双向联想记忆集成

由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM.     

飞行振动环境随机试验模拟的载荷等效

研究飞行振动环境载荷地面试验模拟的等效性问题。基于模态质量的振型叠加方法应用于结构随机振动的响应分析,导出了随机振动载荷等效的一般表达式。针对小阻尼稀疏模态结构,得出了随机振动载荷等效的一种工程设计方法,并通过数值模拟验证了方法的可行性。     

稀疏孔径成像系统发展概况

介绍了稀疏孔径成像系统的发展现状。重点介绍了系统的成像原理和种类，国外的研究进展以及系统实现的关键技术和应用前景。     

基于BDS-2/BDS-3联合处理的北斗超快速钟差预报优化策略

针对北斗卫星导航系统(BDS)钟差预报产品无法满足高精度快速服务需求的现状，提出了一种基于BDS-2/BDS-3联合估计的超快速卫星钟差预报优化策略。区别于传统两步法预报模型，利用稀疏建模方法一步求解所有模型项，并通过BDS-2/BDS-3星间相关性实现了模型系数解的增强；为进一步降低模型残差的影响，基于残差序列时空相关性，利用半变异函数重构了模型估计的权阵。为验证提出的钟差预报模型，设计了12套对比方案，实验结果表明：基于稀疏建模的钟差模型参数一步估计可略微提高钟差预报精度；通过引入星间相关性对随机模型进行精化，钟差序列一步建模可分别将BDS-2与BDS-3卫星钟差18h预报精度提升28.6%与27.2%；基于半变异函数建模的模型残差相关性提取，可实现BDS-2与BDS-3预报钟差精度8.0%与11.1%的提升。因此，提出的优化策略对当前北斗超快速卫星钟差预报产品精化具有重要意义。     

关于稀疏分布存贮模型中A连接权阵的讨论

Ｋａｎｅｒｖａ的稀疏分布存贮模型由于对寻址地址采用了稀疏编码，对数据采用了分布式存贮，从而解决了大维数向量的输入问题，ＳＤＭ实际上是一个由输入层，中间层和输出层组成的三层前向网络，其中神经元间的互迦权值在输入层与中间层是预置的（用矩阵Ａ表示），中间层与输出层的连接权阵Ｃ由外积法得到，文中假定在相同的学习规则下，就信噪比意义而言，Ａ的均匀预置能使ＳＤＭ获得最优性能，从而为Ａ的预置提供了理论依据。     

基于稀疏自动编码器的发动机机载模型建模方法研究

为解决分段线性化机载模型精度不足的问题,提出并设计了基于稀疏自动编码器的大包线、具有10输入11输出的发动机机载自适应模型,该模型由稳态、动态两部分组合而成。首先基于一种新的相似准则进行建模所需样本数据的压缩,在保留主要信息的同时,大大降低了数据量及采样时间。用BP算法对简化后的样本数据进行了机载模型稳态部分的建模。针对机载模型动态部分所需样本数据量巨大、BP算法难以训练的问题,建立了基于稀疏自动编码器的动态机载模型。引入准稳态判断逻辑,在动态过程使用稀疏自动编码器的动态机载模型,在稳态过程使用基于BP算法的稳态机载模型。仿真结果表明,所建立的发动机机载模型具有优良的动稳态精度,且实时性好、存储量小,其中动态精度小于1%,稳态精度小于0.6%,一次模型计算时间不大于1ms,模型存储量不大于100kB。     

基于脉冲交错的数字阵列雷达任务优化调度算法

针对数字阵列雷达搜索、跟踪和成像任务的资源调度问题,提出一种数字阵列雷达(DAR)任务的优化调度算法。该算法以脉冲交错技术为基础,在对目标搜索与跟踪的同时,利用基于压缩感知的稀疏孔径认知逆合成孔径雷达(ISAR)成像方法对部分精密跟踪目标成像,并采用观测时间动态调整策略以提高雷达系统的自适应能力。仿真结果表明,与传统雷达资源调度算法相比,该算法可以将成像任务考虑到优化调度模型中并合理分配资源,实现雷达多任务并行的调度,获得更高的资源利用率与期望的成像质量。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

一种语音信号欠定盲分离的新方法

文章提出了一种语音信号欠定盲分离的新方法,引入了一种伪提取矢量的概念,并通过在信号采样点处选取对应的伪提取矢量,以恢复取值占优的源信号采样点的值,来实现欠定盲源分离。通过将该方法与传统的基于线性规划的欠定盲源分离方法分别仿真表明:文章所提出方法由于在信号的各采样点处无需优化,因此大大提高了信号分离的速度,语音信号的分离速度比基于线性规划的方法快数倍。     

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。