一个特殊的矩阵空间

造了一个由k次幂零矩阵A生成的子空间,并讨论了该子空间的一些特殊性质。     

多载频MIMO雷达的幅相误差校正

建立了多载频（multi carrier frequency, MCF） MIMO雷达的幅相误差模型,并针对其发射和接收阵列的幅相误差耦合到一起的特点,提出了对信号预处理后等效阵列的联合幅相误差进行整体估计来实现误差校正的思想。针对单辅助信源的情况完成了两种误差估计方法：子空间拟合（subspace fitting, SF）法和最大似然（maximum likelihood, ML）法,子空间拟合法利用信号子空间与阵列流型张成空间的对应系列方程求解,而最大似然法利用似然函数最大来得到幅相误差。推导了幅相误差估计的Cramer Rao界（CRB）,并仿真分析了两种方法的估计性能与信噪比、快拍数的关系以及辅助信源的定位误差对估计性能的影响。     

融合多尺度特征和子空间注意力的黏膜下肿瘤检测

计算机辅助检测工具可以帮助医生减少在临床检查中漏检误检的情况，从而提高诊断准确度，同时减轻医生的劳动强度。针对超声胃肠镜检查中黏膜下肿瘤的定位与分类问题，提出了一种融合多尺度特征和子空间注意力的黏膜下肿瘤检测算法(MFSA-YOLOv7t)。首先，移除小目标预测头，在保证精度下使网络轻量化；然后，基于浅层特征提出多尺度特征融合模块，提取肿瘤细节信息；其次，改进上采样结构，在保留上层信息的同时增强感受野；最后，引入子空间位置注意力模块，捕获肿瘤的位置和边界特征，进一步提升黏膜下肿瘤的检测性能。实验表明，MFSA-YOLOv7t在平均精度均值、敏感度以及准确度上分别达到97.32%，96.99%和96.24%，相比YOLOv7-tiny算法检测性能有较大的提升，分别提高了2.39%，2.75%和2.59%。MFSA-YOLOv7t为医生在临床检查中的辅助诊断提供更加可靠的肿瘤类型参考，同时为黏膜下肿瘤的检测提供了一个新的思路和研究方向。