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。     

高速机动目标多普勒解模糊高分辨成像方法

针对目标高速机动导致ISAR成像结果产生距离徙动（MTRC）和多普勒模糊的问题，提出一种新的高速机动目标ISAR成像方法，用于解算距离徙动下的多普勒模糊难题。首先，将原始信号变换至图像域，提取最强散射点，估计该点对应的信号调频率，并基于图像最大对比度准则估计多普勒模糊数。然后，重构回波信号的同时矫正距离徙动，并利用CLEAN技术降低运算量和减小噪声对成像结果的影响，获得高速机动目标无模糊的高分辨ISAR图像。仿真实验结果证明了所提方法的有效性和低信噪比下的强鲁棒性。      

网络系统“亚健康”状态的性能退化评估模型

针对网络系统中节点存在正常、亚健康、故障三种状态的情形,研究了网络系统亚健康状态下的性能退化评估方法。依据网络系统亚健康状态的特征及网络系统中节点之间的相互关系,深入探讨了影响网络系统效能退化的因素,提出了一种基于微分方程的网络系统亚健康状态的性能退化评估模型,进而预测亚健康网络系统未来可能发生的转化规律。理论分析及试验论证表明,所构建的模型具有一定的合理性,并具有良好的应用前景。     

关于大卫星恒算式组合性证明的探讨

在组合数学中著名的恒算式－－大卫星恒等式，它的数学证明比较清晰，但其组合性证明较为模糊，本文的主要目标就是对其组合性证明作一些有益的探讨。