基于联合时频特征和HMM的多方位SAR目标识别

研究了联合时频特征和隐马尔科夫模型(hidden Markov model, HMM)的多方位合成孔径雷达(synthetic aperture radar, SAR)目标识别方法。利用HMM模型可以有效地对多方位SAR目标特征分析及识别。在HMM多方位SAR目标识别中的关键之一是SAR目标回波高分辨率距离像(high resolution range profile, HRRP)的特征提取。提出了一种时变频因子加权Fisher鉴别的特征提取方法。利用MSTAR实测SAR目标数据集进行了特征提取和识别实验,实验结果验证了方法的有效性。     

变载频带通信号的多速率采样

对处于非整数带位的带通信号,一阶采样往往要引起频谱混迭。提出了一种用多抽样率技术实现欠采样的方法,借助于修正采样率,该方法较好地解决了可变载频带通信号的频谱混迭问题。还提出了用多抽样技术实现欠采样的三种方式     

基于复杂网络特征的背包问题优化算法

根据复杂网络演化过程中的小世界现象及无标度特征,提出了基于复杂网络的背包问题优化算法。该算法基于无标度特征的背包问题形成优化空间,通过节点增长和加权节点度偏好连接,产生优化空间网络及其节点度分布;在该优化空间网络中,以小世界网络的聚类及小世界效应为基础,以节点度分布为先验知识,提出局部聚类、小世界效应、链集优化和节点寻优4个算子,实现网络节点连接优化。利用马尔科夫链的相关性质,证明了该算法的收敛性。针对具有相关性的0/1背包问题的实验结果表明,该算法解决组合优化问题是有效的。     

相参脉冲雷达中频信号通用采集系统设计

针对相参脉冲雷达中频信号通用采集系统的设计问题,首先阐述了采样率选择的两个约束条件及其物理意义,然后针对通用采集系统无法满足脉间相参条件的问题,提出了两种信号重建算法,并深入分析了算法性能。由于重建算法需要已知触发延迟时间,随后介绍了一种基于TDC的延迟时间测量方法,并推导了TDC器件的测量精度与重建信号信噪比之间的解析关系,为工程应用中选择TDC器件提供了依据。最后介绍了一个基于虚拟仪器技术构建的雷达中频信号通用采集系统,该系统已成功应用于多种雷达中频信号采集。     

一类模糊跳变系统的采样控制器设计

针对含有马尔可夫跳变参数的模糊系统,采用多李亚普诺夫函数方法,设计采样控制器,保证模糊跳变系统指数均方稳定和随机稳定。为便于工程应用,考虑到控制系统多为数字控制系统,计算机的输入、输出控制信号是数字信号,而被控对象常为连续时间系统,文中采用离散的控制器控制连续的被控对象。系统模型中的每个跳变模态对应的子系统均是T-S模糊系统,对每个模糊子系统采用平行分布补偿的控制方法,保证子系统渐近稳定。控制器的求解等效为线性矩阵不等式的可解性问题,便于求解。数值仿真结果验证了方法的可行性和有效性。     

Robust H2 control for uncertain sampled-data systems

A new approach is proposed for robust H2 problem of uncertain sampled-data systems. Through introducing a free variable, a new Lyapunov asymptotical stability criterion with less conservativeness is established. Based on this criterion, some sufficient conditions on two classes of robust H2 problems for uncertain sampled-data control systems are presented through a set of coupled linear matrix inequalities, Finally, the less conservatism and potential of the developed results are illustrated via a numerical example.     

基于事件的定性知识表示模型

当前突发事件应急管理研究已经成为热点问题。本文针对突发事件及事件链研究特点,运用系统工程理论论,建立了突发事件及其链式关系知识表示模型。该模型从突发事件机理出发描述应急管理过程的知识需求,不仅揭示了突发事件发展、演变的行为模式及突发事件链式关系形成机理,还为应急决策提供理论依据,最后给出模型的应用实例,实现了事件演进的自动生成及应急过程中的知识支持。     

改进粒子滤波在捷联惯导系统姿态确定中的应用

捷联惯导系统姿态确定问题本质上是一个非线生滤波估计问题.针对传统的扩展卡尔曼滤波不再适用于非线性和非高斯分布的系统,和一般粒子滤波存在粒子退化和粒子耗尽等问题,提出了将马尔可夫链蒙特卡罗(MCVC)正则粒子滤波算法应用于捷联惯导系统的姿态确定中.计算机仿真表明了该方法在加快收敛速度、提高姿态精度和自适应调整粒子个数方面的有效性和可行性.     

基于MPI的主从式并行MCMC

马尔可夫链蒙特卡洛(MCMC)是贝叶斯网络(BN)的一种近似推理算法,为保证其时间性能,在生成马尔可夫链的组成序列时,通常只使用较少的样本,其推理精度较低.以Gibbs抽样为基本框架,提出一种BN的并行MCMC推理方法PMCMC,在生成马尔可夫链的组成序列时,通过增加对BN中每个节点的抽样频率来提高推理精度,并在消息传递接口MPJ的支持下,利用主从式并行机制来实现其推理过程,保证了推理的时间性能.在3个不同BN上的推理实验结果表明,PMCMC在提高推理精度的同时有效保证了推理的时间生能.     

基于KLD采样的自适应UPF非线性状态估计方法

针对标准UPF算法存在的计算量大、实时性差的问题,设计了一种利用KLD采样在线实时改变粒子个数的自适应UPF算法.该算法的核心思想是利用KLD采样原理,根据预测粒子在状态空间中的分布情况来在线实时的确定下一次滤波迭代所需的粒子个数,减少对滤波算法没有帮助的粒子,仅保留保证滤波估计精度所需的最少粒子个数,从而有效减小算法的运算量,提高算法的实时处理能力.最后,将自适应UPF算法与粒子滤波、标准UPF算法进行了仿真比较,仿真结果表明在保持高精度估计能力的同时,自适应UPF算法比标准UPF算法具有更好的实时性,是解决非线性非高斯系统状态估计问题的一种有效方法.