一种适用于FPGA的LDPC编码设计

与Turbo码相比,LDPC码有更好的性能和更低的解码复杂度,但其缺点是编码复杂。根据Richardson和Urbanke(RU)建议的编码方案,本文提出了一种适于在FPGA上实现的LDPC编码方案,其复杂度随码长呈线性增长。该方案可灵活应用于不同的校验矩阵H,码长和码率的系统中。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。     

基于背景和变化稀疏性的瞬变源图像重建算法

针对射电干涉测量通过结合长时间观测的多组可见度数据对静态源进行高空间分辨率成像,但无法得到时变信息的问题,提出了一种基于背景和目标变化的直和空间上稀疏性的稀疏基线综合孔径动态场景图像重建算法。将起始时刻的亮温和相邻时刻的亮温变化作为待求解矢量,不同时刻的亮温表示为它们的和,构造测量方程,并利用起始时刻亮温和相邻时刻亮温的稀疏性进行求解,重建出不同时刻的瞬变源图像。仿真实验结果表明,对于小区域背景下的瞬变源,所提算法与已有方法相当,对于大区域背景下的瞬变源,所提算法优于已有方法。      

结构输出响应概率密度估计中分数矩求解方法

鉴于概率不确定性背景下基于分数矩极大熵准则的结构可靠性分析方法具有较大的效率与精度优势,综合研究并给出了可以用于极大熵准则中约束条件输出响应分数矩求解的3种分数矩求解方法,包括降维积分(DRI)方法、稀疏网格积分(SGI)方法和无迹变换(UT)方法。阐述了分数矩求解原理及过程,给出了方法的计算效率,并分析了方法的适用性。3种分数矩求解方法在确保计算精度的同时可以很大程度减少结构输入-输出模型的调用次数,大幅提高统计分析效率。通过与Monte Carlo仿真分析法对比,验证了3种分数矩求解方法的正确性与高效性。      

融合低秩和稀疏先验的结构性缺失图像修复

针对基于低秩先验的图像矩阵补全算法无法有效处理结构性缺失图像修复的问题,建立了在观测矩阵上使用双重先验的矩阵补全模型,在低秩先验的基础上引入稀疏先验,以便更好地利用观测矩阵的先验特征。该模型根据行列间的相关性,使用低秩先验对矩阵正则化;根据行列内的相关性,使用稀疏先验对矩阵正则化;为了更加精确地逼近秩函数,使用截断Schatten-p范数替代核范数作为低秩先验,从而提出了融合低秩和稀疏先验的矩阵补全模型,并使用交替方向乘子法有效处理所提模型。实验结果表明:算法修复的图像细节清晰,与截断核范数模型算法相比,峰值信噪比和结构相似度提升范围分别为2%~44%和0.7%~8%。      

基于SA&M-Relax的外辐射源雷达目标DOA估计方法

外辐射源雷达回波信噪比极低,通常在距离-多普勒二维相关后进行目标角度估计。在这种单快拍情况下,经典的超分辨算法由于协方差矩阵的非正定性导致算法性能较差。针对这一问题,在A&M插值迭代算法的基础上,提出了一种适用于稀疏阵列的SA&M-Relax外辐射源雷达目标DOA估计方法。在相同阵元数目的情况下,与原有算法相比提高了目标角度估计的分辨率与精度,同时减少了运算量。通过仿真实验验证了所提方法的有效性。      

基于深度学习的地空导弹发射区拟合算法

目前地空导弹发射区的拟合算法主要是多项式拟合法和BP神经网络拟合法。多项式拟合法存在函数形式难以确定、函数范围不易分段等问题,且拟合精度较低;传统神经网络方法要想达到较高精度,需要大量的隐层节点,且在隐层节点数增加到一定程度后,训练变得十分困难且精度很难继续提高。同时,传统神经网络需要大量的标签数据,进一步增大了实际应用的难度。为此,基于深度学习理论,设计了一种基于堆栈稀疏自编码器（SSAE）的深度拟合网络（DFN）,并给出了相应的训练策略。仿真实验表明其相比传统算法具有更小的拟合误差优势。所设计的深度稀疏自编码器网络可以克服多项式拟合和传统神经网络的不足,不仅可以在大量无标签数据和少量标签数据条件下进行学习训练,而且可以进一步提升地空导弹发射区的拟合精度。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

频率不变宽带波束形成权重系数的稀疏优化

在基本的傅里叶变换频率不变波束形成(FIB)基础上,从减少抽头权重系数数量,降低FIB运算量角度出发,提出基于最小l0范数的抽头权重系数稀疏优化模型,并采用正交匹配追踪(OMP)算法来求解该优化问题。在高增益、等波纹、低旁瓣FIB方向图的要求下,所提出的优化方法使得稀疏率降低到3.53%,且能够保证稀疏优化后的方向图误差小于1%。接着进一步开展阵元数量的稀疏优化,有效地减少了阵元通道数,进一步降低了算法实现的硬件复杂度。仿真结果验证了所提方法的正确性和有效性。     

基于三维叶尖间隙的叶片裂纹动力响应特征分析与诊断方法

将裂纹叶片三维动力响应分析与参数识别方法相结合,分析不同裂纹叶片状态下三维叶尖间隙（3-dimensional blade tip clearance,3D-BTC）动力响应参量的信息熵特征,并利用稀疏滤波从不同参量信息熵分布中无监督学习叶片裂纹的多尺度动力响应特征,实现裂纹叶片在运行过程中响应变化特征的信息熵定量描述。在此基础上,利用支持向量机（support vector machine,SVM）的强非线性映射能力建立多尺度响应特征空间与状态空间之间复杂映射。经试验证实,所提方法能实现叶片裂纹损伤程度的定量诊断,达到100%的诊断准确率,远优于其他方法,且诊断结果稳定性好。