稀疏孔径成像系统发展概况

介绍了稀疏孔径成像系统的发展现状。重点介绍了系统的成像原理和种类,国外的研究进展以及系统实现的关键技术和应用前景。     

基于本征图像分解的高光谱图像空谱联合分类

高光谱图像分类是许多应用的第一步,也是极其重要的一步。针对目前分类方法存在误分现象,尤其是在地物边缘附近区域,以及现有空谱联合分类方法计算复杂度高的问题,提出一种基于本征图像分解以及导向滤波的高光谱图像空谱联合分类方法:利用AP聚类进行波段选择,提高计算效率;利用基于局部稀疏约束的本征图像分解方法进行高光谱本征图像分解,获取反射率本征图;利用导向滤波器对初始分类结果进行优化。实验结果表明:文章提出的空谱联合分类方法在分类精度与计算时间方面优势明显。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

N元自适应模式识别系统开发工具

N元模式识别方法是一种易于硬件并行实现的自适应模式识别方法。单层自适应模式识别系统(WISARD)、加权WISARD、双层自适应模式识别系统模型都是以这一方法为基础的。本文论述的N元自适应模式识别系统开发工具——NIRSS就是为这些模型体系结构的仿真及应用研究而开发的。它可以仿真现有的4种模型,共有7种工作方式,23个功能模型,97条人机交互命令。有关上述模式识别系统结构的研究以及多印刷体汉字、手写体汉字的识别、自适应图像处理的应用研究都是在该软件包上进行的。实际应用表明,这是一种使用方便、功能丰富的有效开发工具。     

稀疏RAM式联想存储器

在RAM式联想存储器(RAM-AM)基础上,借助Kanerva的稀疏分布存储思想,提出了稀疏RAM联想存储器模型(SRAM-AM),分析了该模型的信噪比特性,通过适当地选取其中的一些关键参数,可使SRAM-AM的性能大大高于RAM-AM.最后在汉字识别应用中验证了模型的可行性,同时大大降低了硬件实现的开销.     

大口径甚高分辨率空间光学遥感器技术途径探讨

增长焦距、加大口径是提高空间光学遥感器空间分辨率的主要手段,但焦距和口径的增大意味着遥感器体积、研制难度和制造成本的骤增。要达到可见光甚高分辨率,采用传统的设计思想和制造工艺已无法实现,更何况体积和质量巨大也难以发射。本文介绍和分析了几种解决大口径系统的方案,包括:分块可展开成像系统、稀疏孔径系统和干涉成像系统。     

基于匹配追踪算法的波达方向估计方法

利用辐射源到达方向的稀疏特性,结合最大似然原理提出了一种基于匹配追踪的波达方向估计算法,该算法具有比常用的波束成形和子空间类波达方向估计算法更优越的性能:在给出辐射源到达方向的同时给出对应的幅度输出;不要求辐射源数目的先验知识,无需预处理,且不受来自不同辐射源的信号相关性的影响;在低信噪比和小快拍数下仍具有较好的分辨特性。仿真结果验证了该算法的有效性。     

光学遥感运动补偿压缩成像

针对单像素相机的运动导致压缩成像品质下降问题,提出了运动补偿压缩成像方法。首先建立运动条件下压缩采样的精确模型,进而分析了逐帧重构与联合重构两种图像稀疏方法。同时探讨了所提方法对于更加复杂运动的适应性以及所提方法成像品质的分布特性。该方法利用成像系统的运动信息重新规整压缩采样,避免了由降低积分时间或者减少采样数导致的成像品质下降。数学仿真与半物理仿真表明,运动补偿压缩成像比未经补偿成像结果具有更好的成像品质。     

双馈风力发电机轴承故障诊断研究现状与发展

双馈风力发电机(DFIG)目前广泛应用于风电事业。就自身结构而言,轴承是电机非常重要的组成部分,其状态决定着电机整体的运行性能。在实际风电场中一般会定期更换电机轴承,但该方法不能避免轴承产生的早期故障。因此对其进行故障初期的诊断尤为重要。首先简单介绍DFIG轴承故障的产生机理及故障模式,再对近几年来相关的诊断方法做逐条归类阐述,最后基于现有成果展望未来DFIG轴承故障诊断方法的发展趋势,为日后该领域的突破和新方法的提出做好准备。     

平滑零范数稀疏度约束下的盲稀疏回溯重构算法

现有的回溯迭代类算法具有重构速度快、精度高等优点,但实际中其需要已知信号稀疏度的条件有时难以满足。针对以上不足,提出了一种基于平滑零范数稀疏度约束的盲稀疏回溯重构算法,并证明了其收敛性。该算法不需已知稀疏度先验,在截断过程中以平滑零范数来估计信号的稀疏度并确定支撑集。新算法继承了现有回溯迭代类算法的有效性,同时避免了因稀疏度未知或估计不足导致的重构失败。理论分析和实验表明,新算法在无需信号稀疏度先验的条件下,重构性能优于现有典型回溯迭代类算法。