基于远场模式的散射体形状成像

对线性抽样法的电磁场逆散射求解进行了研究。为避免迭代和优化法的正问题求解，用积分算子将散射物边界数据映射到散射场的远场模式，针对第一类积分方程的不适定性，用Tikhonov正则化法求解，并用高阶收敛算法确定正则化参数以快速数值实现。数值计算结果表明：线性抽样法＋确定正则化参数的高阶收敛算法可较好地滤除噪声，减少了确定正则化参数的计算量。     

地球物理导航中位场下延的迭代正则化方法研究

地磁、重力数据下延是制备地球物理导航基准图的重要内容,而它通常是一个不适定问题,采用常规代数方法求解并不奏效;对此,结合航空地球物理测量和地球物理导航的特点,研究了迭代正则化方法(包括迭代Tikhonov法、Landweber迭代法和截断奇异值分解(TSVD)法)在位场下延中的应用.首先给出了位场下延和迭代正则化的基本理论,然后采用理论位场模型验证了迭代正则化方法在位场下延中的应用可行性,最后分析了迭代正则化方法的下延精度、计算时间和边界效应等性能.由分析结果可知,迭代Tikhonov方法具有最好的综合下延性能,应优先在实际的位场下延中使用.     

基于张量子空间的信号参数估计算法

针对低信噪比条件下多通道信号特征参数估计问题,提出了两种基于张量子空间的信号参数估计算法,分别是基于矩阵堆叠的张量分解算法和基于张量矩阵因子的联合算法。通过研究参数化信号模型、信号子空间旋转不变性和张量范德蒙分解原理,分析了多通道数据的三维张量数据模型的构建;矩阵堆叠的张量分解算法验证了张量高阶奇异值分解是矩阵奇异值分解的推广,矩阵因子联合算法进一步提高了低信噪比条件下的信号参数估计精度。仿真以信号频率和初相位的估计精度为衡量指标,验证了低信噪比的条件下,张量子空间信号参数估计算法要优于传统的矩阵子空间信号参数估计算法。
     

基于压缩感知的高分辨DOA估计

研究基于压缩感知的多目标DOA估计问题.利用空间目标空域的稀疏性,提出一种新的DOA压缩感知模型,其感知矩阵满足约束等容(RIP)条件.提出一种基于奇异值分解的多测量矢量欠定系统正则化聚焦求解(SVD-RMFOCUSS)算法.该算法在一定程度上克服了压缩感知重构算法无法用于低信噪比情况缺陷,且具有较低的运算复杂度.计算机仿真表明该算法性能优于传统DOA估计算法,能够对任意相关性的信号进行有效DOA估计,具有更高的角度分辨力及估计精度.     

基于HOSVD局部重组的利噪抑噪经验模式分解及应用

及时准确地识别航天机构萌生和发展的损伤故障特征信息,可为机构故障诊断评估、科学任务调整以及未来在轨维修提供科学决策依据。集成噪声重构经验模式分解(ENEMD)及其衍生方法都是基于噪声利用机制以原信号中估计噪声改善模式混淆并实现信号降噪。然而,该方法中奇异值拐点难以获取、阈值处理中噪声不连续等带来的噪声估计偏差,将降低微弱特征提取准确性。为此,提出一种基于高阶奇异值分解(HOSVD)局部重组的噪声估计技术。研究基于滑动窗截断和Hankel矩阵相结合的张量构建,然后将奇异值曲率谱上的最大峰值点作为合理奇异阶,最后根据选取的奇异阶重构张量分解模型得到所需的估计噪声分量。在此基础上,将HOSVD局部重组引入ENEMD方法中,提出利噪抑噪经验模式分解方法。该方法可进一步提高微弱噪声估计精确度,实现对航天机构损伤微弱特征的增强提取。仿真分析和某航天轴承试验案例验证了该方法在损伤微弱特征提取和识别上具有实用性与有效性。     

模型的稀疏选择与参数辨识及应用

基于正则化技术的稀疏成分分析方法可同时完成模型选择和参数估计功能。现分别从迭代算法的设计和对应岭估计的构造两方面切入,研究正则化函数的选取及特点,并深入分析其模型参数辨识的机理,说明正则化参数与广义岭估计的最佳岭参数的耦合性。该方法可操作性强,可保证参数迭代的收敛性,对于正则化函数的构造和参数估计的统计特性分析均有规则可循。缺项多项式和制导工具误差系数求解的数值例子表明,该方法具有有效的一体化模型选择和参数估计功能。     

一种星模式识别算法的稳健性研究

研究了一种基于奇异值分解的星模式识别算法的稳健性。首先简述了研究星模式识别算法的必要性和现有的星模式识别算法。从数学原理上证明了本文算法进行模式识别所用的矩阵的奇异值相对于坐标变换是不变的。从物理意义上给出了稳健的解释。仿真试验选取了四种有代表性的情况进行了研究。结果证实该算法所用的特征不变量是稳健的。结论部分分析了该算法的优缺点。最后给出了待研究的问题。     

一种改进阻尼倒数的空间机器人避奇异算法

针对自由漂浮空间机器人运动规划过程中存在的动力学奇异问题,提出一种动力学奇异转化加改进阻尼倒数的奇异回避算法。首先,通过运动学分解,间接求解机器人逆运动学方程,避免直接求解逆广义雅可比矩阵,以实现奇异参数的分离;然后,采用改进的高斯分布阻尼因子的阻尼倒数代替奇异参数的普通倒数,回避运动学奇异的影响。与现有阻尼倒数方法相比,提高了算法在奇异点附近的连续性,进一步减小了算法带来的跟踪误差。在PUMA类型空间机器人模型上进行仿真试验,校验算法的有效性。     

一种最大压缩误差可控的高光谱图像压缩算法

提出了一种可以实时控制压缩误差的高光谱图像有损压缩算法。该算法对高光谱 图像矩阵进行奇异值分解得到奇异值矩阵和奇异向量矩阵;用部分奇异值及其对应的奇异向 量重构图像;根据测量系统精度要求确定量化因子并对重构图像与原始图像间的光谱误差进 行量化;采用预测编码和算术编码对用于图像重构的奇异值及其对应奇异向量进行无损压缩 ;设计了非零值编码算法完成对重构误差的无损压缩。对Luna Lake和Low Altitude图像的 仿真结果为：最大相对误差分别控制在0.44％和0.33％时,压缩比为41.5:1和24.6:1, 信噪比为 50.4 dB 和47.8 dB。
     

基于半参数建模的弹道目标实时滤波

设计弹道目标的实时跟踪滤波器时,精确的动态建模和测量系统误差自校准是提高滤波精度的重要手段。基于补偿最小二乘原理和Tikhonov正则化定理,将难于参数化的复杂运动成分和测量系统误差表示为非参数分量,建立了基于半参数化建模的弹道递推模型和实时滤波算法,并详细设计了半参数建模时所需的光滑因子、正则化矩阵和窗口宽度等建模参数的在线选取方法。仿真实验和实际数据的计算结果表明,非参数成分可以有效地补偿状态模型误差,且可在线校准测量系统误差,显著改善弹道估计精度。算法已初步应用于实际飞行任务,其中的递推建模方法和参数选择策略对其它实时滤波器的设计同样有参考价值。