一种同频非合作航天器通信信号的盲源分离算法

针对频谱混叠的同频非合作航天器通信信号分离问题,研究了盲源分离技术,提出一种以立方函数作为非线性函数的盲源分离改进算法。在介绍盲源分离模型的基础上,依据通信信号的亚高斯性,对快速独立分量分析(FastICA)算法的非线性函数作适应性改进,提升了算法的性能。选用8FSK、BPSK、QPSK和频谱混叠的通信信号与单音干扰信号进行混合,仿真并对比分析了4种应用不同非线性函数的FastICA算法。500次的仿真结果表明:应用立方函数的FastICA算法的分离成功率达到100%,平均迭代次数约为25,性能指数均值为0.115 7,具有更优的效能,可很好地解决非合作航天器通信信号的分离问题。     

基于三阶累积量的语音频域排序算法

在语音信号频域盲分离算法中,利用短时傅里叶变换将时域卷积变换到频域乘积,从而在每个子频段上进行复数瞬时分离,降低运算量,但这会导致分离结果出现次序和幅度上的不确定性。文章提出了一种改进的基于三阶累积量的频域排序算法,在每个子频段上计算信号的三阶累积量,比较其相关性来解决排序问题。仿真实验证明了该算法的可行性。     

无人机三维航迹规划的量子粒子群优化算法

针对传统的粒子群优化算法容易陷入局部最优解的问题,采用量子粒子群优化算法开展了无人机三维航迹规划。详细分析了固定翼无人机的飞行性能约束条件。为了减小算法计算复杂度,提高规划效率,对三维航迹规划问题的高度规划采用了直接设定策略,即,设置各个航路点的高度介于最大、最小飞行高度之间,从而将三维航路规划问题简化为二维航路规划问题。设计了收缩-扩张因子的线性增大调节策略、代价函数和航迹规划流程。分别采用量子粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所设计的量子粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

频谱混叠通信信号分离方法

在通信信号侦察中 ,由于接收到的多个信号频谱发生混叠 ,很难在频域上将其分离出来 ,而采用盲源分离技术可以有效地分离出发生频谱混叠的多个通信信号。理论分析和仿真结果表明具有良好的效果     

基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

基于循环平稳约束的盲信号提取算法

 特定信号提取是通信信号处理中的重要问题。在约束独立分量分析方法的基础上提出了基于循环平稳约束的盲信号提取算法。该算法利用通信信号固有的循环平稳特性作为约束条件,结合独立分量分析的学习过程,同时完成特定目标信号的分离和选取,避免了经典独立分量分析方法提取“无关”源信号的过程。仿真结果表明,相比传统ICA算法,本文算法能有效提取目标源信号且提高了目标源信号的估计精度。     

频域盲源分离的非圆信号推广

作为盲源分离（BSS）问题的最有效解决方法之一,独立分量分析（ICA）算法可以分为时域和频域算法两类.将时域盲源分离的快速算法推广到频域,通过在频域中应用非圆信号的伪协方差矩阵,推导出一个新的固定点算法来解决线性瞬时混合的非圆信号盲源分离（BNSS）问题.仿真实验验证了该算法的有效性.     

基于自回归高阶估计的盲信号提取算法

文章利用线性预测模型来描述信号的时序结构,提出了一种基于高阶统计量的自回归参数估计的盲信号提取算法。算法首先通过高阶累积量对AR模型中的加权参数进行估计,然后利用盲提取方法对混合信号进行抽取以达到混合信号的分离,比较了高阶累积量方法和二阶自相关分离算法在不含噪声和含高斯白噪声情况下的分离效果。最后通过仿真实验证实了算法的有效性。     

基于盲源分离的相参干扰研究

针对盲源分离抗主瓣干扰的问题,提出多目标雷达回波和多干扰样式的盲源分离模型,并基于快速独立分量分析算法仿真分析雷达目标回波与相参干扰的盲源分离效果,仿真结果表明:盲源分离能够实现干扰信号和雷达回波信号的分离,间歇采样类干扰在盲源分离后容易被鉴别,但是经过匹配滤波处理后难以鉴别区分;全脉冲存储假目标调制转发干扰具有与真实目标回波近似的运动特性和电磁散射特性难以进行鉴别区分。     

适用于通信信号盲源分离的 分离条件数学建模方法研究

针对使用盲源分离技术分离卫星通信信号的数学假设工程实施问题,重点对分离条件中的数学假设混合矩阵列满秩展开研究。根据最优化理论,提出了一种适用于通信信号盲源分离的分离条件数学建模方法。首先,介绍了盲源分离的分离模型与基本假设;其次,选择矩阵条件数来衡量混合矩阵的正定性,并结合阵列天线接收模型,以矩阵条件数为目标函数,建立最优化模型,寻找最优天线间距;最后,以两个信号源、两个接收天线为例进行仿真。仿真结果表明：所建立的优化模型可以有效找到最优天线间距,通过设计合适的天线间距可以有效满足混合矩阵列满秩条件。最优天线间距与载波频率成反比。该建模方法有效将抽象的数学假设转化为具体的天线间距设计,加强了盲源分离技术的可实施性,为大规模的盲源分离天线阵列设计提供技术支撑。     

基于密度聚类和lp范数最小化的空中微动群目标盲源分离技术研究

盲源分离(blind source separation, BSS)在语音信号的识别、生物医学信号的处理以及雷达信号的目标识别上具有重要的应用价值。为了解决空中微动群目标的欠定盲分离问题,提出了一种基于密度聚类和lp范数(0相似文献   

一种频域亚像元影像匹配方法

频域相位匹配方法可以分为空域Dirac Delta函数法和频域直接求解法两类,前者一般只能达到整数像元匹配精度,而后者可实现亚像元匹配精度,但算法复杂度高,匹配可靠性较前者低。基于其各自的特点,文章将上述两类方法有机结合,提出了一种可靠、高精度的优化相位匹配法。通过对不同的混叠量、信噪比影像进行匹配实验,验证了文章提出的匹配方法对混叠具有一定的抑制能力,对噪声有较强的鲁棒性。对于纹理丰富、存在少量混叠的影像匹配误差优于1/100个像元。     

考虑在轨运动可靠性的空间机械臂关节力矩优化方法

提出一种考虑在轨运动可靠性的冗余度空间机械臂关节力矩优化方法。首先将机械臂操作空间中点到点的转移任务从笛卡尔空间转换至关节空间,利用七次多项式插值法对各关节变量进行参数化处理,获得粒子群算法的优化控制参数;与传统路径规划方法不同,将机械臂各关节力矩的均值和最小作为粒子群算法优化求解的目标函数;依据该目标函数以及相应优化控制参数,利用粒子群算法对空间机械臂运行轨迹进行优化求解,得到机械臂关节力矩均值和最小的运行路径。仿真实验表明,相比传统路径规划方法及以关节力矩二范数为目标函数的关节力矩优化方法,在降低冗余度空间机械臂关节力矩均值方面,文中方法分别减小了33.57%和10.47%;在降低关节力矩最大值方面,分别减小了43.25%和6.19%。     

含引力辅助的小推力多任务探测轨道设计

针对深空探测时间长、成本高的特点,文中以多任务深空探测为背景,建立了包含多模型、多约束、多变量、多阶段的探测轨道设计模型。通过融合推力工作模式、分段设计目标函数等策略,克服了模型的内点约束限制,降低了优化模型的复杂度。为了提高优化速度、提升优化精度,结合梯度搜索和粒子群算法的特点,研究提出了一种梯度混合粒子群(GHPSO)算法。将该算法应用到多任务星探测轨道设计模型上,得到了发动机的工作时序,并横向对比了该文算法与传统粒子群算法(PSO)和遗传算法(GA)的优化性能。仿真结果表明,文中提出的算法搜索速度快,第1设计阶段GHPSO相对GA提高61.96%,相对PSO提高47.85%,第2设计阶段GHPSO相对GA提高61.87%,相对PSO提高43.66%;精度最高,第1设计阶段GHPSO相对GA平均精度提高了2.86%,最高精度提高了1.24%,相对PSO平均精度提高了4.19%,最高精度提高了3.97%,第2设计阶段GHPSO相对GA平均精度提高了3.33%,最高精度提高了1.63%,相对PSO平均精度提高了4.72%,最高精度提高了3.02%,适用于轨道优化设计类的非线性、多约束全局优化问题。     

基于PSO-VMD算法的生命探测方法研究

生命探测雷达在航空航天领域有着重要的应用,通过探测飞行员的呼吸、心跳、肢体动作等微弱信号,实现对飞行员的生命监测。针对实际场景中生命体微弱信号检测困难的问题,提出一种将包络熵作为粒子群算法适应度函数的变分模态分解（variational mode decomposition,VMD）参数优化算法。首先,利用粒子群算法对适应度函数进行选择,确定VMD算法中固有模态分量的分解层数以及惩罚因子个数的组合;其次,通过频谱分析选择特定层数的固有模态分量并重构雷达回波信号;最终达到去除噪声,提取生命体弱信号的目的。对比实验表明,所提出的方法相比经验模态分解算法能够更加准确地提取生命体信息,仿真结果验证了算法的有效性。     

一种提高BOC信号伪码相位测量精度的无模糊捕获算法

针对二进制偏移载波BOC调制信号捕获的模糊性问题,以及伪码相位捕获精度不足的问题,提出一种基于互相关函数重构和三次样条插值的BOC信号无模糊捕获算法。首先利用重构的互相关函数对BOC调制信号进行粗捕获,再通过三次样条插值法提高伪码相位的捕获精度。理论分析和实验验证表明,算法能够消除BOC调制信号的捕获模糊性,并将伪码相位测量精度提高72%。     

空间机器人动力学奇异回避的笛卡尔轨迹规划

针对空间机器人动力学奇异的回避问题，提出一种基于组合函数的笛卡尔轨迹规划方法。将梯形规划与正弦函数相结合，对机械臂末端的位姿进行参数化。机械臂沿着某一轨迹运动时，根据阻尼最小方差法(DLS)的特点，提出一种判断是否发生动力学奇异的方法，并据此进行轨迹规划。该方法可以保证空间机械臂运动过程中不会遇到动力学奇异。此外，将基座姿态扰动和机械臂运动时间作为目标函数的一部分，最终，轨迹规划问题转化为多目标优化问题，并利用混合整数规划的混沌粒子群优化算法(CPSO)进行求解。该优化算法能够改善标准粒子群算法(PSO)的“早熟”现象。仿真结果表明，新方法能够有效处理动力学奇异问题，减小基座姿态扰动及运动时间。     

欠定条件下的空间同频信号盲分离

当分离多个频域的混叠信号,尤其是遇到观测信号少于源信号时,传统的时频域信号处理方法出现困难。文章介绍了一种可以实现同频信号成功分离的方法——基于两阶段法的欠定盲信号分离法。该方法不需要源信号以及混合信道等先验知识,仅根据观测信号就能分离出混叠在一起的多个同频信号。仿真结果表明,该方法分离效果良好,实现了对空间同频信号的准确分离。     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。