基于矩阵填充的二维自适应波束形成算法

针对基于矩阵填充的二维自适应波束形成问题,提出一种基于奇异值门限(SVT)的特征分解线性约束最小方差(SVT-ELCMV)算法。首先建立二维自适应波束形成矩阵填充模型,其次验证接收信号矩阵满足零空间性质(NSP),并分析最小可恢复阵元数,最后以SVT算法将稀疏阵列信号恢复为完整信号,并通过修正的特征分解线性约束最小方差(LCMV)形成有效波束。算法解决了稀疏阵列平均副瓣大幅度上升的缺陷,且在平面阵列部分阵元无法正常工作时依然有效。计算机仿真表明:SVT-ELCMV算法可使稀疏阵列具有与完整阵列相同的二维波束形成能力,并可有效抑制干扰信号,验证了算法的有效性和优越性。     

扩展酉矩阵束算法实现稀疏可重构天线阵的优化设计

针对方向图可重构天线阵列的稀疏布阵问题,提出一种基于扩展酉矩阵束算法的优化设计算法。首先建立以阵元位置和多组激励为变量的多方向图联合稀疏优化模型,并利用期望方向图采样数据构建Hankel块矩阵。然后通过centro-Hermitian化处理和酉变换将采样矩阵从复数域转换到实数域,舍弃实矩阵中较小的奇异值对可重构线阵进行稀疏。最后通过对等价矩阵束的广义特征值分解估计稀布阵元位置,进而得到每个方向图对应的激励。仿真验证了该方法能够以阵元非均匀稀疏分布的阵列形式有效实现多个方向图的精确重构。     

航空发动机锥齿轮故障诊断技术研究

通过在锥齿轮相对应的附件机匣壳体上固定加速度传感器,在发动机试车过程中采集锥齿轮振动信号,识别特征信号,运用时频分析法、低秩稀疏分解算法、稀疏正则算法、谱峭度法分别对锥齿轮故障特征信号进行分析处理,通过比较分析,表明低秩稀疏分解算法能够有效滤除噪声和谐波干扰信号,增强故障特征信号的显著性,识别锥齿轮潜在故障,解决了锥齿轮微弱振动信号难以分离和识别的技术难题,实现了航空发动机锥齿轮故障诊断,保证了锥齿轮工作可靠性和安全性,为航空发动机锥齿轮故障诊断提供了新方法。     

离子非线性极化漂移对动力学Alfvén孤波特性的影响

考虑离子极化漂移中非线性项对动力学Alfven孤波特性的影响，采用双流体模型研究磁化等离子体中低频动力学Alfven稀疏型孤波的特性，所得的结果表明，两种类型的动力学Alfven稀疏型孤波在磁层中大范围内均存在（参数β约为10^-6,0,1,β为等离子体的热压之磁压之比，即β＝20μ0nT/B0^2)，它们或以超Alfven速或以亚Alfven速传播。同时发现在β值较小（10^-6-10^-4)时，离子极化漂移非线性项对动力学Alfven孤波特性有较大的影响，不可忽略，而在较大值时（β－0．1），此修正作用不大，由于动力学Alfven孤波允许平行电场存在，故它对等离子体中带电粒子的加速和能化起重要作用。同时也对离子的横向加速有一定的作用，它使一种新的能量转换机制成为可能。     

双重稀疏保持投影(英文)

稀疏保持投影(Sparsity preserving projection,SPP)是一种新型的基于图的降维方法,近年来被成功应用于人脸识别。SPP基于数据的稀疏重建关系建图,从而包含自然的判别信息。然而,经SPP变换后,新的特征是所有原始特征的线性组合,因此很难解释其降维结果。为此,提出了一种新的降维方法——双重稀疏保持投影(Dual-sparsity preserving projection,DSPP),通过进一步对SPP的投影方向施加稀疏约束,希望获得投影方向的稀疏解。具体地,该方法把SPP中投影函数的计算转化为一个回归类优化问题,然后借助L1正则化回归技术获得稀疏投影向量。在人脸数据上的实验结果表明了该算法的有效性。     

星载稀布L阵对地面辐射源的高精度测向研究

在均匀分布和非均匀分布两种情况下,采用二维MUSIC算法研究了星载稀布L阵列的地面辐射源测向精度。对地面辐射源方位估计、小角度辐射源分辨率,以及测向精度的分析和仿真结果表明,星载L型阵列能实现对地面辐射源的高精度二维测向。在相同条件下,非均匀阵的测向性能明显优于均匀阵。     

光学遥感压缩成像技术

基于Shannon采样定理的传统信息获取系统在高空间、时间和谱分辨率及系统其它性能上存在难以突破的瓶颈,压缩采样理论为提升航天遥感信息获取能力提供了新的思路。基于压缩采样理论的成像技术（压缩成像）将采样、压缩和数据处理3个过程完美的结合在一起,避免了传统遥感成像系统“先采样再压缩”方式带来的传感器和计算资源浪费,是未来光学遥感极具潜力的成像方式。文章在简要介绍压缩采样基本理论的基础上,总结和分析了国际上目前提出的光学压缩成像系统原型,设计开展了3组压缩成像物理实验,特别结合航天遥感需求设计了推扫式压缩成像方案,实验结果验证了压缩采样的基本原理,并为未来光学遥感压缩成像系统的设计提供了借鉴。     

基于遗传退火算法的数字阵列稀疏布阵

应用遗传退火算法对32个数字阵列天线单元在64个位置进行了稀疏布阵,将单元间距和激励作为优化变量,在控制主瓣形状的同时,改善了阵列的副瓣电平,提供了更多的自由度来控制稀疏阵列的性能。结果表明,全局优化峰值旁瓣可低至-26dB,遗传退火算法能够避开遗传算法在搜索过程中的早熟收敛。