基于弹性网稀疏编码的空间目标识别

 传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外,l₁范数约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征,而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典,再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量,最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l₁范数稀疏编码的特征袋模型相比,该模型有较好的识别性能,并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

基于改进Split Bregman的电容层析成像滑油监测研究

针对电容层析成像（Electrical capacitance tomography,ECT）技术应用于滑油系统磨粒在线监测时,其图像重建过程中存在的不适定性问题,提出了一种基于迭代p阈值函数的Split Bregman（SB）图像重建算法。首先,建立基于SB算法的ECT图像重建模型。其次,建立基于L_p范数的SB模型。最后,为更方便求解L_p范数的阈值迭代形式,引入了p阈值函数。通过灵活选取p值,提高了SB算法的精度和适用性。仿真实验结果表明,与Landweber,Tikhonov正则化和SB算法相比,改进SB算法图像误差降低了约30%,相关系数高达0.96,成像速度与Landweber成像速度相近。实验结果表明,改进SB算法能够胜任滑油系统磨粒监测任务,并提高了成像质量。     

双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

一种孔径和频率二维稀疏的步进频SAR成像方法

 步进频率信号(SFWs)在不增加雷达系统瞬时带宽的情况下能够获得高的距离向分辨率的同时,也存在着抗干扰能力较差及其等效重复频率较低的问题,并且在方位向积累时间内由于雷达载机工作状态的变化,会导致方位向的数据录取不完整。针对上述问题,提出一种孔径和频率二维稀疏的步进频合成孔径雷达(SAR)成像方法。首先,分析了稀疏步进频率信号(SSFWs)的SAR成像模型,然后基于压缩感知理论完成距离向成像处理。其次,针对稀疏孔径的回波数据,通过构造成像算子和压缩感知重建模型的方法实现其距离徙动校正和方位压缩处理,进而获得二维成像结果。相比于传统的步进频率信号SAR成像,利用所提方法能够在少量的频率资源和雷达回波数据情况下实现准确的SAR成像。最后,通过对仿真和实测的步进频率雷达数据进行成像处理,验证了所提方法的有效性和可行性。     

基于实波束扫描的相控阵雷达前视成像

实现机载或弹载雷达正前方目标区域高分辨力成像对提高着陆安全性或制导精度有着重要的意义,基于相控阵雷达(PAR)工作原理,建立前视扫描过程中的回波信号模型,对目前广泛研究的解卷积前视成像方法进行了深入分析,指出其未能有效提高方位分辨力的原因,并在此基础上提出了一种基于压缩感知理论的扫描雷达前视成像方法。该方法通过对大时宽带宽积信号的脉冲压缩获得径向高分辨,并基于场景中的强散射中心分布具有稀疏性(可压缩)这一事实,利用压缩感知最优化方法获得高的方位分辨力,仿真结果证明了所提方法的有效性,分析了基于压缩感知前视成像方法的性能。该方法同样适用于机械扫描雷达的前视成像。     

迭代收缩阈值雷达前视成像方法

针对机载多通道雷达的扫描前视成像问题,研究了利用迭代收缩阈值算法实现单个通道前视成像的方法,在此基础上提出一种扩展的多通道迭代收缩阈值算法来解决多通道前视成像问题,在理论上证明其收敛性,并给出加快收敛速度的方法。该算法首先通过对各个通道的加权叠加,获得多通道雷达最小均方误差意义下的最优解;然后利用目标的稀疏表示,获得最优解在相应稀疏约束下的稀疏解。理论分析和仿真实验表明,相对于现有扫描雷达前视成像方法,所提方法在算法稳定性、场景复原能力和噪声抑制能力等方面具有明显的优势。     

稀疏孔径ISAR机动目标成像与相位补偿方法

现代逆合成孔径雷达(ISAR)可实现多模式下对多目标的交替测量工作,但波束切换使得任一目标的方位孔径具有稀疏性,同时目标的机动性也使得目标的方位维信号具有高次调制特性,这均导致以连续采样信号模型为基础的传统ISAR运动补偿和成像方法难以直接应用。本文提出一种新的稀疏孔径(SA)ISAR机动目标相位补偿和成像方法。该方法首先建立了稀疏孔径ISAR机动目标的信号模型,然后通过求解2范数最大化的优化函数,实现对相位误差的精确估计,并且通过迭代处理提高了相位误差的估计精度。相位误差补偿后,根据压缩感知理论,构造了机动目标情况下的Chirp-Fourier字典,通过对稀疏优化问题的求解,能够较精确地从稀疏孔径信号中重构出机动目标的全孔径(FA)信号。仿真和实测数据处理结果证明了本文方法的有效性。     

基于RIPless理论的层析SAR成像航迹分布优化方法

层析合成孔径雷达成像(TomoSAR)是通过同一观测区域不同入射角的多幅二维合成孔径雷达(SAR)图像在高程向进行孔径合成,从而实现三维成像。近年来,压缩感知(CS)被用于高程向稀疏场景的重建,高程向重建质量取决于观测矩阵的性质,而航迹分布是影响观测矩阵重构性能的重要因素。相比于度量观测矩阵重构性能的其他约束条件,RIPless理论具有有效、直观和计算简单等优点。提出了一种基于RIPless理论的压缩感知层析SAR成像航迹分布优化准则,从而在航迹数目一定的情况下,获取最优分布以实现高程向优化重建。最后,通过仿真和实验验证了所提优化准则的有效性。     

基于压缩感知的多级风扇周向声模态重构

基于风扇单音噪声周向声模态在叶片通过频率下稀疏的特性,研究压缩感知方法在多级风扇周向主导声模态识别和幅值重构中的应用。开展多级风扇试验器的声场测量试验,利用压缩感知方法对管道周向声模态进行准确识别与分解。建立声模态重构的压缩感知模型,实现少数传声器对主导声模态的阶数识别和幅值精确重构,同时研究传声器数量和布局策略对重构精度的影响。试验结果表明:对于确定声场,当压缩感知常量C大于3.6时,随机布局的传声器有90%以上的概率可以以较高精度重构主导声模态幅值;建立压缩感知模型观测矩阵时应避免传声器的均匀和近似均匀布局,均匀布局的感知模型难以精准重构声模态。      

Method for denoising and reconstructing radar HRRP using modified sparse auto-encoder

A high resolution range profile (HRRP) is a summation vector of the sub-echoes of the target scattering points acquired by a wide-band radar. Generally, HRRPs obtained in a non-cooperative complex electromagnetic environment are contaminated by strong noise. Effective pre-processing of the HRRP data can greatly improve the accuracy of target recognition. In this paper, a denoising and reconstruction method for HRRP is proposed based on a Modified Sparse Auto-Encoder, which is a representative non-linear model. To better reconstruct the HRRP, a sparse constraint is added to the proposed model and the sparse coefficient is calculated based on the intrinsic dimension of HRRP. The denoising of the HRRP is performed by adding random noise to the input HRRP data during the training process and fine-tuning the weight matrix through singular-value decomposition. The results of simulations showed that the proposed method can both reconstruct the signal with fidelity and suppress noise effectively, significantly outperforming other methods, especially in low Signal-to-Noise Ratio conditions.     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

基于最大相关雷尼熵与相空间重构的航空发动机复合故障信号特征提取方法

针对低信噪比（SNR）,复杂噪声工况下,复合故障信号特征难以提取的问题。提出基于相空间重构融入最大相关雷尼熵解卷积的信号特征提取方法,该方法以雷尼熵为敏感特征范数,以最大相关雷尼熵解卷积为基本方法,并在其中融入具有噪声抑制特性和分解特性的相空间重构技术。结果表明：雷尼熵与峭度相比,在故障灵敏度相当并略好的情况下,对偶发噪声敏感度仅为峭度的18.4%。通过仿真验证,实验数据验证以及台架实验验证,证明了本文方法与现有的对比方法相比,在提取复合故障信号特征方面具有优势。     

高信噪比、高分辨宽测绘带成像

针对传统高分辨和宽测绘带以及高信噪比和宽测绘带之间的矛盾,提出一种基于脉内扫描面阵合成孔径雷达(SAR)系统的二维空域联合处理算法实现高信噪比、高分辨宽测绘带成像。文中首先建立脉内扫描面阵SAR系统模型,该系统采用低脉冲重复频率(PRF)获得宽测绘带信息,同时利用脉内扫描方式获得高信噪比的回波信号。对于低PRF采样宽多普勒谱(对应方位高分辨)引起的多普勒模糊以及脉内扫描引起的距离模糊,提出一种二维空域联合处理算法解距离和多普勒模糊,并且详细地分析了地形高度变化对解模糊算法的影响。最后,通过仿真实验验证了本文算法的有效性。     

基于模型拼接技术的四旋翼无人机全飞行包线建模

四旋翼无人机在军事和民用领域都有广泛的应用前景。然而，四旋翼无人机具有机载传感器准确性低与可靠性差、不同飞行条件下动力学模型差异大等特点。本文以四旋翼无人机为研究对象，系统地开展了飞行路径重构、频率域系统辨识、全飞行包线建模的相关研究工作。针对机载低成本传感器存在显著常值偏差与量测噪声统计学特性未知的缺点，采用基于EKF的飞行路径重构技术对在飞行试验中无人机的机体空速进行重构；针对不同飞行速度下四旋翼无人机动力学模型差异大的特点，采用频域法辨识得到不同飞行条件下的本体动力学模型；针对四旋翼无人机大跨域的高精度控制需求，利用模型拼接技术，系统性地提出了全飞行包线建模方案，经过验证，所提出模型拼接技术是准确可靠的。     

基于提前停止判决的编码软信息辅助载波同步

 针对目前编码辅助载波同步算法中复杂度较高、延时大的问题,提出了引入辅助停止判决机制的编码辅助载波同步算法。在现有的编码辅助载波同步结构基础上,该算法能对环路信噪比(SNR)进行实时判定,在环路SNR满足限定条件后提前停止编码辅助载波同步迭代,而不影响译码性能。采用新的相位估计方式估计含相位噪声的载波相位,提升了该条件下的环路信噪比。仿真采用码率为1/2的低密度奇偶校验(LDPC)码作为编码方式,结果表明:在误码率为10^-5时,该算法减少了约50%的编码辅助载波同步迭代次数;在含相位噪声的信号条件下,与理想解调译码相比,性能损失不超过0.15 dB。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

高可靠小条件数压缩感知叶尖定时信号辨识

为增强基于任意角度压缩感知(CS)叶尖定时信号(BTT)重构的稳定性,采用小生境微种群遗传算法提出了基于小条件数的高稳定性传感器安装布置方法。研究发现:任意角度CS的恢复矩阵条件数越小,不同信噪比下同步和非同步振动信号重构误差越趋于稳定在较低范围,优化后发现条件数为1的排布方案下,相邻传感器角度间隔趋向于均布2m取K的形式。利用条件数为1的矩阵冗余特性,设计了高可靠性的传感器排布方案,数值试验和有限元仿真验证表明叶尖定时系统在失效一个传感器的情况下仍可稳定得到准确的重构结果。在信噪比为5 dB时,冗余排布相比参考排布的主倍频幅值重构误差降低4.4%以上,验证了采用最小条件数排布的任意角度CS信号辨识方法在噪声及传感器失效情况下仍可保证BTT测量结果的有效性和可靠性。      

一种变信噪比条件下的恒虚警野值检测方法

野值检测又称异常值检测,是模式识别、机器智能和知识发现等领域经常面临的一个问题。当出现环境失配,数据信噪比（SNR）发生变化时,测试样本和训练样本所含噪声会有不同方差,以往的野值检测方法在虚警控制方面将会失效。针对这一问题,提出一种基于归一化残差（NR）的野值检测方法。该方法首先根据所需虚警概率和噪声方差变化情况确定野值检测门限,其次基于训练样本计算待考查模式的NR值,再比较NR值与检测门限的相对大小,从而判断待考查模式是否为野值。这一方法所依赖的检测门限对所需虚警率和噪声方差变化具有适应能力,因此可以在变信噪比条件下实现恒虚警（CFAR）野值检测。仿真实验验证了所提方法在虚警控制和野值检测方面的优越性能。