一种多尺度稀疏极化敏感阵列及其DOA估计方法

针对单个电磁矢量传感器(SS-EMVS)的孔径受限和传统稀疏阵列无法提供目标极化信息的问题,结合分离式电磁矢量传感器和稀疏阵列,提出了一种由SS-EMVS组成的多尺度稀疏极化敏感阵列。该阵列的阵列单元为1个完整的分离式电磁矢量传感器,沿y轴分布,整个阵列按阵元间距分为2个均匀子阵,而且这2个阵元间距都可以大于入射信号的半波长,从而构造一个多尺度稀疏极化敏感阵列以得到目标波达方向(DOA)的高精度估计值。该阵列结合了SS-EMVS可降低阵元互耦和稀疏阵列可扩大阵列孔径的优点,提高了目标DOA估计精度的同时降低了阵元互耦,并且对噪声也具备较好的鲁棒性。而在算法上,首先利用矢量叉积算法得到目标方向余弦的低精度无模糊估计值;其次根据2个子阵的空域旋转不变性得到目标方向余弦的高精度模糊估计值,针对这些方向余弦的估计值提出了一种多尺度解模糊算法,可得到目标方向余弦的高精度无模糊估计值;最后经过运算得到目标的高精度DOA的估计结果。仿真结果证明了所提阵列和算法的有效性。该阵列可应用于某些空间受限的实际应用场合中,如安装在飞行器上的传感器阵列,从而发挥电磁矢量传感器的单天线多分量的特点,也可以与MIMO雷达进行结合,借助极化信息提高雷达系统的检测性能和目标二维DOA的估计精度。     

大规模平面阵列稀疏优化技术综述

针对当前星载相控阵宽频带、轻量化需求和天线阵列超密集布阵的特点,研究大规模平面稀疏天线阵列能够有效简化通道设计、降低散热难度,同时具有一定的副瓣抑制效果。首先介绍天线阵列稀疏优化技术的基本原理;其次综述几种常用的大规模平面阵列稀疏优化技术,包括确定性稀疏方法、随机性稀疏方法和混合稀疏优化方法;最后总结这几类阵列稀疏优化技术的优缺点,并展望其未来发展方向。     

三重混合范数的L型嵌套阵列二维角度估计

针对L型嵌套阵列二维角度估计问题，提出一种三重混合范数块稀疏重构算法。首先，建立一种俯仰角和方位角可分离的二维稀疏测向模型，将两个维度采样点分块，分别计算联合协方差矩阵，二维角度估计问题被转化为联合协方差矩阵稀疏优化问题；为减小计算复杂度，建立三重混合范数块稀疏重构模型，利用交叉迭代的方法得到稀疏解，实现了二维角度估计，并且可以自动配对。仿真试验表明，三重混合范数稀疏重构算法能够有效估计多个辐射源的二维角度，分辨率较高，并且具有一定的鲁棒性。与传统算法相比，在低信噪比和小快拍数的条件下，均优于传统二维角度估计算法。     

具有最低旁瓣电平和使用粒子群优化算法控制零陷的线性阵几何综合

描述了具有最低旁瓣电平和使用粒子群优化算法（PSO）控制零陷的线性阵几何综合方法。PSO是一种最新开发的高性能优化算法，它能解决一般的N维线性和非线性优化问题。与遗传算法和模拟退火等其他进化算法相比，PSO算法更易于理解和实现，并且要求最少的数学预处理。针对以旁瓣抑制（SLL）和／或在特定方向放置零陷为目标的优化问题，首先提出了阵列几何综合的公式，然后运用PSO算法来解决单元的位置优化问题。最后给出了3个PSO算法应用的设计实例，且每个实例中的优化目标都易于实现。通过与使用二次规划方法（QPM）获得的结果相比较，验证了PSO算法结果的有效性。     

基于可重构寄生阵列的封闭空间微波能量传输

针对航天器内部空间等封闭环境下电磁波的多径传播特性和阵列天线单元间的耦合效应,本文研究采用寄生阵列,通过控制寄生阵列单元负载的电抗实现高效率微波无线能量传输的方法。通过多端口微波网络建模,分析了寄生阵列天线方案相较于传统相控阵天线方案的能量传输性能和效率最大化机理。设计实现了基于射频开关切换的可调反射负载,并在此基础上形成了寄生阵列反射负载自动控制系统和传输效率优化程序。基于该系统和程序,在1m 边长立方体的金属边界封闭空间实验环境下,测试了不同单元数可重构寄生阵列无线能量传输的性能和快速优化方法。测量结果表明增加寄生天线单元数目能够显著提高能量传输效率,从而提供了可重构寄生阵列传能技术实用化的一种有效途径。     

一种基于遗传RBF神经网络的智能容错滤波算法

针对组合导航中标准卡尔曼滤波容错性能不足的问题,提出一种基于遗传RBF神经网络的智能容错滤波算法,其基本思想是通过RBF网络自动调节滤波增益来控制不确定性噪声的影响,进而提高滤波容错性。在RBF神经网络中,隐层单元与核函数宽度的选取对网络的性能具有重要影响,进而利用自适应遗传算法对其隐层单元数及核函数宽度进行了优化,隐层单元中心和输出层连接权值分别由K-均值聚类和最小二乘算法确定,最后得到精度较高且结构优化的RBF网络。为检验方法的应用效果,以SINS/GPS组合导航系统为例进行了仿真验证,实验结果表明遗传RBF网络容错滤波算法能在满足导航精度和计算量增加较小的前提下,比标准卡尔曼滤波具有更强的容错能力,由此也说明了方法的有效性。     

基于差分进化算法的异构型分布式阵列优化

分布式阵列在突破了传统布阵环境限制的同时,还具有较高的增益,使其在实际工程中获得了广泛的应用。针对分布式阵列方向图存在较高的旁瓣问题,结合阵列性能约束和阵列位置约束,建立二维异构型分布式阵列优化模型,通过差分进化算法对子阵分布位置进行优化。并从变异策略、选择策略和控制参数三个方面对传统的差分进化算法进行改进。仿真分析结果表明,该方法能够有效抑制分布式阵列的峰值旁瓣电平,相比传统的差分进化算法,该算法全局收敛能力更强、收敛速度更快。     

团队进步算法与遗传算法和粒子群算法进行天线阵综合的比较

团队进步算法（TPA）是近期由研究者提出的一种新型优化算法,具有与传统优化算法不同的寻优机制。函数测试结果表明,该算法是一种能够兼顾避免早熟收敛和计算速度的有效的优化算法。文章将团队进步算法、遗传算法和粒子群算法应用于阵列天线方向图综合,给定阵列天线合适的设计要求,用Matlab编制程序对阵列天线进行了优化计算。通过对三种优化算法的综合结果比较,表明新算法在应用于较复杂的阵列天线方面以及在优化性能方面的优越性,显示了新算法在天线设计中的广泛应用前景。     

一种用于星载多波束相控阵的稀疏阵列

现有的技术较难满足星载多波束相控阵天线射频前端的通道间距，已有的研究工作大量集中在提高射频电路和芯片的集成度，提出采用稀疏布阵的方式来增加天线单元的平均间距，从而缓解现有技术条件下的高密度集成难题。设计了Ka频段八波束相控阵天线的稀疏布阵阵面，首先采用遗传算法优化设计64元稀疏子阵，子阵增益在±60°扫描范围内大于18.6 dB，该子阵沿4个象限镜像对称，便于高效设计将不规则分布的天线单元端口与规则排布的R组件端口进行互连的带状线转接板，然后随机旋转、平移36个子阵拼接成全阵，在一定程度上打乱子阵分布均匀性，以起到栅瓣抑制的作用。该方法具有简单、高效、快捷的优点，稀疏阵列的设计结果基本能满足工程应用需求，适用于星载多波束相控阵。     

一种宽带高增益全向赋形测控天线的设计与实现

为满足无人机地面测控站在单天线工作模式下实现遥控、遥测链路的远距离、大仰角跨度的全方位通信,设计了一种宽带高增益全向波束赋形阵列天线。天线采用宽带印刷偶极子单元组成4元共轴线阵,通过并联耦合馈电的方式在28.9%的相对工作带宽内增益大于6 dB,同时采用遗传优化算法在1.65 GHz～1.75 GHz频带内进行俯仰波束赋形,使得第一零点增益≥–8 dB,从而实现宽角域的链路覆盖。     

基于变对角加载的RCB算法

稳健的Capon波束形成(RCB)算法确定的加载量与设定的导向矢量误差范围成正比,在导向矢量误差比较小时,加载量也比较小,这时对小快拍的稳健性就很差。为了改善RCB算法在小快拍时的性能,提出一种基于变对角加载的RCB算法,利用估计的协方差矩阵误差对采样协方差矩阵进行修正,用修正后的协方差矩阵代替原协方差矩阵代入到RCB算法的权向量求解过程中,这样可以根据导向矢量误差和协方差矩阵误差动态调整加载量,在不增加计算复杂度的基础上,可以获得比RCB算法更好的稳健性。计算机仿真验证了算法的有效性。     

考虑负载均衡的过驱动航天器推力器分配方法

以过驱动航天器的推力器控制分配误差最小、推力器负载均衡等为设计目标,构建航天器推力分配混合优化模型,并将其转化为线性规划模型进行求解,提出了一种考虑负载均衡的航天器推力器动态分配算法。该算法在确保分配误差最小前提下,能够降低各推力器的最大分配推力之差,有效均衡各推力器总工作时长和开关次数,进而延长推进系统的整体工作寿命。进一步定义了表征负载均衡性能的推力平衡度和干扰敏感度性能指标,并在此基础上给出了一种分配算法负载均能能力的定量化评价方法。在仿真验证中,采用平衡度和敏感度对算法性能进行定量评估,结果表明该方法在保证控制性能和控制分配误差的前提下,能够有效均衡各推力器最大推力,提高了系统的平衡度和对扰动力矩的鲁棒性。     

利用姿态机动的绳系卫星编队系统轨道协同控制

为克服绳系卫星编队系统在轨道机动过程中的系绳摆动现象，提出一种通过调整领航星推力方向进而实现编队系统轨道跟踪的控制算法。由于推力方向角与状态量互相耦合且少于系统自由度个数，轨道协同控制属于典型的非仿射欠驱动控制问题。针对此问题，首先采用升阶法将角速度作为虚拟控制输入；然后为各子系统设计子滑模面后加权得到高层滑模面和等效控制输入律，并设计观测器估计系统非线性项；其次基于模型预测控制算法优化得到最高层滑模面的趋近控制律；最后采用MATLAB/Simulink验证了所提控制算法的有效性。     

一种小天体表面阴影区的鲁棒匹配算法

鉴于软着陆小天体过程中自主光学导航的状态估计问题,提出了一种针对小天体表面阴影区的提取与鲁棒匹配算法。首先,提取出阴影区中相对稳定的区域;然后,对提取出的阴影区域进行仿射归一化;最后,对仿射归一化后的阴影区域用多角度尺度不变特征变换（Multiple Angles Sift,MA-SIFT）描述子进行特征提取,并进行匹配与错匹配去除。在试验中,本文算法与SIFT算法进行了对比,结果表明,当图像间出现较大的视角变化时,利用本文算法能得到较高的正确匹配率。     

一种地球紫外中心快速提取方法

针对地球紫外中心指向高精度提取问题,提出一种基于梯度统计的快速、低存储需求的紫外地平圆盘中心提取算法。首先,考虑到星载计算机与高内存消耗的滤波算法、实时导航需求的冲突,采用结合Sobel边缘算子与局部二值模式（LBP）算子的改进边缘快速提取方法,有效剔除背景噪声并准确提取地球紫外临边特征。然后对非完整临边边缘采用最小二乘拟合得到中心的精确位置。实验结果表明,该方法抗噪声,可实现亚像素级地球中心提取,并显著降低存储需求和计算时间开销。对于1046×746的图像,该算法需要的存储空间仅为1100kByte,运算时间在20ms内,满足自主导航的需求。     

水平集方法中速度停止项的改进

针对传统水平集算法只对含有加性噪声的图像有较好处理结果的缺点,对水平集函数的速度停止项进行了改进。首先,改进后的速度停止项可以通过自适应滤波来消除乘性噪声对水平集函数演化的影响;其次,提出了一种估计图像平滑区域的方法,以使水平集可以更准确的分割出图像中的目标;最后,再将该速度停止项带入到水平集演化方程中,对图像进行演化运算。实验结果表明,该方法能够在抑制乘性噪声的同时较好的对图像进行分割。     

基于联合参数建模的雷达辐射源识别方法

针对现代雷达采用复杂体制造成的不能正确识别辐射源问题,提出一种基于联合参数建模的雷达辐射源识别方法。该算法首先对辐射源进行脉冲等级和统计参数等级的联合建模,然后将联合参数模型用于识别过程中,基于特征参数的不同描述模型构建不同的识别算法,其中特征参数的联合建模思想是本方法的核心。仿真实验表明,本文方法能够实现对复杂体制雷达辐射源的建模和识别。     

量子超球神经网络在振动故障检测中的应用

提出了一种基于量子超球神经网络的液体火箭发动机振动故障检测方法,采用可变量子超球代表发动机工作模式,自然地提供了反映故障程度的概率幅;网络的离线学习算法可以从训练样本中自动提取发动机振动知识,监测算法不仅能正确预报故障,还能在线学习新的振动信息。试验数据检验结果表明：量子超球神经网络可以成功用于液体火箭发动机振动故障检测。     

最优频移小波包变换窄带干扰抑制方法研究

针对频移小波包变换不能抑制多音干扰的问题,提出了基于遗传算法最优频移小波包变换的窄带干扰抑制方法。采用遗传算法进行频移和分解层数的最优选择,并采用奇偶判断的方法进行自适应小波包分解。仿真结果表明,该方法能够有效抑制窄带干扰。     

一种基于可操纵金字塔的鲁棒图像匹配算法

图像匹配是计算机视觉和图像处理领域中一个比较活跃的研究课题。针对离散小波变换对于图像平移和旋转的敏感性，提出了一种基于可操纵金字塔的图像匹配算法。算法考虑的是图像之间存在平移和旋转变换的情况。首先，变换的近似旋转角在图像分解的最底层采用环映射算法得到，然后在图像分解的其余层提取兴趣点作为匹配特征，并使用Hausdom距离来度量参考图像和待匹配图像之间的相似性，依次得到由粗到细的匹配结果。实验表明该算法具有较高的匹配精度和较强的鲁棒性。