用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik-honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik-honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法（CID）算法相比,具有较快的收敛速度,初步验证了算法的有效性。     

单脉冲跟踪雷达多目标检测算法性能分析

对2种检测单脉冲雷达主波束内是否存在2个不可区分目标的算法进行了推广,将其应用到波束内可能存在N个不可区分的目标,并仿真了波束内存在3个目标时的检测性能。仿真表明,在总信噪比相同时,3个目标的检测概率不一定大于2个目标的检测概率,处于方位向上间距最大的2个目标的信噪比对整个检测概率影响较大。     

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%。