部分连接K用户MIMO干扰信道的串行迭代干扰对齐算法

针对部分连接相比全连接的K用户多输入多输出（multiple input multiple output,MIMO）干扰信道（interference channel,IC）的干扰对齐（interference alignment,IA）能以每用户仅提供有限信号维度条件下在任意用户数规模部分连接网络应用的实用意义,一种基于两干扰源K用户MIMO-IC模型的低复杂度串行迭代IA算法被提出。仿真分析表明,相比现有算法,该算法具有更低的复杂度、更快的收敛速度和更理想的实用性能,并能以有限次迭代（10次以内）达到最优自由度。同时该IA算法的提出也证明在部分连接网络信号维度受限时存在可应用于任意用户数规模部分连接IC网络的可行性IA方案结论的正确性。     

单通道干涉相位无模糊估计快速动目标速度

为了解决合成孔径雷达-地面动目标检测系统中快速运动目标径向速度过大导致模糊的问题,提出一种基于单通道两视干涉相位无模糊估计方法。该方法首先在距离频率构造两视数据,再将两视数据进行干涉处理。利用两视干涉相位与方位慢时间的关系无模糊估计径向速度,该方法具有不受相位缠绕影响的优点。分析了所提算法在杂波背景和多目标情况下的应用,并研究了所提算法应用条件和最大不模糊速度。通过仿真和实测数据处理验证了所提方法的有效性。与基于包络的单通道方法对比分析,所提算法具有估计精度高和运算复杂度低的优点。     

基于无码率码的独立窗不等差错保护方案

提出一种能够匹配多媒体业务特性的独立窗口LT码（independent window LT, IW-LT）不等差错保护方案,采用无码率LT码对不同重要等级的数据分别进行独立选窗和编码。通过与或树分析法推导了IW LT码的渐近译码性能,并结合多目标进化算法联合优化编码度分布和选窗概率,以精确匹配预设的不等保护增益及译码开销,增加了不等差错保护方案的灵活性。仿真证明,IW LT码与现有的无码率码不等差错保护方案相比,能在精确匹配不等差错性能参数的前提下,获得更低的译码差错概率。     

基于压缩感知测量值的扩展目标检测

针对宽带雷达扩展目标检测这一问题,提出了一种在复高斯白噪声背景下基于压缩感知(compressed sensing, CS)测量值的检测新方法。新方法将CS理论引入到宽带雷达扩展目标检测领域,首先通过构造sinc基来稀疏表示扩展目标的一维距离像(high resolution range profile, HRRP),再由复杂的近似消息传递(complex approximate message passing, CAMP) 算法从被复高斯白噪声污染的CS测量值中得到HRRP由sinc基线性表示的相关系数,最后由基于l-0范数的检测器实现扩展目标检测,同时经过推导得到虚警概率和检测概率。基于实测宽带雷达回波数据的实验结果表明,所构造的sinc基可以较好地稀疏表示扩展目标的HRRP;和传统的检测器相比,所提出的新方法可以更好地实现扩展目标检测。     

模糊图像高维空间几何信息自适应复原方法

针对模糊图像高维空间几何信息(high dimensional space geometrical informatics, HDSGI)复原方法不能自动调节参数的问题,提出一种结合混沌粒子群优化(chaotic particle swarm optimization, CPSO)算法进行模糊图像自适应复原的新方法。HDSGI图像复原算法可以获得清晰的复原图像,但 是需要人工调节表征分布曲线的参数,参数选择不合适时复原图像中会出现噪声。将能同时度量图像模糊程度和噪声水平的无参考型图像质量评价指标作为CPSO算法的适应度函数,达到自适应地选择最佳分布曲线的目的,从而可以获得清晰复原图像。复原后的图像的主观视觉评价和定量评价指标均证明了方法的实用性和有效性。     

单通道同频混合信号时延高效估计方法

针对单通道同频数字混合信号时延估计问题,提出了一种数据辅助的方法,将整个估计流程分成了基于数据辅助的时延粗估计与基于最大似然的时延精估计两个过程。该方法克服了以往基于最大似然同频混合信号时延估计的很多弊端,改进了搜索方式并探讨了消除时延模糊的方法,提高了估计精度。最后又分析了性能界,为本文方法的性能分析提供了理论依据。该方法较依赖于两路时延差,对频偏误差不敏感,仿真实验验证了该方法的有效性与实用性。     

基于异步动态的多机器人系统的一致性

研究通过无线网络进行通信的多机器人系统的一致性问题。多机器人系统在固定通信拓扑下可建模为特定的网络控制系统,考虑信道噪声、不确定短时延和数据包丢失等因素的影响时,其可进一步视作由丢包率约束的异步动态系统。通过构造李雅普诺夫(Lyapunov)函数,运用线性矩阵不等式(linear matrix inequality, LMI)方法,得到了该系统指数稳定的充分条件。为实现多机器人系统的运动一致性,设计了控制器;讨论了不同的指数收敛率对多机器人系统收敛速度的影响,并进行了相应的理论证明和仿真验证。     

压缩感知视角的鲁棒波达角估计算法

从压缩感知的视角对鲁棒波达角估计进行了探索,通过将可能存在的波达角进行空间离散化,从而将波达角估计问题转换为压缩感知信号支撑恢复问题。同时将阵元存在的增益失配、相位失配和阵元间互耦等非理想因素,通过一阶近似,将其建模成均值为理想流形矩阵的随机矩阵,从而建模了阵列非理想特性和波达角空间离散化带来的误差。基于这种新的随机测量矩阵模型,提出了一种基于压缩感知的鲁棒波达角估计算法,分析表明本文提出算法对阵列模型扰动和角度空间离散化具有良好的鲁棒性。仿真验证了分析结果。     

基于多普勒分辨的连续波合成孔径雷达成像方法

提出一种新的连续波(continuous waveform, CW)体制合成孔径雷达(synthetic aperture radar, SAR)成像方法。有别于脉冲波形SAR和调频连续波SAR通过发射宽带信号获得高距离分辨率,CW-SAR成像利用CW波形的高多普勒分辨率进行成像,通过将回波信号与尺度变换后的发射信号进行相关构造成像数据模型,该相关信号实际为场景散射系数在等多普勒线上的投影,基于该相关信号,采用滤波反投影图像重建算法进行场景反射率重建。该CW-SAR成像方法不仅适用于宽带和窄带CW发射波形,而且也适用于单/双基SAR和任意载机飞行轨迹。以双基情形为例,分析成像方法的性能,并进行仿真验证。     

多隐层输出矩阵极限学习机

得益于隐层节点学习参数的随机选择,极限学习机（extreme learning machine, ELM）在学习速度极快的基础上,可以达到较为良好的分类性能。但是,当隐层节点参数完全随机选择时,ELM的性能并不总能达到最优。本文提出多隐层输出矩阵极限学习机（multiple hidden layer output matrices extreme learning machine, M-ELM）方法解决这一问题,该方法通过对不同输出矩阵加权运算以优化隐层节点结构,其中权系数与输出权值在学习过程中同时分析确定。另外,利用该方法可以实现特征级融合ELM。实验证明,对于真实分类问题,M-ELM可以提供比ELM更为准确的分类结果。