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。     

基于改进稀疏A~*算法的无人机航路规划

为使无人机具有在复杂环境下快速有效规划的能力,针对无人机航路规划中的稀疏A*算法进行改进,提出基于预生成点的变步长稀疏A*算法。算法在存在可行航路的紧密威胁障碍之间预先生成备选航路点,然后通过带有约束条件的稀疏A*算法进行航路规划,且在航路规划过程中结合变步长思想,更好地规避威胁,并加快搜索,最后对生成的航路实现二次优化。仿真结果表明,相比稀疏A*算法,改进的稀疏A*算法收敛速度快,具有更强的鲁棒性、可行性,且生成航迹具有更好的飞行品质。     

基于Hankel矩阵填充的稀疏孔径ISAR成像

在稀疏孔径(SA)逆合成孔径雷达(ISAR)成像中,传统压缩感知(CS)方法使用稀疏信号处理来处理数据缺失下的成像问题。这类方法存在模型不匹配这一固有问题,在一定程度上会限制成像质量。提出了一种利用Hankel矩阵填充(HMC)的基于结构化稀疏ISAR成像方法。该方法是一种典型的无网格方法,可以有效地提高稀疏孔径ISAR成像性能。首先,建立ISAR稀疏孔径成像信号模型,根据每个距离单元的回波构造Hankel矩阵;其次,通过证明所构造Hankel矩阵的低秩性质,作为方位稀疏成像的先验信息约束;最后,通过逐步迭代求解基于增广拉格朗日乘子(ALM)的矩阵填充(MC)来实现重构方位维成像。提出的基于低秩约束的方法,可以避免过完备基的假设,有效地克服了CS方法的离网格效应。基于实测数据的实验分析,进一步验证了所提算法的有效性。     

基于稀疏最小二乘支持向量机的航空发动机动态过程辨识

针对现有最小二乘支持向量机(LS-SVM)稀疏性不足的难题,提出一种稀疏化策略,应用此方法建立了航空发动机动态过程模型.在对原始样本预求解过程中,该策略使用改进Gram-Schmidt正交化算法对非线性映射矩阵实施递归分解,同时以阈值监督输出向量的残差化过程,从而优选训练样本,降低样本规模,节省内存,提高LS-SVM学习速度.仿真表明,基于优选样本的学习模型较之其他训练样本学习模型提高了回归精度和速度,验证了方法的可行性;基于实际试验数据建立的航空发动机动态过程模型在类似过程参数预测以及性能递推预估仿真表明,高压转子相对转速误差低于0.2%,低压转子相对转速误差低于0.35%,涡轮后燃气温度误差小于3.5℃,满足控制与仿真的需要.      

利用字典优化方法实现sub Nyquist采样数据的频率估计

在稀疏重构理论中,重构信号需要预先设定稀疏表示字典,针对预设字典与真实字典之间的失配对信号稀疏表示造成的不利影响,提出一种基于字典优化和稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)的频率估计算法。该算法首先构造基于sub Nyquist采样数据的信号稀疏表达式,然后利用SBL算法估计信号频率,同时根据估计结果优化字典,最后反复迭代上述步骤直至计算出的频率值和对应的幅度值趋于稳定。仿真结果校验了方法的有效性。     

基于压缩感知的频率和DOA联合估计算法

波达方向（DOA）估计是阵列信号处理的一个重要问题,针对信号的DOA估计问题,本文基于压缩感知理论,提出了一种新的频率和角度联合估计算法。首先利用方向波数的空间稀疏性,建立过完备稀疏字典,然后利用压缩采样阵列结构通过求解最优化问题得到方向波数的高分辨估计,最后利用最优空域滤波实现信号到达角度和频率的配对。相对于传统算法,该算法能够实现多信号DOA的高分辨估计,且经过压缩采样后降低了运算量,仿真验证了该算法的正确性与有效性。     

深度确定性策略梯度算法用于无人飞行器控制

对深度确定性策略梯度算法训练智能体学习小型无人飞行器的飞行控制策略进行了探索研究。以多数据帧的速度、位置和姿态角等信息作为智能体的观察状态,舵摆角和发动机推力指令作为智能体的输出动作,飞行器的非线性模型和飞行环境作为智能体的学习环境。智能体在与环境交互过程中除了获得包含误差信息的密集惩罚外,也有达成一定目标的稀疏奖励,该设计有效提高了飞行数据的样本多样性,增强了智能体的学习效率。最后智能体实现了从位置、速度和姿态角等信息到控制量的端到端飞行控制,并进行了变航迹点、模型参数拉偏、注入扰动和故障条件下的飞行控制仿真,结果表明智能体除了能有效完成训练任务外,还能应对多种训练时未学习的飞行任务,具有优秀的泛化能力和鲁棒性,该方法具有一定的研究价值和工程参考价值。