捷变频雷达联合脉内频率编码抗间歇采样干扰

间歇采样转发干扰通过对雷达信号进行部分采样并迅速转发, 在当前脉冲重复周期内, 产生相干假目标串, 使得基于传统频率捷变雷达的目标检测面临严峻挑战。因此, 在频率捷变技术基础上提出一种捷变频雷达联合脉内频率编码的抗间歇采样干扰方法。针对间歇采样干扰时域不连续的特点, 通过脉内频率编码-脉间频率捷变实现子脉冲间的相互掩护。脉冲压缩后, 首先利用最大类间方差法(Otsu)自适应计算阈值并抑制干扰, 然后通过二维稀疏重构方法实现目标检测。理论分析和仿真实验证明所提方法可以有效对抗间歇采样干扰。     

Integrating Multi-Source Web Records into Relational Database

How to integrate heterogeneous semi-structured Web records into relational database is an important and challengeable research topic. An improved model of conditional random fields was presented to combine the learning of labeled samples and unlabeled database records in order to reduce the dependence on tediously hand-labeled training data. The pro- posed model was used to solve the problem of schema matching between data source schema and database schema. Experimental results using a large number of Web pages from diverse domains show the novel approach＇s effectiveness.     

基于梯度法的高效全局优化算法

用极大似然估计法和交替方向法估计Kriging模型参数, 提出一种基于有效集共轭梯度法的Kriging模型参数优化算法, 并在此基础上改进了高效全局优化算法. 结果表明, 利用改进的全局优化算法可解决高效全局优化算法的过早收敛问题.     

基于自适应扩频技术的多址接入协议

为保证低信噪比条件下网络的接通率,在研究强干扰、低信噪比无线网络环境中扩频比分配机制的基础上,提出了一种基于自适应扩频技术的多址接入（ASMAC：Adaptive Spreading Multiple Access Control）协议。该协议提出了一种优化策略,能根据不同移动终端期望的传输速率和所处位置信噪比的不同,动态、自适应地分配扩频比。仿真结果表明,ASMAC协议能在信噪比为-12 dB的环境中提供平均8.6%的接通率。     

空间绳牵引并联机器人多目标优化设计

以6自由度空间绳牵引并联机器人工作空间体积、最小索力和全局灵巧度为优化目标,在保证绳索张力范围的前提下建立了多目标优化的数学优化模型.采用神经网络-遗传算法求得优化的3组满意解,并采用灰色聚类法选择多目标优化时的权重系数.仿真结果表明该优化方法可以有效地实现结构的优化,为同类绳牵引并联机器人的设计提供了有益的参考.     

基于密度峰值搜索的全极化SAR图像分类

提出一种基于密度峰值搜索(find of density peaks,FDP)的全极化SAR图像(polarimetric synthetic aperture radar,POLSAR)无监督分类方法。由于在边缘地带以及奇异点的散射类型复杂,在无监督分类过程中干扰巨大,本文通过构建基于信息熵的显著性图来剔除这一类点的影响,并对剩余部分的参数进行了加权处理。随后在H//A/SPAN空间基于FDP方法进行无监督分类。最后通过ESAR的数据进行了实验验证,结果证明了方法的有效性。     

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。     

基于虚拟孔径扩展的子带信息融合宽带DOA估计

如何有效地利用宽带信号各频点所提供的信息实现高精度波达角(direction of arrival, DOA)估计一直是热点问题,针对宽带DOA估计问题,提出一种基于孔径扩展的子带信息融合(subband information fusion, SIF)DOA估计方法。该方法在宽带信号的频域模型基础上,结合虚拟阵列方法实现孔径扩展,并联合各子带信息统一处理,从而提高DOA估计的精度。与其他SIF方法相比,该方法利用二阶统计量将数据转化为单快拍模型,不仅提高了可估计信源数目,而且极大程度地降低了运算复杂度,同时在小快拍、低信噪比条件下仍能得到DOA估计结果。仿真实验验证了所提方法的有效性。     

变速平台STAP的数据域补偿方法

空时自适应处理(space-time adaptive processing,STAP)是抑制因平台运动导致谱展宽的地物杂波的有效技术,近三十年来受到广泛关注,其中平台运动通常假设为匀速。分析了变速平台情况下地物回波多普勒谱特性,相比传统匀速平台情况,杂波回波的多普勒谱展宽更严重,且展宽程度与阵列面向、散射点位置以及脉冲积累均有关;因此,变速平台情况下,直接采用传统的STAP方法,其杂波抑制性能,尤其是在主杂波区的性能变差,严重降低慢速目标检测性能。对此,提出一种基于数据域的补偿方法,通过构造补偿矩阵抑制加速度在相位上产生的增量,从而抑制杂波的多普勒谱展宽。仿真结果表明,所提方法可使杂波多普勒谱变窄、STAP的杂波抑制改善因子提高,尤其慢速目标的检测性能明显提高。