一种基于相位对消的转角估计新方法

逆合成孔径雷达成像中,为校正散射点越多普勒单元走动和方位向定标,需要对目标转角进行估计。在详细分析雷达目标回波相位特性的基础上,提出一种基于相位对消的转角估计方法。该算法通过对消回波的相位一次项后,对回波相位二次项系数进行估计,从而根据二次项系数与转角的关系获得转角估计值。同时,考虑到回波能量在成像平面的分布特点,采用加权最小二乘法对估计结果进行拟合。与现有方法相比较,新方法在稳健性和实时性上有较大改进。仿真数据和暗室数据的成像结果证明了该方法的有效性。     

仿青蛙跳跃机器人运动学研究

提出了仿青蛙跳跃机器人机构模型及运动学研究的方法。基于对青蛙运动的研究,提出了仿青蛙机器人单侧跳跃机构的分析模型,采用D-H法,建立了机器人起跳与腾空两个阶段,其前肢和后肢的运动学方程,进行了正、逆运动学研究。分析机器人四肢的运动空间,并通过实例计算,验证了研究结果和生物学实测结果相一致,从而证明了这一仿生跳跃机构模型的可行性和仿生机构运动研究方法的有效性。得出的结论将为仿青蛙跳跃机器人的设计及控制提供理论基础。     

一种分层电介质参数重构的新方法

针对分层媒质参数重构问题,提出了一种分层电介质参数重构的新方法,将矩阵束法成功地应用于分层电介质频域反射信号的分解,并利用矩阵束原理重构出分层电介质的参数。在重构过程中,分别考虑了不含噪声和含噪声两种情况。由于矩阵束法中采用最小二乘算法避免了迭代计算,与已有其它算法相比,具有更高的抗噪声性能、稳定性也更高。仿真结果表明,所提出的媒质重构新方法具有实时、高效等特点,为分层媒质参数重构提供了一条新的途径。     

基于扩展有效的逆DEA模型

为了克服决策单元在有效性的评价和排序方面占主导地位的缺陷,在扩展DEA模型的基础上,对于输出减少时的逆DEA问题进行了讨论.通过求解相应的多目标规划问题(VP),得到了多目标规划(VP)的Pareto弱有效解与评价减少了输出的决策单元的规划问题的最优值之间的一些相关性质.对于决策单元为弱DEA有效的情形,也进行了类似的讨论.最后用数值实例加以说明.     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

ISAR目标多普勒偏置效应分析与补偿

采用相位梯度自聚焦算法对非合作目标进行高分辨逆合成孔径雷达聚焦成像的处理过程中,回波多普勒偏置效应将严重影响后续转动补偿的效果,妨碍成像聚焦质量的提升。从相位梯度自聚焦算法的原理出发,阐释了多普勒偏置效应产生的原因。进而,分析了多普勒偏置效应对散射中心距离徙动补偿的影响。最后,提出了一种基于图像质量评价的多普勒偏置效应估计与补偿算法,并通过数值仿真分析和实测数据处理实验验证了本文分析结果的正确性。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

一类特殊矩阵的性质

归纳总结了一类特殊矩阵的逆及其行列式,并做推广,给出了其分块矩阵的逆和行列式.     

三类分块矩阵的群逆

设Cm×n为复数域上m×n阵的集合.如果A∈Cn×n,则称满足如下条件AXA=AXAX=XAX=XA的矩阵X为A的群逆,记为A#.它若存在则是唯一的.给出了一些特殊形式的分块矩阵群逆存在的充分必要条件及其具体表达式.     

基于Beta过程的高分辨ISAR成像

对于高信噪比、完整回波、目标平稳运动等理想观测环境,现有成像技术已经较为成熟,可以获得聚焦良好的高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像。但在实际中的方位回波缺损与低信噪比观测情况下,随机相位误差等因素会降低现有成像算法的性能甚至使其失效。本文首先建立了ISAR稀疏观测模型,并基于稀疏贝叶斯学习理论,通过引入Beta过程非参数先验构建层级概率模型,进而交替利用Gibbs采样及最大似然方法对ISAR像及随机相位误差进行估计。实验结果表明,所提方法在低信噪比、回波缺损等复杂观测环境下能够获得聚焦良好的ISAR图像。