误差会影响运动目标的参数估计与定位性能。为了解决这个问题,提出一种基于杂波数据Frobenius范数拟合的阵元误差估计方法。该方法首先利用杂波谱分布结构和雷达构型参数计算杂波空时导向矢量矩阵,接着利用截断的奇异值分解求解杂波幅度矢量并重构杂波数据,最后将实际的数据矩阵与重构的数据矩阵进行Frobenius范数拟合来估计阵元误差。数值仿真实验结果表明,该方法在低脉冲数目、低样本数目的情况下均具有较好的参数估计精度与稳健性。     

基于EM算法的水下目标辐射噪声模型参数估计

对水下目标辐射噪声的混合高斯模型进行参数估计时,针对极大似然函数很难求解的问题,研究了一种使用海洋环境噪声统计信息的期望值最大算法(EM算法).在对Bouvet和Schwartz水下目标辐射噪声信号和海洋环境噪声模型研究的基础上,修正了传统的EM统计算法,以降低计算的复杂度,提高迭代收敛速度.仿真结果和实船信号实验数据的一致性,表明基于EM算法的混合模型参数估计方法,使得参数估计复杂度降低,运算量明显减少,估计性能较好,具有很好的应用价值.     

复图像域正则化特征增强SAR成像方法

通过分析合成孔径雷达(SAR)的成像过程和频域上的正则化特征增强方法,提出了一种在复图像域进行正则化特征增强的SAR成像方法,直接从SAR复图像域数据出发,利用先验信息,使用正则化方法重建高分辨率的SAR图像。实验结果表明,该方法能较好地保护目标并增强目标的可分辨性、抑制旁瓣和噪声、提高SAR图像的对比度。通过大量实验,研究了正则化参数的选取规律,总结出一些有用的结论。复图像域上的正则化特征增强方法的计算量比频域上的正则化特征增强方法的计算量大大减小。     

一类基于鲁棒统计的噪声抑制变分模型与算法

从最大后验概率估计和马尔科夫随机场出发,将图像梯度场的分布建模为混合加权的容许密度类,利用鲁棒统计学中的Hubber定理,导出了一类鲁棒性密度。建立了一类由L2范数或L1范数数据保真约束和鲁棒意义下的图像正则化项组成的噪声抑制变分模型。提出了该类模型的基于梯度最速下降的有限差分算法。在Matlab集成环境下进行了六组不同噪声抑制变分模型的仿真实验,通过计算峰值信噪比和结构化相似指标给出了性能评价结果。     

用于雷达方位超分辨的范数正则化方法

方位超分辨是国内外雷达界长期以来持续探索的一项技术难题,针对求解过程中所遇到的病态性,本文深入研究了范数正则化方法。利用L₂范数正则化方法对方位超分辨模型进行求解,针对L₂范数正则化方法的不足并考虑到目标信号的稀疏性质,建立了L₁范数正则化模型。为提高求解的计算效率,将其转化为半定规划模型,用预测校正原对偶路径跟踪法进行求解。针对不同信噪比情况进行了计算机仿真,初步结果表明,两种方法都能用于雷达方位超分辨,且在相同条件下L₁范数正则化方法分辨性能更好,具有较强的噪声适应能力,在信噪比低至0 dB时,分辨力提高1.7倍。     

New algorithm for robust H2/H∞ filtering with error variance assignment

We consider the robust H2/H∞ filtering problem for linear perturbed systems with steady-state error variance assignment. The generalized inverse technique of matrix is introduced, and a new algorithm is developed. After two Riccati equations are solved, the filter can be obtained directly, and the following three performance requirements are simultaneously satisfied: The filtering process is asymptotically stable; the steady-state variance of the estimation error of each state is not more than the individual prespecified upper bound; the transfer function from exogenous noise inputs to error state outputs meets the prespecified H∞ norm upper bound constraint. A numerical example is provided to demonstrate the flexibility of the proposed design approach.     

自校正解耦信息融合Wiener状态预报器

对含未知噪声方差阵的多传感器系统,用现代时间序列分析方法,基于滑动平均新息模型的在线辨识和求解相关函数矩阵方程组,可得到白噪声方差阵的在线估值器。在按状态分量标量加权线性最小方差最优信息融合准则下,提出了一种自校正解耦信息融合Wiener状态预报器,实现了状态分量的自校正解耦局部Wiener预报器和自校正解耦融合Wiener预报器。用动态误差系统稳定性分析方法证明了该预报器的收敛性,即若滑动平均新息模型参数估计是一致的,将收敛于噪声方差阵已知时的最优解耦信息融合Wiener状态预报器。一个带三传感器的目标跟踪系统的仿真例子说明了其有效性。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

Novel antenna selection algorithm based on Tanimoto similarity

A new antenna selection algorithm for multiple input multiple output （MIMO） wireless systems is proposed. The modified Tanimoto coefficient is used to compare the similarity of the rows/columns of the channel matrix. Based on the calculated similarity, the proposed algorithm chooses the antenna subset, which has the maximum product of dissimilarity and Frobenius norm. The proposed algorithm requires low computational complexity as to the optimal selection but with comparative outage capacity and average signal to noise ratio （SNR） performance. It can improve both the outage capacity and the average SNR as compared to random selection. The simulation results are shown to validate our algorithm.     

基于新最速下降法的目标跟踪算法

雷达目标跟踪滤波算法是雷达信号处理的重要组成部分, 在空防预警、战场监视、导弹制导等领域起着重要的作用。本文提出了基于一种新最速下降法的目标跟踪算法。首先建立一种基于改进多项式拟合模型的运动描述模型, 接着用一种新最速下降法来求解运动模型的最优参数, 通过实时的最优运动模型对运动目标航迹进行预测跟踪, 并采用正则化思想去除噪声影响。将本文算法与目前常用的交互多模型跟踪滤波算法进行对比, 仿真结果表明在目标机动和非机动的情况下, 本文算法的精度更高、计算量更小、实时性更好。     

基于最小敏感度的广义线性自适应波束形成算法

常规最小方差无失真响应波束形成器对于非圆信号是次优的,且当训练样本数有限时,其性能有所下降。针对这一问题,提出了基于最小敏感度的广义线性自适应波束形成算法。算法以期望信号和干扰信号的非圆特性为基础,利用最小敏感度准则求得最优权矢量,提高了波束形成器的稳健性。计算机仿真结果表明,算法在低信噪比和小快拍数的情况下也具有较好的性能。     

双约束稳健Capon波束形成算法的分析与求解

针对Capon波束形成算法在导向矢量的不确定集和模约束下的求解问题,提出了新的分析和求解方法。通过对最优化问题进行深入分析,发现不确定集约束决定该算法的性能,而模约束只是起辅助约束作用,因此可以通过对不确定集约束Capon波束形成算法的解进行标量化处理,使其满足模约束而获得该算法的最优解。所提出方法不仅使得不确定集约束参数的选择更加简单,同时使得波束形成算法的性能改善达到最优。发现不确定集约束参数选择得越大,算法的性能改善越接近于最优,而此时对应于负加载。仿真分析验证了方法的正确性和有效性。