基于稀疏核增量超限学习机的机载设备在线状态预测

为实现对机载设备工作状态的在线状态预测,提出了一种稀疏核增量超限学习机(ELM)算法。针对核在线学习中核矩阵膨胀问题,基于瞬时信息测量提出了一个融合构造与修剪策略的两步稀疏化方法。通过在构造阶段最小化字典冗余,在修剪阶段最大化字典元素的瞬时条件自信息量,选择一个具有固定记忆规模的稀疏字典。针对基于核的增量超限学习机核权重更新问题,提出改进的减样学习算法,其可以实现字典中任一个核函数删除后剩余核函数Gram矩阵的逆矩阵的前向递推更新。通过对某型飞机发动机的状态预测,在预测数据长度等于20的条件下,本文提出的算法将预测的整体平均误差率下降到2.18%,相比于3种流形的核超限学习机在线算法,预测精度分别提升了0.72%、0.14%和0.13%。     

电路测试响应信号的GP-KSVD稀疏重构算法

电路系统测试响应信号具有周期性强、分布较稀疏的特点,针对电路系统测试响应信号的压缩重构问题进行了研究,提出了基于梯度方向追踪的K奇异值分解(GPKSVD)稀疏重构算法。结合单一响应信号以及混合信号其自身特点进行字典训练,利用更新后字典对含噪信号进行梯度追踪稀疏表征,通过对含噪信号的重构,实现了去噪的目的,算法计算复杂度低,储存量小,具有较好的重构效果。仿真中将GP-KSVD表征与使用随机字典、离散余弦字典(DCT)的表征进行比较,从信噪比(SNR)以及相对均方误差(RMSE)2项指标中得出使用KSVD字典具有更好的重构去噪效果;此外将GP-KSVD稀疏重构算法与正交匹配追踪正交匹配追踪(OMP)-KSVD、预处理共轭梯度追踪(PCGP)算法进行比较,得出GP-KSVD的计算时间最短、重构精度更高的结论,并且进行了实测验证。算法可用来对测试响应信号进行预处理,为电路系统设备性能的评估分析提供了理论依据。     

基于稀疏表示和字典学习的地磁基准图构建方法

地磁匹配导航在导航制导领域具有重要作用，地磁基准图的构建精度决定了地磁匹配导航的有效性。针对现有地磁基准图构建精度难以满足实际应用需求的问题，提出了基于稀疏表示和字典学习的高精度地磁基准图构建方法。首先，利用矩谐分析(RHA)进行稀疏字典的初始化；其次，利用K-SVD算法对稀疏字典进行训练；最后，利用低分辨率和高分辨率基准图具有相同稀疏系数的特点重建高分辨率地磁基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，对训练所需的数据集有更低的需求，同时对噪声有更好的鲁棒性。与PSO-Kriging插值法相比，在4倍放大倍数下峰值信噪比(PSNR)由26.31 dB提高至26.73 dB，结构相似度(SSIM)由0.498提高至0.524，均方根误差(RMSE)由14.96 nT减小至13.78 nT。      

利用点目标回波抑制距离旁瓣的方法

针对雷达脉冲压缩过程中引入的距离旁瓣问题,提出一种基于反卷积算法并利用点目标回波进行旁瓣抑制的方法.从雷达回波中提取准点目标回波,进而提取目标信息,实现对距离旁瓣的抑制.利用点目标回波旁瓣抑制方法对海南VHF非相干散射相控阵雷达的电离层回波数据进行处理.结果表明:强目标的旁瓣干扰抑制优于5dB,这证明了该抑制方法的有效性;旁瓣抑制效果与回波的信噪比有关,降低背景噪声和系统噪声的影响可提高其距离旁瓣抑制效果.      

合成孔径雷达压缩感知成像方法

为解决大带宽、多通道空间雷达系统的数据量大导致数据无法存储和传输的问题,介绍了一种基于压缩感知理论(CS,Compressive Sensing)的、全新的合成孔径雷达数据获取体制和脉冲压缩方法.在观测场景满足一定稀疏特性的前提条件下,使用该方法取代传统的匹配滤波方法进行脉冲压缩处理,可以从远远低于常规雷达所获取的数据量中恢复出原始场景.压缩感知脉冲压缩是通过使用一种贪婪追踪算法解一个逆问题来重建脉冲压缩后的信号.给出了该方法的原理和过程,并通过计算机仿真验证了该方法的有效性.这种新方法可以简化雷达系统,有效降低存储和传输的数据量,将设计重点从昂贵的接收机硬件上转移到智能信号重建算法上去.      

基于傅里叶基的自适应压缩感知重构算法

在压缩感知中,为了提高含噪信号的重构精度,提出了基于傅里叶基的稀疏度自适应匹配追踪算法.该算法在重构过程中采用相关系数作为匹配准则的基础上,创新性地利用傅里叶变换的共轭对称性,进一步严格控制索引值加入支撑集的过程;同时利用余量能量和余量能量变化率双门限作为停止迭代的依据;最后将估计的傅里叶域中的信号逆变换得到时域的重构信号.仿真实验表明,在同等噪声污染的情况下,该算法与同类算法相比有较高的重构精度.      

基于规范割的空间金字塔图像分类算法

对大型图像数据库进行图像分类是很困难的,空间金字塔算法针对这种问题提出,并能得到很好的分类精度,但有几点不足.针对这些不足,提出基于规范割的空间金字塔算法:使用规范割算法对特征词进行更准确的聚类;对每类训练图像计算子特征库,利用二次聚类生成总特征库,在特征字典中保留更多的稀疏类型图像特征词;用高斯模型量化未知特征生成特征直方图,并对直方图进行尺度重整,提高类间距.实验证明提出算法比原方法分类精度最多能提高4.6%.     

基于CS的正则化稀疏度变步长自适应匹配追踪算法

压缩感知(CS)能够突破Nyquist采样定理的瓶颈,使得高分辨率信号采集成为可能。重构算法是压缩感知中最为关键的部分,迭代贪婪算法是其中比较重要的研究方向。对压缩感知理论进行了详细分析,并在现有重构算法的基础上提出了一种新的迭代贪婪算法——正则化稀疏度变步长自适应匹配追踪(RSVss AMP)算法,可在信号稀疏度未知的情况下,结合正则化和步长自适应变化思想,快速精确地进行重构。相比于传统迭代贪婪算法,本文算法不依赖于信号稀疏度,并且应用正则化以确保选取支撑集的正确性。此外,应用自适应变化步长代替固定步长,能够提高重构速率,而且达到更高的精度。为了验证本文算法的正确性,选取高斯稀疏信号和离散稀疏信号分别进行仿真,并与现有算法进行比较。仿真结果表明,本文算法相比于现有算法可以实现更加精确快速的重构。     

基于块对角投影表示的人脸识别

针对大多数特征表示算法在挖掘高维数据内在结构时容易受到噪声的影响，以及特征学习与分类器设计割裂导致分类性能降低的问题，提出了一种新的基于特征表示的人脸识别方法，称为块对角投影表示（BDPR）学习。首先，利用样本信息对每类样本的编码系数施加一个加权矩阵，通过局部约束来加强表示系数之间的相似性，从而降低噪声对系数学习的影响，使所提方法能够更好地保持数据的局部结构。其次，为了实现数据与编码系数相关联，降低表示系数的学习难度，构造了块对角化判别约束项来学习一个判别投影，通过投影从低维数据中提取样本表示系数，使系数包含更多的样本间全局结构信息且具有更低的计算复杂度。最后，将系数学习和分类器学习整合到同一框架下，同时增大不同类别样本间的“标签距离”，采用迭代求解的方式交替更新判别投影和分类器，最终得到最适合当前表示特征的分类器，使得所提方法能自动完成分类。多个公开的人脸数据集上的实验结果表明:较之传统的协作表示分类和多个主流的子空间学习方法，所提方法均取得了更优的识别效果。      

一种基于改进KELM的在线状态预测方法

针对核超限学习机（KELM）在线状态预测过程中,核矩阵阶数不断增长且难以跟踪时变动态特征的问题,提出了一个具有遗忘因子的稀疏KELM在线状态预测方法。通过引入遗忘因子构建新的目标函数,使稀疏字典中各元素依据时间远近具有不同权重,保证了模型对动态变化的有效跟踪;通过最小化字典的快速留一交叉验证（FLOO-CV）误差,选择具有预定规模的关键节点构成字典;基于当前字典,通过矩阵初等变换和分块求逆,实现相关参数的递推更新。某型飞机发动机的状态预测结果表明,与目前已有的3种在线序贯KELM相比,所提方法在6个监测项目上的平均训练时间分别缩短了7.5%、62.0%和81.9%,平均预测精度分别提升了44.0%、19.9%和50.9%。      

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

直升机光纤陀螺IMU抗振设计及实时滤波方法

振动引起光纤陀螺(FOG, Fiber Optic Gyroscope)零偏误差,非线性、非高斯随机噪声及由其组成的惯性测量单元(IMU, Inertial Measurement Unit)非互易性解算误差,针对直升机航向姿态测量误差问题,提出了一种FOG IMU的机械减振与数据滤波相结合的振动抑制方法,建立了FOG IMU减振装置数学模型,通过优化设计实现线、角运动通道振动解耦,从物理上消除外界高频干扰振动源;研究实时小运算量、低时延数据滤波方法,抑制减振装置谐振干扰和惯性器件噪声,进而减小捷联解算非互易性误差.实验结果表明:采用该方法能有效地抑制外界干扰振动和系统噪声,保证FOG IMU工作稳定性和精度,为研制应用于直升机的高性能航姿导航信息与航向姿态参考系统奠定基础.     

基于稀疏时频分解的空中目标微动特征分析

本文以直升机的RCS 信号为研究对象，利用Gabor 原子构造过完备时频原子库，在该库上实现基于匹配追踪（Matching Pursuit，MP）的信号分解，并结合遗传算法寻找最佳匹配原子。最后将每次分解得到的Gabor 原子进行Wigner-Ville 变换，利用结果叠加得到无交叉干扰项的信号的Wigner-Ville 分布（Wigner-VilleDistribution，WVD）。仿真结果表明，该方法能够提高稀疏分解的效率，并且用少量的Gabor 原子就能表示信号WVD。与直接进行Wigner-Ville 变换相比，本方法可以有效地抑制交叉干扰项，且保持高时频分辨率。