基于LS-SVM的模态参数识别方法

 最小二乘支持向量机回归用于系统的模态参数识别研究。针对经典的最小二乘支持向量回归缺少鲁棒性和稀疏性的缺陷,提出了一种兼具鲁棒性和稀疏性的最小二乘支持向量回归的算法,并保持了它原有的计算速度快的优点。最后,结合结构动力学方程的自回归滑动平均时间序列形式,给出了结构的模态参数提取方法和流程,给出了相应的数值算例以及进行了实验的检验证明。结果表明,本文的方法能够快速、准确地提取出系统的模态参数。     

基于图像处理思想的自适应网格技术

为了提高激波和旋涡等复杂流动现象的捕捉精度和计算效率,基于图像处理的思想,研究了非结构网格的自适应加密和稀疏算法.将流场计算网格与图像像素类比,借鉴图像处理的方法,提出了一种流场自适应区域的分割算法.该方法能自动对自适应区进行分层,中间区域网格可以达到原来多次自适应的效果,而且提高了生成网格的质量.将算法嵌入到流场求解器中,根据流场求解结果对网格进行自适应,并使用算例进行了验证.     

分形阵列补集阵的研究

介绍分形Cantor集线阵和Sierpinski集平面阵的基本阵列结构和方向图特性,针对它们方向图高副辫的缺点提出了一种新的阵列结构——分形阵补集阵,这种稀疏阵列的方向图具有更低的副瓣。通过对多种不同分形阵的补集阵的研究,验证了分形补集阵具有更优秀的方向图特性。分形补集阵的提出为低副瓣稀疏阵的设计提供一种新的方法。     

基于Cauchy稀疏分布的SAR图像超分辨算法

分析了SAR图像稀疏性的成因,利用具有稀疏特性的Ｃａｕｃｈｙ分布作为SAＲ图像相位历史域数据的先验分布,建立了基于Cauchy稀疏分布的SAR图像超分辨模型,通过减少每次迭代中矩阵求逆的次数,给出了模型的快速迭代求解算法。利用SAR图像的稀疏性先验,将SAR图像超分辨问题转化为形式简单的约束极值问题,避免了基于ｌｋ范数正则化超分辨方法的模型定阶问题。最后,利用MSTAR实测数据,在相位历史域的实验结果证实了该方法有效的超分辨能力和快速求解能力。     

空间太阳望远镜FPGA星载图像压缩模块的设计与实现

应用（5, 3）整数小波变换和稀疏矩阵的游程编码方法,为空间太阳望远镜卫星（SST）中的图像压缩单元（DCU）构建了一种高效高速的FPGA运算模块,使DCU压缩2048×1024大小太阳图像的时间由原先中德联合设计的32秒减为0.23秒,压缩速度提高了两个数量级,各项技术指标均满足SST科学任务需求,为今后扩展功能及航天高精度遥感技术发展提供了宝贵的经验和技术储备。     

红外与可见光图像融合的空间碎片识别方法

针对暗弱空间环境中空间碎片的识别问题,提出了一种光照不均匀环境中的空间碎片识别方法。不同于现有识别方案,该方法从光照不均匀导致空间碎片图像源细节丢失造成识别性能下降的角度出发,首先将空间碎片的红外和可见光图像进行深度融合,并建立空间碎片融合图像数据库,然后基于训练样本采用深度学习技术训练得到空间碎片识别模型。算法分析表明,该图像融合方案具有高度的细节保留能力,识别模型具有在暗弱环境中高精度目标识别能力。最后进行了仿真实验,实验结果表明,该识别方案在姿态变化、图像源亮度变化等干扰条件下都具有较好的鲁棒性。     

时频信号的非参数加窗稀疏协方差迭代分析法

针对多分量非平稳时频信号的分析，提出了一种非参数加窗稀疏协方差迭代分析（Sparse Iterative Covariance-based Estimation，SPICE）法。该方法通过引入局部化的窗函数，并在窗内对信号建立非参数化的时频模型，以获取非平稳信号的局部时频特性。分析表明：给出的非参数时频模型，可通过加权最小二乘（Weighted Least Square，WLS）进行求解。当将WLS的加权矩阵的构建问题转换为广义噪声协方差矩阵时，提出的模型也可借助于加窗SPICE方法来进行求解。分析和仿真均表明：与传统方法相比，提出方法具有噪声抑制能力强、能量集中度高和对于载频差异较小信号的分离效果佳等优点。     

雷达系统中最少阵元的天线阵对多重干扰的抑制

1 前言 自适应天线阵因其能有效抑制由主天线方向图旁瓣所接收的强干扰信号，已被广泛用于许多先进的雷达、声纳和通讯系统。在抑制干扰的自适应天线系统中，通常设定阵列是由均匀间隔的阵元组成，并要避免天线方向图中的混淆或栅瓣；设定阵元之间的间隔为波长的一半（λ／2）。其阵元假设相同且为全向的这一阵列结构，称作均匀规整阵列（URA）。然而完全自适应URA的成本和复杂性对于要求大量阵元的某些应用来说是不可能的。     

模型的稀疏选择与参数辨识及应用

基于正则化技术的稀疏成分分析方法可同时完成模型选择和参数估计功能。现分别从迭代算法的设计和对应岭估计的构造两方面切入,研究正则化函数的选取及特点,并深入分析其模型参数辨识的机理,说明正则化参数与广义岭估计的最佳岭参数的耦合性。该方法可操作性强,可保证参数迭代的收敛性,对于正则化函数的构造和参数估计的统计特性分析均有规则可循。缺项多项式和制导工具误差系数求解的数值例子表明,该方法具有有效的一体化模型选择和参数估计功能。