基于杂波子空间估计的MIMO雷达降维STAP研究

 多输入多输出(MIMO)雷达是近年来出现的一种新体制雷达,针对MIMO体制的机载雷达开展空时自适应处理（STAP）技术研究是值得进一步努力的方向。本文研究了机载MIMO雷达STAP技术的降维算法,通过对STAP技术杂波抑制原理进行分析,推导并得到一种基于杂波子空间的降维算法。结合扁长椭球波函数（PSWF）的特点,提出了一种基于杂波子空间估计的降维算法,并与若干降维算法的杂波抑制性能进行比较。结果表明,当存在阵元幅相误差时,该算法在保持杂波抑制性能的同时能够有效地降低STAP算法的运算量。     

信赖域滤子算法在航空发动机在线优化中的应用

主要研究了航空发动机在线优化问题.以非线性发动机部件级模型为优化对象,将信赖域滤子算法应用于航空发动机在线优化,相比基本信赖域算法,该算法由于采用非单调的滤子算法和松弛重置,兼顾了算法在目标函数值下降与可行性保持两方面的品质,通过松弛重置避免子问题的不可行性,滤子算法则保证了算法收敛到全局最小解.最后,基于信赖域滤子算法,以涡扇发动机最小油耗寻优控制为仿真算例,验证了该算法的优越性.      

基于FIP WA的RCS快速计算

为改善基于矩量法(MOM)快速多极子(FMM)的稳定性,介绍了快速非均匀平面波算法(FIPWA).根据入射波及电场积分方程(EFIE),采用修正最陡下降路径(MSDP)进行数值积分和内插外推转换,建立了二雏FIPWA模型.该法基于格林函数谱域积分,其转移因子不含特殊函数而仅有初等函数,便于数值实现和稳定性控制,其多层形式复杂度与多层快速多极子(MLFMA)相当.算例表明:该算法与MOM吻合较好,且大幅节省计算时间及计算机内存.     

一种视频SAR运动目标成像算法

视频合成孔径雷达ViSAR(Video Synthetic Aperture Radar)成像模式与传统SAR成像模式不同,此模式需要持续监测目标区域.通过子孔径划分的方法将目标区域的回波划分孔径,然后针对每一个划分后的子孔径进行单独成像和配准,最后把每一帧图像进行处理形成视频,利用序列图像形成的视频去提取目标的运动信...     

电大尺寸天线罩电磁特性高效数值仿真技术

针对电大尺寸天线罩电磁特性,分析研究了快速求解表面积分方程的多层快速多极子算法及其改进技术。构造了具有良好矩阵性态的积分方程形式,提出加速迭代求解的并行预条件技术,利用分组稀疏化方式构造预条件矩阵,显著降低了迭代求解次数。采用快速球谐展开技术对聚合和配置因子项进行压缩,将其存储量降低了2/3。通过数值算例验证了方法的精确性和高效性,并实现了大型带罩阵列天线辐射特性的仿真分析。     

非对称线性方程组的广义拟最小向后误差算法

正交投影方法已经广泛应用于求解线性方程组.人们很少注意到斜投影方法,事实上斜投影方法更适合于解大型非对称线性方程组.本文的目的是考虑一标准来判断是否一个给定的近似值是合适的,并给出一个算法来计算线性方程组Ax=b的解使得向后误差算法满足某个优化条件.     

基于节点插值子胞模型的纺织复合材料力学性能预测(英文)

节点插值子胞模型是一种通过虚位移原理和代表性体积单元建立宏观和细观应变之间关系的细观力学方法。采用节点插值子胞模型进行二维纺织纤维增强陶瓷基复合材料的力学性能预测。分别建立二维平纹和交叉编织复合材料单胞的细观结构分析模型,分别采用三次B样条和正弦曲线来模拟经纱和纬纱的截面和弯曲形式,并根据纤维和基体中的孔隙含量对其模量进行折减,采用节点插值子胞模型进行宏观力学性能预测,并分析了细观结构参数和纤维体积含量对材料力学性能的影响。节点插值子胞模型的预测结果与有限元法比较表明:采用节点插值子胞模型进行二维平纹和交叉编织陶瓷基复合材料力学性能预测的有效性和可行性。     

分层缺陷对复合材料层板压缩性能的影响

基于影像云纹法、表面应变测量、分级加载超声C扫描3种观测手段,对含有不同位置、尺寸、数量预制分层缺陷的复合材料层板进行了压缩试验研究,对试验中产生的子层屈曲、分层扩展、层板失稳等现象进行了细致的观察、对比与联系.结合试验结果,总结了3种不同的分层扩展模式,并基于分层扩展模式分析了子层屈曲、层板失稳等现象的产生机理.结合上述试验现象,通过比较临界失稳应力、最终破坏应力、分层纵向扩展范围等试验结果,系统地分析了分层缺陷对复合材料层板压缩性能的影响.研究结果可为复合材料结构损伤容限设计提供依据.      

基于结构化特征的遥感影像道路智能提取方法

遥感影像道路提取是空基平台对地智能理解的重要内容.利用道路网络特有的结构特点,从道路网络结构相似性损失函数和结构化特征算子两个方面,提出了一种结构化特征表示的道路提取方法.首先,针对遥感图像中道路目标占比较小的特点,设计了深度较浅、分辨率较高的编解码网络结构;其次,引入道路网络的结构相似性(SSIM)损失,并提出一种道...     

求解大型对称线性方程组的循环收缩Lanczos算法

向Krylov子空间中加入一些模接近于零的特征值对应的特征向量能够加快收敛速度，事实上，对于这些模接近于零的特征值对应的特征向量，可以用Krylov子空间方法得到，并且在新的Krylov子空间形成的过程中，近似特征向量的近似度会不断提高，特别在标准Krylov子空间方法中，如果因为这些特征向量而减缓了收敛速度，则随着这些特征向量的近似度的提高，用增广Krylov子空间方法解线性方程组的收敛速度会明显加快。Lanczos算法是求解大型对称不定线性方程组的有效方法之一。但在计算过程中由于Lanczos向量失去正交性减慢了收敛速度。本文根据增广Krylov子空间方法提出循环收缩Lanczos算法，新算法充分利用Lanczos过程所得到的谱信息，确定预处理，从而加速Lanczos算法的收敛速度。