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BDS-2/BDS-3联合处理的北斗超快速钟差预报优化策略

针对北斗卫星导航系统(BDS)钟差预报产品无法满足高精度快速服务需求的现状，提出了一种基于BDS-2/BDS-3联合估计的超快速卫星钟差预报优化策略。区别于传统两步法预报模型，利用稀疏建模方法一步求解所有模型项，并通过BDS-2/BDS-3星间相关性实现了模型系数解的增强；为进一步降低模型残差的影响，基于残差序列时空相关性，利用半变异函数重构了模型估计的权阵。为验证提出的钟差预报模型，设计了12套对比方案，实验结果表明：基于稀疏建模的钟差模型参数一步估计可略微提高钟差预报精度；通过引入星间相关性对随机模型进行精化，钟差序列一步建模可分别将BDS-2与BDS-3卫星钟差18h预报精度提升28.6%与27.2%；基于半变异函数建模的模型残差相关性提取，可实现BDS-2与BDS-3预报钟差精度8.0%与11.1%的提升。因此，提出的优化策略对当前北斗超快速卫星钟差预报产品精化具有重要意义。     

关于稀疏分布存贮模型中A连接权阵的讨论

Ｋａｎｅｒｖａ的稀疏分布存贮模型由于对寻址地址采用了稀疏编码，对数据采用了分布式存贮，从而解决了大维数向量的输入问题，ＳＤＭ实际上是一个由输入层，中间层和输出层组成的三层前向网络，其中神经元间的互迦权值在输入层与中间层是预置的（用矩阵Ａ表示），中间层与输出层的连接权阵Ｃ由外积法得到，文中假定在相同的学习规则下，就信噪比意义而言，Ａ的均匀预置能使ＳＤＭ获得最优性能，从而为Ａ的预置提供了理论依据。     

一种语音信号欠定盲分离的新方法

文章提出了一种语音信号欠定盲分离的新方法,引入了一种伪提取矢量的概念,并通过在信号采样点处选取对应的伪提取矢量,以恢复取值占优的源信号采样点的值,来实现欠定盲源分离。通过将该方法与传统的基于线性规划的欠定盲源分离方法分别仿真表明:文章所提出方法由于在信号的各采样点处无需优化,因此大大提高了信号分离的速度,语音信号的分离速度比基于线性规划的方法快数倍。     

一种基于稀疏分解的微多普勒频率估计算法

目标微动特性和微多普勒特征分析在真假目标识别方面发挥了重要作用。由于微动目标雷达同波具有非线性、多分量性等特征,需要相应的具有高分辨力、低交叉项、大的动态范围的分析工具,才能较好地揭示目标微多普勒特征。稀疏分解方法中的匹配追踪（MP）具有频域高分辨能力,对于信号细微特征提取具有很好的效果。研究了基于匹配追踪的微多普勒频率估计问题,该方法可以准确提取出目标微多普勒频率,为后续的目标识别提供了重要的依据。-     

基于全局稀疏地图的AGV视觉定位技术

为了实现自动导引车（AGV）在复杂工业环境下的高精度定位,克服环境变化给定位带来的影响,提出了基于全局稀疏地图的视觉定位方法。首先,设计了大容量二维编码点,作为人工路标铺设在工业环境的地面;然后,基于一种四边形识别算法,在复杂工业环境中准确分割和识别二维编码点;最后,利用二维编码点提供的编码信息,鲁棒匹配图像中的特征点,并以此为基础,使用一种分参数块优化的三维重建策略,实现了工业环境的大规模地图构建,为AGV视觉定位提供了一种稀疏电子地图。AGV视觉的定位通过匹配车载视觉传感器图像中的特征点和稀疏电子地图实现。停车重复定位精度小于0.5 mm,角度偏差小于0.5°,轨迹平均位移误差小于0.1%。实际应用结果表明,该方法能在复杂工业环境中实现AGV视觉的定位,定位的速度和精度方面都满足工业应用的要求,为AGV的视觉定位提供了新的思路。      

基于电阻抗层析成像的CFRP结构损伤检测

电阻抗层析成像（EIT）是一种新兴的碳纤维增强复合材料（CFRP）结构状态评估方法。通过将EIT技术应用于一种商用各向异性CFRP层合板,初步研究了EIT的结构损伤检测能力。利用COMSOL软件建立CFRP多种损伤模型,有限元分析获取三维场空间电势分布信息。为改进EIT技术对各向异性CFRP结构损伤的图像重构效果,采用嵌入式电极有效采集材料内部电信号;同时,提出一种改进的基于L1稀疏正则化的图像重建算法。另外建立一套基于数字万用表的嵌入式16电极的EIT硬件系统,利用EIT系统检测平台对简单CFRP损伤进行检测,结果显示损伤材料图像重建效果良好,证明EIT方法在CFRP结构损伤检测中的可行性。      

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

一种基于卷积神经网络的地磁基准图构建方法

地磁匹配导航技术是一种重要的辅助导航制导方法，地磁基准图的构建精度对地磁匹配制导的精准度起着决定性作用。针对现有地磁基准图构建精度难以满足实际地磁匹配导航需求的问题，提出了一种基于卷积神经网络的地磁基准图构建方法。首先，利用卷积层提取低分辨率基准图中的特征图像块；然后，利用基于学习的阈值收缩算法（LISTA）实现图像块的稀疏表示；最后，利用三通道的地磁信息得到重建后的高分辨率基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，同时对噪声有更好的鲁棒性，各种客观评价指标均高于现有的超分辨率重建方法。