基于特征子空间与流形正则化的高效增量半监督特征选择方法

基于Fisher Score的前向序列选择法是目前性能良好并广泛使用的一种有监督特征选择方法.然而，该方法只能对有标签样本进行分析，无法利用大量"廉价"的无标签样本信息；并且随着已选特征的个数的增加，对候选特征进行评分的计算复杂度呈三次方形式增加.针对这两个问题，提出基于特征子空间与流形正则化的高效增量半监督特征选择方法.一方面，该方法通过提取有标签与无标签数据的局部线性表示来进行半监督特征选择，使得所选特征能够保持数据的局部流形结构信息；另一方面，该方法基于特征子空间理论进行特征评分，时间复杂度取决于特征空间的维数而非已选特征的个数，如果特征空间的维数是固定的，该方法将花费几乎恒定的时间来评价每一个候选特征.相比于基于Fisher Score的前向序列选择法选择特征的三次方复杂度，所提方法在时间效率方面得到很大提升.在五个标准数据集上进行了实验，所得结果验证了该方法的有效性.     

基于频控阵的改进ESB波束形成算法

频控阵由于其波束方向图具有的距离-角度二维依赖特性而受到广泛关注, 理想情况下基于频控阵的自适应波束形成技术, 能够从距离维和角度维增强期望信号并抑制干扰, 但实际系统中较大的指向误差和采样协方差矩阵失配会造成算法性能严重下降。针对该问题, 提出一种改进的基于特征空间(eigenspace-based, ESB)自适应波束形成算法, 并将其应用在频控阵多输入多输出接收处理体制中, 仿真结果表明在5°的指向误差内, -20 dB信噪比, 及小快拍数的非理想条件下, 所提算法仍然能在目标位置附近形成高增益, 并在干扰位置形成零陷, 克服了传统ESB算法低信噪比条件下算法失效导致的波束方向图畸变问题, 具有更好的适用性。     

矩阵特征空间和奇异空间相对扰动界

根据特征值和奇异值的相对分离情况,研究了矩阵特征空间和奇异空间的加法相对扰动界,得到一些新的扰动界.     

四元数域主特征空间投影鲁棒自适应波束形成

针对常规四元数域波束形成器在模型误差条件下的性能退化问题,提出基于拉伸三极子双平行阵列的四元数域主特征空间投影鲁棒自适应波束形成方法.相比现有四元数域最劣态最优化鲁棒波束形成器,该方法无需求解具有高计算复杂度的凸优化问题,且不涉及用户参数的优化设置,更易于实现.仿真结果表明,所提出的波束形成器可有效克服信号相消问题,能够以较低的计算成本获取优于四元数域最劣态最优化鲁棒自适应波束形成器的性能,且其优势在高信噪比和短快拍条件下尤为显著.      

基于嵌套窗口的高光谱图像目标检测

针对经典RX检测算法所存在的窗口分析方式的不足,提出一种基于嵌套窗口分析的高光谱图像小目标检测算法,并将这种嵌套方式应用到线性RX、非线性核特征向量空间分解（KEST）算法之中,对不同窗口方式的检测算法以及非线性判别分析检测算法进行了详尽的对比分析．实验表明,在3层嵌套窗口下的文中算法能够获得更好的目标检测效果．     

稳健的主模式抑制自适应波束形成算法

为了提高算法在各种信号环境下的鲁棒性,该文对主模式抑制算法的权值计算结构进行了详细分析,指出抑制系数对信号能量的保留作用有重要的影响。提出了一种对抑制系数的改进机制,利用改进后的算法计算的权值对信号能量的保留作用增强,提高了算法在高信噪比情况下的增益。实验结果表明:与传统算法相比,改进后的算法在保持了低信噪比稳健性的同时,其在强信号环境下的算法增益提高了若干dB,并且该算法在不同信号环境中,提高了信号失配的鲁棒性。