一种稀疏阵列下的二维DOA估计方法

研究了稀疏阵列下二维波达方向（DOA）的估计问题,提出一种基于不动点迭代的空间谱估计（FPC-MUSIC）算法。首先建立基于矩阵填充的DOA估计信号模型,并验证该信号模型满足零空间性质（NSP）,其次通过不动点迭代算法将稀疏阵列信号恢复为完整信号,最后利用恢复信号估计二维DOA。该算法可在稀疏阵列下大幅度降低谱估计平均副瓣,在大幅度降低阵元数的同时具有较高的估计精度。计算机仿真表明：FPC-MUSIC算法可在稀疏阵列下准确估计二维DOA,验证了该算法的有效性和优越性。     

基于优化字典学习算法的压缩数据收集

为了提高压缩数据收集对多样化传感数据的适应能力,同时抑制环境噪声对数据收集精度的影响,提出了一种优化字典学习算法来构造压缩数据收集中的稀疏字典。理论分析表明在压缩数据收集中由环境噪声导致的数据收集误差和稀疏字典的自相干程度正相关。为此在字典学习的过程中引入了自相干惩罚项来抑制环境噪声对数据收集精度的影响。该惩罚项还能减少字典学习过程中对训练数据的过拟合,从而进一步提高了该算法的稀疏表示能力。实验表明,该算法的稀疏表示能力高于同类字典学习算法,而且能有效地抑制环境噪声对压缩数据收集精度的影响。      

基于机器学习的空间翻滚目标实时运动预测

借助监督式机器学习（ML）方法,对空间翻滚目标的运动状态预测问题进行研究,为空间机器人抓捕空间翻滚目标提供可靠的数据依据。基于物理模型的运动预测方法依赖理想的建模假设,需要连续的视觉反馈信息,解决目标预测问题的能力有限。因此,本文采用机器学习中纯数据驱动方式的稀疏伪输入高斯过程（SPGP）回归方法进行空间翻滚目标的运动预测。给定空间翻滚目标运动状态的历史观测数据,通过连续优化真实观测数据,得到稀疏的伪训练数据集,进而在线快速预测目标的运动状态,预测的计算效率达到毫秒级。此外,利用马尔科夫链蒙特卡洛（MCMC）法处理连续优化过程,克服由于随机初始值造成的优化过程陷入局部极小值问题。利用Snelson数据验证了所提稀疏伪输入高斯过程回归方法的正确性,并通过4组仿真算例验证了所提方法对于空间翻滚目标运动预测的有效性和鲁棒性。     

对称平面稀疏阵列阵形优化方法研究

针对在固定阵元数目、最小阵元间距以及最大孔径条件下平面稀疏阵列阵形优化的问题,对阵元数目为256的平面稀疏阵列分别采用模拟退火算法和粒子群优化算法进行优化仿真,分析比较了模拟退火算法和粒子群算法在平面稀疏阵列阵形优化中的应用效果。仿真结果表明,经过模拟退火算法和粒子群优化算法优化后的平面稀疏阵列均能够抑制副瓣电平,并能够在一定的空域范围内实现波束扫描;相对于粒子群优化算法,模拟退化算法计算方法简单;在相同的迭代次数下,经模拟退火算法优化后的平面稀疏阵列比经粒子群算法优化后的平面稀疏阵列更能够有效地抑制副瓣。     

双基地合成孔径雷达穿墙成像研究

双基地穿墙成像合成孔径雷达具有广阔的应用前景.建立了发射站工作在正侧视条带模式,接收站固定构形的双基地SAR信号穿透墙体的数学模型,研究解决了双基地SAR穿墙成像中电磁波的折射和传播路径等问题.分析了与空气介质条件下相比的回波延时,孔径变化和分辨率特征,推导了双基地SAR穿墙后向投影(Back Projection,BP)成像算法,对墙体的折射和延时作用进行补偿.给出了墙后目标的非聚焦和聚焦成像结果,仿真结果验证了理论分析和算法的正确性与有效性.     

基于小卫星编队的稀疏孔径遥感技术

介绍了实现稀疏孔径系统的迈克尔逊干涉和斐索干涉的两种干涉成像原理,讨论了实现稀疏孔径探测和成像的子孔径的空间布局、相位一致和图像恢复,分析了载荷展开,卫星编队中的编队卫星轨道设计、空间基线测量与控制,以及光机技术等工程化实现的关键技术。     

一种基于压缩感知的信道估计算法

信道估计是无线通信系统的关键技术之一。文章提出一种基于压缩感知（Compressed Sensing）的信道估计方法,这种方法通过分析信道时延和多普勒域的稀疏度,可以有效降低导频的数量,从而提高系统的频谱利用率。通过与最小均方（Least Square,LS）信道估计方法的对比,可以明显看到导频数量的降低。     

基于单目视觉的三点测量滚转角方法

确定轴对称物体的滚转角是光学测量的重要内容,具有十分广泛的工程应用背景。本文提出一种单像机测量滚转角的新方法,通过3个控制点即可完全确定物体滚转角。仿真数据计算证明了该方法的正确性和可行性。     

强度关联遥感成像技术

过去十多年中,利用光场的量子（或经典）涨落及其关联获取目标图像信息的量子（强度）关联成像技术和基于自适应稀疏结构表象的信号处理技术的不断发展,为图像信息的获取提供了一条可突破传统光学成像技术图像分辨率和图像获取效率理论极限的全新技术途径。文章将概括地介绍这一研究方向,并简要讨论其在遥感领域中的应用前景和需要进一步研究的...     

序列图像超分辨率联合重建算法

序列图像超分辨率重建研究方法一般分为2类。第一类,将低分辨率图像配准和超分辨率重建视为相互独立的2个过程,对低分辨率图像进行配准之后再估计高分辨率图像。然而,低分辨率图像中的混叠分量会影响配准精度,进而影响图像超分辨率重建。第二类,图像配准和超分辨率重建联合实现的方法,此类方法考虑了配准和重建的相互关系,能够减轻混叠对配准的不利影响。本文主要针对第二类方法中的3种典型算法进行综述分析和研究。