联合压缩感知与接收分集的DME干扰抑制方法

针对L波段数字航空通信系统(L-DACS1)反向链路测距仪(DME)信号干扰正交频分复用(OFDM)接收机的问题,提出基于联合压缩感知与接收分集的干扰抑制方法。在地面基站各接收支路中,首先通过压缩感知重构DME干扰信号,随后将重构的DME信号在时域进行干扰消除,消除干扰后各支路信号最终通过最大比值合并提高OFDM解调器输出信噪比,以克服测距仪残留信号的影响。仿真结果表明:该方法可有效抑制DME信号的干扰,提高L-DACS1系统的可靠性。     

一种步进频率信号认知雷达波形优化设计方法

认知雷达常用于完成探测、跟踪、成像及识别等多重任务,为提高其综合性能,需兼顾多方面因素研究其波形优化设计问题。基于此,提出一种基于压缩感知（CS）RIPless准则的步进频率信号认知雷达波形优化设计方法。首先,建立了目标回波信号稀疏模型,分析了其与发射信号模糊函数之间的关系。其次,根据模型中观测矩阵的构造,基于RIPless准则,将波形设计问题转化为概率分布的互相干参数及其协方差矩阵的条件数的优化问题,从而通过自适应寻优算法,获得优化的步进频率信号脉冲重复时间间隔序列和子脉冲频率序列。相较于传统方法,所提方法在信号发射与接收之间形成了信息实时反馈和信号优化重构的闭环,在高概率准确重构目标径向一维距离像的同时,也实现了发射信号模糊函数的优化。最后,仿真计算验证了所提方法的有效性。     

基于非线性直方图变换的对比度畸变图像校正

在实际成像过程中,因受多种因素影响而导致图像对比度畸变,使其质量下降。为了改善图像质量并增强视觉效果,提出了一种基于非线性直方图变换与参数优化的降质图像对比度畸变校正方法。首先,针对常规直方图均衡方法的局限性,通过人眼视觉感知特性分析,引入图像直方图的先验约束条件,建立了非线性直方图变换模型;进而,从校正效果的最优化角度考虑,运用遗传算法的进化寻优进行校正参数的优化,从而形成了一种高性能的对比度畸变校正算法。一系列在不同场景实拍的对比度严重畸变图像的校正实验结果表明,本文方法校正结果的客观质量评价测算指标和实际视觉效果都有显著提升,和常规校正方法相比具有明显优势。      

LPV模型的动态压缩测量辨识算法

在解决线性参变（LPV）模型的辨识问题上,最小二乘算法以结构简单、计算复杂度低等优点被大量使用。但最小二乘算法辨识结果受制于计算精度和模型近似精度,而这两者在同一个系统中是互斥的。因此,该算法的辨识结果与真值总是存在一定的误差。另外,在高阶LPV模型辨识或采样成本高的情况下,一般模型参数要多于辨识数据,而此时最小二乘算法很难得到稳定的辨识结果。本文提出的动态压缩测量辨识（DCMI）算法从两个方面提高在该情况下的系统辨识精度。其一,利用“匀速变化”及“非匀速变化”模型表示参变函数,以提高模型近似精度。其二,利用压缩感知理论的欠采样能力,在同等数据量的情况下提高参数的计算精度、扩大模型的计算规模。仿真结果表明,基于“匀速变化”模型DCMI算法可以准确地辨识出LPV函数,而且该算法在辨识数据不足的情况下仍然能够获得稳定的辨识结果。      

月球又将迎来两次"亲吻"——美国的"月球环形山观测和感知卫星"

继2006年9月3日欧空局的斯玛特-1月球探测器成功撞击月球表面之后,2009年美国的"月球环形山观测和感知卫星"将对月球进行2次连续撞击,在月球南极寻找水冰.     

多尺度自适应直接信息采样与重构

现有的直接信息采样(Analog-to-Information Conversion,AIC)方法在压缩感知框架下,将采集和压缩过程融合,但并未充分考虑不同稀疏成分在信号重构当中的地位。针对该不足之处,提出一种多尺度自适应直接信息采样与重构算法。该算法充分考虑小波变换后的高频信号和低频信号在重构中的不同地位,实现速率自适应的直接信息采样。同时,给出变速率采样下的信号重构策略,以解决常规重构算法在速率自适应采样时失效的问题。仿真结果表明,多尺度自适应AIC系统可以获得比传统AIC系统更好的AFSNR性能。     

基于多模态感知与融合的无人车韧性导航系统

针对野外复杂环境下的无人车自主导航需要,建立了一种基于多源融合定位、语义建图与运动规划的智能导航系统.首先,针对IMU、轮式里程计、视觉SLAM与激光雷达SLAM等测量子系统,设计了误差状态扩展卡尔曼滤波器进行融合定位.其次,基于改进的CNN语义分割网络生成环境的语义图像,与3D激光雷达点云融合,并使用最大概率更新算法构建语义3D地图.接着,在语义和几何信息投影获得可通行性代价的基础上,提出了一种语义动态窗口的局部路径规划方法.最后,将以上感知、定位与规划方法整合成完整的智能导航系统,在城市与野外典型场景的测试中,相对定位误差小于0.4％D,具备一定的韧性导航定位和智能感知规划能力.     

面向飞机装配精准定位的状态感知技术

状态感知、实时分析、自主决策、精准执行是航空智能制造的特征。总结影响飞机部件装配单元定位精度的多种因素,并结合感知技术发展,深入分析部件装配单元的可感知因素及其获取方式,确定了部件装配单元可感知的关键要素:装配现场温度、定位器所受载荷、定位器位移、产品位姿。结合飞机机翼装配单元,设计感知信息获取方式。通过模糊优选方法,构建传感器型号优选模型,完成部件装配单元传感器选型。通过传感器测量偏差平均化的方法,构建多种类、多数量的传感器布局模型,确定部件装配单元传感器的数目与位置,完成了传感器布局设计。基于多传感器信息融合方法,设计多传感器信息融合模型,对感知的多源异构信息进行融合处理,并通过构建状态感知模型,实现对部件装配单元定位状态的直观表达。     

基于压缩感知的高频响流场重构方法及其应用

粒子图像测速（PIV）方法具有高空间分辨率的优势,但是往往受到采样频率的限制（一般在15 Hz以下）,难以完成高频响测量。压缩感知（CS）能够基于稀疏采样数据获得高频信息,但如果直接应用于所有的数据点则计算量过大。基于亚采样（sub-Nyquist）PIV数据,本文提出了基于压缩感知和本征正交分解（POD）的高频响流场重构方法。首先采用POD对数据降维,同时获取空间模态和相应的亚采样时间系数,将亚采样时间系数作为观测值,选取适当的稀疏基,通过求解基追踪问题来计算高频响的模态系数。结合空间模态和所得到的时间分辨模态系数,可以重构高频响的非定常流场。利用该方法分别对周期性的振荡器流场和非周期性的不同直径圆柱流场进行重构,检测该方法的适应性。结果表明,压缩感知方法无需侵入式的辅助测量,可以为周期性流场提供准确的重构,重构误差低于3%,而对于非周期性复杂流场,则出现较大的高频噪声。因此,本文所提出的方法可以应用到周期性流场中以提高测量数据的时间分辨率。     

基于内窥火焰传感器技术的超声速燃烧感知实验研究

高动态频响传感器及作动机构是高性能控制系统FADEC的关键技术之一。开发了一种基于被动火焰自发光谱的内窥式光纤火焰传感器进行光学诊断,初步验证了光纤火焰传感器数据的燃烧过程感知价值。基于中国科学院力学研究所的直连式超声速燃烧实验台,模拟了来流总温1475 K、总压1.68 MPa、马赫数5.6的发动机工作状态。在不同当量比和动量通量比条件下,使用新开发的内窥式光纤火焰传感器,测量了以CH*表征的燃烧释热率和以C₂*/CH*表征的局部当量比。结果表明:内窥式光纤传感器可感知燃烧室释热率的时空演变特性;内窥式光纤传感器可感知频域燃烧振荡特性,实验表明燃烧过程可能存在展向的热声振荡现象;内窥式光纤传感器C₂*/CH*光信号可感知局部当量比的时空演变特性,结合CH*光信号可应用于混合场与燃烧场关联性的研究;局部火焰质心位置的统计特征表征了剪切层稳焰模式和射流尾迹稳焰模式。