基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

B-Rep模型重构中切割点和内点问题

基于投影理论讨论了匹配投影边组特性,以及对应的空间边包含空间顶点为内点(因与其他空间边重叠,所以该边是无效的)或隐含了切割点(常规方法无法求得的形体顶点)的条件,以此为基础提出了防止生成重叠边、求切割点的新方法.     

基于FPGA的基-16FFT模块的实现

阐述了采用Alter公司的StratixⅡ系列FPGA设计高速FFT处理器的实现方法及技巧;充分利用其芯片的硬件资源,减少复杂逻辑,采用流水方式对复数数据实现了FFT运算;整个设计采用流水与并行方式尽量避免“瓶颈”的出现,提高系统时钟频率,达到高速处理;实验表明,此处理器既有专用ASIC电路的快速性,又有DSP器件灵活性的特点,适合用于高速数字信号处理。     

三值光学计算机

三值光学计算机是2017年3月问世的通用型光电混合计算机系统。它用无光态和偏振方向正交的两个偏振光态表示信息,用旋光器和偏振片来改变这三个光态,进而完成三值逻辑运算和MSD(modified signed-digit representations)冗余表达数值的二进制并行加法运算。这种新型计算机具有处理器位数众多、处理器位可以分组独立使用、处理器位的计算功能可重构等优势;还以非易失随机存储器件为基础,构建了与处理器频繁交换大量数据的双空间存储器系统;为便于编制发挥这些特色的应用程序,采用SZG文件为程序员遮蔽三值光学处理器与传统电子处理器的差别,构成了保持传统编程技术的新编程平台。目前,针对快速傅里叶变换、元胞自动机等典型算法,验证了这种新型计算机的加速能力。     

基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

基于增量优化传递的正电子发射断层图像重建

将增量优化传递算法用于正电子发射断层图像重建中,得到一种新的最大后验概率图像重建算法,实验结果表明,相对于滤波反投影和最大似然期望值最大化算法,有序子集可分离的抛物面型替代函数算法和发射增量优化传递算法得到的图像归一化均方误差较小,且边界得到一定的保持.在迭代的初期,有序子集可分离的抛物面型替代函数算法收敛较快,误差小;当迭代到一定的次数时,发射增量优化传递算法误差小,且能够有效收敛,对发射扫描断层图像重建产生重要的影响.     

基于小波变换和凸集投影的数据恢复和建模算法

在过程控制中,当参数仅能以低采样率获得时,数据恢复就在建模中显得非常重要.本文提出了基于小波变换和凸集投影的数据恢复和建模算法.待恢复数据的先验知识采用凸集表达,并利用向凸集迭代投影(POCSProjection onto Convex     

基于嵌入理论和神经网络技术的混沌数据预测及其在股票市场中的应用

提出了一种将延迟 -嵌入定理与人工神经网络相结合预测混沌数据的基本方法 ,首先讨论了嵌入延迟时间和嵌入维的计算方法 ,并从信号处理的角度分析了相空间重构同预测的关系 ,并以此确定神经网络的输入层结构 ;最后应用于股票指数和价格的预测 ,结果表明这种方法对解决一类问题具有广阔的前景 .     

基于神经网络的Lyapunov指数谱的计算

利用 BP神经网络的非线性函数逼近能力 ,由实验观察数据列计算系统的 Lyapunov指数谱 .实例计算表明 ,此种方法精度较高且计算量较小 ,有重要的实际意义.     

厚管壁电容层析成像图像重建算法

探讨了适合厚管壁条件下的电容层析成像图像重建算法.针对厚管壁管道内几种不同流型,分别采用LBP算法、Landweber迭代算法和BP神经网络对8电极电容传感器进行成像重建计算.结果表明:在厚管壁情况下,LBP算法重建的图像质量很差;Landweber迭代算法在层流下的重建效果好于核心流和环状流;而BP神经网络算法可以有效重建管道内的介质分布,但对于没有训练到的任意流型,其重建效果不够理想.