翼型不确定性量化中正交匹配追踪的应用

不确定性在实际系统中广泛存在，为了研究不确定性因素影响下系统输出的随机响应特性，传统的不确定性量化方法如蒙特卡洛采样、混沌多项式展开等需要大量的样本，制约了在飞机机翼等复杂系统中的应用。近年来，在信号处理领域发展迅速的压缩感知技术，利用原始信号的稀疏性可以用少量的样本精确重构信号。这一特性促使研究人员探索将压缩感知技术应用于不确定性量化研究中。以RAE2822实际翼型为研究对象，使用类函数/形函数变换将原始翼型参数化，考虑加工、装配过程和实际飞行工况下的几何不确定性，将压缩感知技术与混沌多项式展开相结合，利用正交匹配追踪算法实现多项式系数的稀疏重构，获得翼型气动力系数和流场参数在考虑几何不确定性影响下的均值和标准差，并与蒙特卡洛采样和满秩概率配点法获得的结果进行对比。通过对收敛性能、样本数需求和重构精度等方面的对比分析表明，正交匹配追踪算法能够利用相对较少的样本获得与传统不确定性量化方法相近的精度。考虑到实际系统的随机响应在混沌多项式基底上大多具有稀疏的展开形式，因此将压缩感知技术应用到不确定性量化中可以显著降低样本数需求，从而降低时间成本，提高计算效率。     

基于飞行时间相机的非合作慢旋卫星稠密重建研究

针对非合作慢旋卫星的模型重建问题，提出基于飞行时间(time-of-flight, TOF)相机和同时定位与制图(simultaneous localization and mapping, SLAM)的稠密重建方法。基于预先检测与自适应阈值方法提高旋转提取与描述(oriented fast and rotated brief, ORB)的特征尺度适应性。利用运动度量方法选取关键帧。利用子模型拼接方法加快重建效率。利用仿真环境制作非合作慢旋卫星的数据集。仿真实验结果表明:该方法能够实现长时间稳定地工作，可在3 min内重建出卫星模型的稠密点云，点云密度大于5 000，重建误差小于5 cm。利用机械臂、卫星模型及光学暗室搭建半物理实验系统，表明算法的精度及抗噪声能力基本满足非合作目标感知的任务的需求。     

基于跨层信道感知的SPMA 协议自适应阈值算法

基于统计优先级的多址接入协议（SPMA, Statistical Priority-based Multiple Access protocol）应用于机     

基于压缩感知的嵌套FDA 雷达距离- 角度联合估计

针对频率分集技术，与非均匀阵列、压缩感知理论相结合，实现目标距离- 角度的联合估计。通过 频率分集技术提高信号空间自由度，将距离参数引入导向矢量矩阵，实现距离- 角度参数的联合。并结合嵌套 阵列，显著提高雷达阵列孔径。该方法针对嵌套阵虚拟阵列流型矩阵的优化过程导致的秩亏缺问题，传统的空 间平滑算法会以牺牲部分阵列孔径为代价将单快拍问题转化为多快拍问题，采用正交匹配追踪算法可以实现单 快拍下的高精度参数估计，避免了空间平滑技术对阵列孔径的影响。并通过压缩感知理论的应用降低信号维度， 减小了计算复杂度。     

基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法

深度Q学习网络(DQN)因具有强大的感知能力和决策能力而成为解决交通信号灯配时问题的有效方法，然而外部环境扰动和内部参数波动等原因导致的参数不确定性问题限制了其在交通信号灯配时系统领域的进一步发展。基于此，提出了一种DQN与扩展卡尔曼滤波(EKF)相结合(DQN-EKF)的交通信号灯配时方法。以估计网络的不确定性参数值作为状态变量，包含不确定性参数的目标网络值作为观测变量，结合过程噪声、包含不确定性参数的估计网络值和系统观测噪声构造EKF系统方程，通过EKF的迭代更新求解，得到DQN模型中的最优真实参数估计值，解决DQN模型中的参数不确定性问题。实验结果表明:DQN-EKF配时方法适用于不同的交通环境，并能够有效提高车辆的通行效率。      

基于滑动截获和信号相关的对流层散射频谱感知

为提高对流层散射频谱感知的性能，提出了适应对流层散射多径衰落信道的频谱感知方案。针对对流层散射频谱感知性能低下的问题，在分集接收的基础上，分析对流层散射信道的时域扩散特性，提出滑动截获的方式截获信号，计算其最佳截获长度。同时，为降低噪声对检测性能的影响，利用信号的相关性，求出各截获窗内信号的相关矩阵，构造统计量，分别推导在Nakagami-m衰落信道模型下不同分集数时的检测概率和检测门限。通过仿真实验分析，验证在不同条件下所提频谱感知算法的性能，与传统算法相比，所提算法在对流层散射信道中适应性更好、性能更强。     

适用于通信信号盲源分离的 分离条件数学建模方法研究

针对使用盲源分离技术分离卫星通信信号的数学假设工程实施问题,重点对分离条件中的数学假设混合矩阵列满秩展开研究。根据最优化理论,提出了一种适用于通信信号盲源分离的分离条件数学建模方法。首先,介绍了盲源分离的分离模型与基本假设;其次,选择矩阵条件数来衡量混合矩阵的正定性,并结合阵列天线接收模型,以矩阵条件数为目标函数,建立最优化模型,寻找最优天线间距;最后,以两个信号源、两个接收天线为例进行仿真。仿真结果表明：所建立的优化模型可以有效找到最优天线间距,通过设计合适的天线间距可以有效满足混合矩阵列满秩条件。最优天线间距与载波频率成反比。该建模方法有效将抽象的数学假设转化为具体的天线间距设计,加强了盲源分离技术的可实施性,为大规模的盲源分离天线阵列设计提供技术支撑。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...     

基于视听融合的宽频带振动频谱提取（英文）

提取振动频谱对于旋转机械的故障诊断至关重要。环境和噪声的多样化限制了传统单模态振动提取方法的性能。由于视听信号具有不同的采样频率、噪声和环境限制，视听融合算法可以有效解决单一模态存在的问题。基于此，文中提出了一种基于视听融合深度卷积神经网络的宽带频谱提取方法，该方法充分融合了不同模态的有效信息。该模型基于双流编码器从不同的模态中提取特征，使用深度残差融合模块提取高级融合特征并输出给解码器。实验结果表明，该模型的表现优于最新的振动提取方法，如Reg Net, MFCNN及L2L等，噪声环境下的振动频谱提取准确率提高15%。