基于线性约束最小方差的稳健波束形成算法

针对平面阵列天线波束形成过程中的波达方向(DOA)估计失配问题，提出在期望信号(SOI)方向附近增加线性约束的算法，有效提升了平面阵列波束形成的稳健性；此外，针对增加线性约束会导致波束形成算法自由度降低的问题，以均匀线阵为例，提出在广义旁瓣相消(GSC)算法模型中添加阻塞矩阵预选环节的算法，有效解决了添加线性约束所致的自由度损失问题，从而使算法在提升稳健性的同时保持了原有的自由度。最后，通过计算机仿真实验验证了所提算法的有效性。     

自适应对角线加载的波束形成算法

采样协方差矩阵求逆(SMI)的波束形成方法在少快拍数、高信噪比情况下波束形成性能下降。对角线加载技术能减弱了小特征值对应的噪声波束的影响,改善了方向图畸变,但是加载量的确定一直以来是一个比较困难的问题。文中提出了一种自适应对角线加载波束形成算法,根据阵列接收信号协方差矩阵的特征结构,自适应地加载对角线,进而提高波束形成的鲁棒性。仿真结果表明:该算法在高、中、低的信噪比下都具有较好的波束形成性能,且在少快拍数情况下仍具有较好的波束形成性能,是一种鲁棒的且性能优越的波束形成算法,而且该算法容易实现。     

基于频域LMS的自适应波束形成算法

在分析传统自适应波束形成的基础上,提出了一种基于频域最小均方(LMS)的自适应波束形成算法。该算法先对输入信号进行FFT变换,再通过LMS算法实现了频域上自适应波束形成。FFT变换后信号为稀疏矩阵,自相关下降,LMS算法收敛速度提高;理论分析和仿真结果表明了该算法收敛速度较快、性能较好,且计算量较少,易于实时实现,而且文章提出的波束形成算法对相干信源具有鲁棒性。     

基于酉变换的正交投影自适应波束形成

正交投影 (OP)自适应波束形成算法性能优良 ,但需要进行复协方差矩阵特征分解 ,运算量大。提出了一种基于酉变换的OP自适应波束形成算法 ,该算法对取样协方差矩阵Toeptitz化后利用酉变换将其转换为实矩阵 ,然后对实矩阵特征分解进行自适应波束形成。波束形成器的实值运算可节省大量计算时间。理论分析和计算机仿真结果表明此方法是有效的。     

改进PASTd算法在大型自适应阵中的应用

矩阵特征分解算法中紧缩近似投影子空间跟踪(PASTd)算法在自适应阵波束形成中得到了广泛应用.在对其仿真中发现仅在信噪比较低时该算法才能得到较好的结果.针对这一缺陷,正交近似投影子空间跟踪(OPAST)算法被引伸到PASTd中.改进算法可在不知道信号维数的情况下估算信号的特征向量与特征值,并保证特征向量的正交性,因此具有更好的收敛性能,而算法复杂度基本不变.改进算法与多重信号分类(MUSIC)算法相结合应用于大型自适应阵,可对主瓣及其附近区域的干扰进行抑制,并大大降低MUSIC算法的计算量,对其干扰零点的形成有很强实用价值.     

基于双层协方差矩阵重构的稳健波束形成算法

针对协方差矩阵含目标信号分量及目标导向矢量失配情况下，传统自适应波束形成器性能急剧下降的问题，提出了干扰加噪声协方差矩阵双层重构的稳健波束形成算法。首先，利用稀疏重构的方法预估干扰加噪声协方差矩阵，通过估计干扰导向矢量及干扰功率对干扰加噪声协方差矩阵进行优化校正；然后，基于子空间理论建立导向矢量约束误差优化模型，利用迭代方法对凸优化模型进行求解，得到最优权值向量。仿真结果表明:所提算法显著提高了波束形成器在目标导向矢量约束误差及阵列误差情况下的稳健性，低快拍条件下表现较好，输出性能优于仿真对比算法。      

MC-CDMA中的RLS-DRMTA算法

多载波码分多址(MC-CDMA)系统是将OFDM技术与CDMA技术结合起来的一种综合技术.MC-CDMA系统中同信道干扰仍然是影响系统性能的主要因素,这就需要使用智能天线来提高系统的性能.介绍一种适用于MC-CDMA系统的自适应阵的盲算法递推最小二乘解扩重扩多目标阵列(RLS-DRMTA)算法,利用扩频码的信息进行波束形成,不需要训练序列,节约了频谱资源;与LS-DRMTA算法相比,RLS-DRMTA算法节省了运算时间;另外仿真表明在正交频分复用(OFDM)解调后进行波束形成,提高了系统的性能;为了降低系统的复杂度,还用到了载波分组技术,但分组技术又会降低系统的性能,所以分组时考虑了系统性能和运算速度的折衷.仿真结果表明RLS-DRMTA算法能使方向图的主波束对准信号方向,而在干扰方向形成零陷,从而达到抑制干扰的目的.      

一种改进的数字式波束形成的快速自适应算法

提出了一种改进的数字式波束形成的快速自适应算法,即具有严格约束最小功率的抽样矩阵梯度算法(CSMG)。它综合了传统抽样矩阵梯度、算法和具有严格约束的最小功率自适应算法的优点。计算机模拟表明,此算法波束方向随约束角度而变,自适应调零能力较强,收敛速度也较快。     

自适应DBF与空间谱估计

讨论了自适应数字波束形成(DBF)技术和超分辨空间谱估计技术,并提出了一种基于信号协方差矩阵特征分解的时-空二维信号高分辨谱估计算法。以上技术应用于相控阵雷达系统,可以精确获得多个运动目标的方位信息和多普勒信息。文章最后给出了计算机模拟结果。     

一种改进的变步长LMS自适应算法在机载电子干扰机中的应用

对LMS自适应滤波算法进行了讨论,给出了一种改进的变步长LMS自适应算法,这种改进方法通过误差信号的自相关值调节自适应算法的步长,具有较好的抗干扰性能,且收敛速度快,稳态误差小。将其应用于电子干扰机的自适应收发隔离系统中,计算机仿真结果与理论分析一致,表明了该算法具有一定的可行性和优越性。     

全氟磺酸树脂中空纤维膜压缩空气除湿性能研究

利用全氟磺酸树脂制备了中空纤维膜，研究了其在真空模式和反吹模式下的压缩空气除湿性能。结果表明，全氟磺酸树脂中空纤维膜在两种工作模式下都具有良好的除湿性能，工作压力、进气流量、反吹比例、真空度会影响除湿性能。在工作压力0.4MPa、进气流量1L/min真空度5kPa时，产气露点可以达到-39.4℃。     

全氟磺酸树脂中空纤维膜压缩空气除湿性能研究

利用全氟磺酸树脂制备了中空纤维膜,研究了其在真空模式和反吹模式下的压缩空气除湿性能。结果表明,全氟磺酸树脂中空纤维膜在两种工作模式下都具有良好的除湿性能,工作压力、进气流量、反吹比例、真空度会影响除湿性能。在工作压力0.4MPa、进气流量1L/min真空度5kPa时,产气露点可以达到-39.4℃。     

一种新型高效多层绝热系统(GS—80多层绝热系统)的研制

研制出一种高效多层绝热系统(GS-80多层绝热系统)。该材料系以涤纶薄膜为基体,一面镀铝,作为反射屏。另一面涂以热导系数小的粒状无机物,作为屏间隔层。粒状间隔层对提高系统的绝热性能有良好的效果。这种材料除能用以绕制高效绝热系统外,还有强度高、重量轻(每平方米约14克左右)、厚度薄(每层约20-40微米)、耐振动、质地柔软,使用方便等优点。测量了用这种材料绕制成的多层绝热系统的热传递性能,并对得到的结果进行了分析。      

异构计算系统中独立任务调度的混合遗传算法

有效的任务调度是异构计算系统获取高性能的关键因素之一,由于任务调度问题是NP-困难的,为了获取尽可能好的解,文献中存在许多启发式调度算法.针对异构计算系统的独立任务调度问题,基于遗传算法和最小完成时间算法MCT(Minimum Completion Time),提出一种新的混合遗传算法,它采用遗传算法来进化任务调度的优先队列,然后再使用MCT算法把优先队列解码为一个有效的调度,与文献中其它算法进行比较表明,它不但能产生更好的调度结果,而且有很好的收敛速度.      

基于LM优化算法的神经网络在航空发动机转子故障诊断中的应用

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种改进BP算法:LM(Levenberg-Marquardt)优化算法和SCG(Scaled Conjugate Gradient)算法,应用这两种算法对航空发动机转子故障进行诊断研究,比较它们之间的研究结果,仿真和实验表明LM优化算法比SCG算法具有更高的准确度和较快的收敛速度,可行性更强。     

多传感器组合导航系统的改进多尺度滤波算法

多尺度滤波算法在多传感器组合导航系统中已得到成功应用，然而该算法用到多个时刻的量测向量，导致算法计算量过大，并影响系统的实时性。针对上述问题，首先利用分块技术与小波变换将时域内描述的系统原始状态方程转换为块状态方程，然后将实时得到的当前时刻的量测向量表达为块状态向量的形式，最后结合常规卡尔曼滤波技术与序贯滤波的思想，提出了一种改进的多传感器组合导航系统多尺度滤波方法。将该算法应用于GPS/SST/SINS多传感器组合导航系统，仿真结果验证了该算法不仅具有较好的实时性，而且相对于传统算法,系统的定位精度提高1倍以上。     

非线性回归支持向量机的SMO算法改进

为了解决非线性数据和非线性函数的回归问题,采用了支持向量机序列最小优化算法.原始序列最小优化（SMO,Sequential Minimal Optimization）算法存在训练速度慢和训练结果不稳定的缺点,为了能加快SMO算法的训练速度和提高训练结果稳定性,通过改进优化乘子更新方法、采用双阈值法、预存核函数、增加停机准则等方法对SMO算法做了改进.仿真实验表明,改进的算法能很好地对非线性数据和非线性函数进行回归,具有比原始SMO算法更快的训练速度和稳定的训练结果.      

前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.