卡扣型橡胶减振器刚度特性分析与试验研究

以一种常用的双侧卡扣型橡胶减振器为研究对象,通过对橡胶减振器进行受力分析,建立减振器的刚度计算模型,给出了减振器刚度与单片橡胶块刚度的关系;再采用仿真和试验手段,对单片橡胶块和减振器的刚度特性进行了研究。研究表明：在小变形条件下,卡扣型橡胶减振器压缩刚度和剪切刚度是单片橡胶块压缩刚度和剪切刚度的2倍,通过仿真分析与试验测试验证了减振器力学模型的准确性。     

脉冲压缩在铝薄板电磁超声导波检测中的应用

针对电磁超声换能器(EMAT)换能效率低导致超声回波信噪比(SNR)差这一问题,基于相位编码脉冲压缩技术,讨论了匹配滤波器及旁瓣抑制滤波器的设计及其在电磁超声检测中的实现.选用典型二相编码信号-巴克码作为激励信号,分析了不同码长、载波周期数的巴克码信号对电磁超声导波检测脉冲压缩效果的影响,并研究了旁瓣抑制算法的效果.以...     

一种高光谱图像的双压缩感知模型

高光谱图像因其海量数据性,给存储、传输及后续分析处理带来了挑战。压缩感知理论提供了一种全新的信号采集框架。针对高光谱数据的三维特性,提出一种双压缩感知的采样与重构模型。该模型在采样阶段兼顾高光谱数据的空间和谱间稀疏特性,构造了能同时实现空间和谱间压缩采样的感知矩阵;重构阶段不同于传统的压缩感知重构方法直接重构高光谱数据,而是将高光谱数据分离成端元和丰度分别进行重构,然后利用重构的端元和丰度信息合成高光谱数据。实验结果表明,所提双压缩感知在低采样率下重构精度较三维压缩采样提高了10 dB以上,更为显著的是运算速度提升了3个数量级,同时该方法还便于获得端元和丰度信息。     

双极性压缩观测光谱成像技术研究

压缩传感突破了 Nyquist-Shannon 采样定理的限制,从随机观测的少量测量值中即可高精度地获取图像,给成像设备的设计带来了巨大变革。压缩传感理论证明可以通过重构恢复获得比焦平面阵列分辨率更高的场景图像。尽管在理论上存在巨大优越性,压缩传感成像系统的物理实现需要考虑一些实际问题。文章围绕压缩传感成像设备进行了研究,提出了一种物理可实现的压缩成像方法,该方法利用双通道观测架构实现压缩成像中的双极性观测,解决了压缩成像理论与实际物理约束不一致的问题。采用多路技术和多膜技术实现大视场观测与多次视场观测,该方法可以单次曝光获取充足的观测值来高精度重构原图像。压缩光谱成像数值仿真实验验证了该方法的有效性和鲁棒性。     

脉压雷达旁瓣匿影工作模式与抗干扰性能分析

旁瓣匿影是脉冲压缩雷达中常用的抗干扰技术。首先基于旁瓣匿影的一般结构,构建了脉压前匿影与脉压后匿影两种工作模式。然后重点针对不同工作模式下的雷达抗干扰性能和检测性能进行了理论分析和仿真研究。结果表明,脉压前匿影比较适合对抗压制性脉冲干扰,而脉压后匿影则更适合对抗欺骗性脉冲干扰。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

q-一致光滑Banach空间中的严格伪压缩映像

提出一种不用投影算子的修正的Mann遮代的循环算法,用于逼近q-一致光滑的Banach空间中有限个严格伪压缩映像的公共不动点,并证明了算法的强收敛性。本结论推广了Kim等和Zhang等关于非扩张映像的相应结果。     

基于压缩协作表示的辐射源识别算法

针对低信噪比（SNR）条件下传统辐射源识别算法性能下降的问题,提出了基于压缩协作表示的识别算法,分别从特征提取和分类器设计两方面进行描述。首先将时域辐射源信号变换到二维时频域,通过图像处理方法提取高维特征列向量。经随机矩阵压缩到一定维度后,输入到提出的压缩协作表示分类器中得到识别结果。进而,对协作表示系数进行非负约束,提出了更符合实际应用场景的算法。仿真结果验证了所提算法的可行性与有效性,且在低信噪比条件下稳健性强、抗噪声干扰性能好、计算量较小、易于工程实现。     

基于RIPless理论的层析SAR成像航迹分布优化方法

层析合成孔径雷达成像(TomoSAR)是通过同一观测区域不同入射角的多幅二维合成孔径雷达(SAR)图像在高程向进行孔径合成,从而实现三维成像。近年来,压缩感知(CS)被用于高程向稀疏场景的重建,高程向重建质量取决于观测矩阵的性质,而航迹分布是影响观测矩阵重构性能的重要因素。相比于度量观测矩阵重构性能的其他约束条件,RIPless理论具有有效、直观和计算简单等优点。提出了一种基于RIPless理论的压缩感知层析SAR成像航迹分布优化准则,从而在航迹数目一定的情况下,获取最优分布以实现高程向优化重建。最后,通过仿真和实验验证了所提优化准则的有效性。