广播星历参数星上自主拟合算法

导航星座自主导航要求卫星能自主生成导航电文,针对星载计算机的处理能力有限,引入基于遗忘因子的递推最小二乘估计算法实现快速拟合广播星历。针对导航卫星轨道偏心率近似为0,在数据拟合过程中会导致法矩阵(HTH)奇异的问题,提出基于无奇异变换的广播星历参数拟合算法,引入无奇异轨道根数代替经典开普勒根数,迭代拟合得到改进广播星历参数,再将结果归一化到基于开普勒根数的广播星历参数。利用仿真算例验证了广播星历星上自主拟合算法的合理性。     

无线传感器网络中数据流异常数据的联合估计算法

为保证无线传感器网络数据的完整性,针对数据流中存在异常数据的问题,提出了一种基于BP神经网络和多元线性回归的联合估计算法。首先,将存在异常数据的数据流作为样本输入,利用神经网络的非线性拟合能力对异常数据进行估计。然后,通过相邻的传感器节点数据建立多元线性回归模型,对异常数据进行估计。最后,根据两种算法在不同情况下的误差大小,调整它们各自在异常数据估计中的权重,计算出最接近真实值的估计值。以Berkeley Intel实验室的传感器数据为实验数据,通过Matlab软件对本文方法进行测试并分析仿真结果,实验结果表明文中提出的方法能对异常数据进行有效估计,并且具有较高的可靠性和稳定性。     

导航卫星广播星历参数拟合算法研究

基于GPS广播星历参数,研究了导航卫星广播星历参数的非线性最小二乘拟合算法,并推导了相应的计算公式.针对静止轨道卫星轨道倾角近似为0,致使卫星轨道的升交点定义模糊,在数据拟合过程中会导致法矩阵(HTH)奇异的问题,提出对卫星轨道进行轨道倾角变换拟合广播星历参数的方法,并获得较高的拟合精度.最后利用实际算例验证了所推公式和算法的合理性.     

基于二次特征提取的神经网络信号源个数估计方法

信源数目估计对阵列信号空间谱估计非常关键,但容易受到相关噪声环境和相关信号源的影响。为此,提出一种基于二次特征提取的源数估计算法。首先,利用阵列信号协方差矩阵的特征值和特征向量,提取6组二次特征参数;然后,利用这些参数对神经网络进行训练;最后,利用训练好的神经网络进行信源数目估计。由于稳健性强,该算法非常适合在复杂电磁环境下使用。仿真试验结果表明,该算法在低信噪比、相关噪声和相关信号源条件下均具有良好的估计性能。因此,该算法应用前景广阔。     

近场非合作源MIMO雷达多目标定位与信道估计

研究了多输入多输出(MIMO)雷达系统,在收发非合作的情况下,通过两个阶段的处理分别对空间多个近场源进行定位,并对MIMO雷达的发射信号与衰落矢量矩阵等参数进行信道估计.由于在近场条件下,常规的阵列信号处理算法不再适用,因此在第1阶段利用了四阶累积量联合估计算法对近场源的距离、频率和到达角(DOA)进行估计,第2阶段中则利用盲源分离(BSS)算法对衰落矢量矩阵及发射信号完成估计.仿真结果证明了整个系统过程的有效性.     

一种修正ESPRIT信号DOA估计算法

分析了典型DOA估计算法的优缺点,针对信噪比较小的情况下对CESPRIT做出了一些修正,将接收数据共轭重排再利用,构造矩阵修正的ESPRIT算法,称之为MCESPRIT算法.理论分析和仿真实验表明,该算法同经典的ESPRIT以及其他2种修正算法MESPRIT算法及CESPRIT算法相比,在信噪比较小及快拍次数有限时,能够改善信号DOA估计的性能.     

基于神经网络的椭圆扩展目标形态估计

针对复杂环境下由稀疏量测引起的椭圆扩展目标形态估计精度低的问题,提出了一种基于神经网络的形态估计方法。利用神经网络对目标量测进行处理,估计出椭圆扩展目标的轴长,然后结合卡尔曼滤波算法实现目标的跟踪。仿真实验结果表明,通过与基于随机矩阵、乘性误差以及卷积神经网络等模型的算法相比,所提算法的跟踪性能有显著改进。     

多边修正算法中的换顶原理及复杂性分析

对于无向赋权图,利用换顶过程中矩阵翻转与数据块调换时上三角部分数据的变化规律,对权值矩阵的数据进行处理,以完成无向完全图中H圈（H路类似）的修正过程。事实上,多边修正的原理最终是通过变换顶点达到的,而其主要用到的换顶规则是矩阵数据的块调换与翻转,该思想还可以推广到有向图的情形。最后利用换顶原理对多边修正算法进行了复杂性分析,讨论修正边数对复杂性的影响。     

动态加权的一致性多传感器数据融合算法

研究现有多传感器的加权融合算法,针对时变非线性系统状态估计的有效融合问题,提出了一种基于动态加权的一致性多传感器数据融合算法.对于多传感器量测,首先利用Unscented 卡尔曼滤波器得到局部状态估计值,然后基于层次分析法思想,构建反映局部状态估计结果相互支持程度的一致性矩阵,充分提取数据中蕴含的冗余和互补信息,最后通过对一致性矩阵的求解实现对权重的合理选择.经过蒙特卡罗仿真验证了该算法的有效性.     

基于四阶累积量的相干信号二维波达方向估计算法

提出了一种基于四阶累积量的相干信号二维波达方向(DOA)估计的算法--CSS算法.该算法利用双平行线阵的接收数据以及平滑技术构造了一个平滑的渡达方向矩阵,通过对其进行特征分解估计出空间相干信号的二维到达角.在色噪声环境下,该算法能够精确地估计空间相干信号的二维到达角,无需谱峰搜索,并且信号的二维参数能够自动配对.计算机仿真结果验证了算法的有效性.     

长向量处理器高效RNN推理方法

模型深度的不断增加和处理序列长度的不一致对循环神经网络在不同处理器上的性能优化提出巨大挑战。针对自主研制的长向量处理器FT-M7032,实现了一个高效的循环神经网络加速引擎。该引擎采用行优先矩阵向量乘算法和数据感知的多核并行方式,提高矩阵向量乘的计算效率;采用两级内核融合优化方法降低临时数据传输的开销;采用手写汇编优化多种算子,进一步挖掘长向量处理器的性能潜力。实验表明,长向量处理器循环神经网络推理引擎可获得较高性能,相较于多核ARM CPU以及Intel Golden CPU,类循环神经网络模型长短记忆网络可获得最高62.68倍和3.12倍的性能加速。     

基于RNN汉语语言模型自适应算法研究

深度学习在自然语言处理中的应用越来越广泛。相比于传统的n-gram统计语言模型,循环神经网络(Recurrent Neural Network,RNN)建模技术在语言模型建模方面表现出了极大的优越性,逐渐在语音识别、机器翻译等领域中得到应用。然而,目前RNN语言模型的训练大多是离线的,对于不同的语音识别任务,训练语料与识别任务之间存在着语言差异,使语音识别系统的识别率受到影响。在采用RNN建模技术训练汉语语言模型的同时,提出一种在线RNN模型自适应(self-adaption)算法,将语音信号初步识别结果作为语料继续训练模型,使自适应后的RNN模型与识别任务之间获得最大程度的匹配。实验结果表明:自适应模型有效地减少了语言模型与识别任务之间的语言差异,对汉语词混淆网络进行重打分后,系统识别率得到进一步提升,并在实际汉语语音识别系统中得到了验证。     

利用循环网络的降落伞开伞载荷补偿方法

为了对降落伞充气展开过程中的开伞载荷进行更加准确的预测,提出一种基于循环神经网络的开伞载荷补偿计算方法,包括模型架构和数据处理方式。该方法将充气时间法计算的预测值代入循环网络进行二次计算,使最终结果能够更加贴近试验真值。使用多层前馈网络、标准循环网络与长短时记忆网络三种网络进行比较,验证了所提模型预测结果的适用性和准确性,研究了学习率、输入层维度和隐层维度等超参数对模型性能的影响,并给出了基于长短时记忆网络的补偿模型最优训练条件。实验结果表明,利用循环网络进行开伞载荷预测具有较好的拟合结果,为机器学习与降落伞工业的学科交叉研究提供了一定的参考方向。     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

一种高机动场景下的单快拍DOA估计算法

针对高机动场景下目标信号样本数据少,常规算法难以获取信号子空间的问题,提出一种基于改进协方差矩阵的单快拍DOA估计算法。所提算法首先对接收的单次采样数据做互相关预处理,利用预处理所得数据重构等效协方差矩阵,再基于MUSIC算法完成相干信号的DOA估计。在不损失阵列孔径的同时,算法保证了谱估计精度。计算机仿真表明,在样本量较小的情况下,所提算法能够有效估计出相干目标信号,较现有算法估计精度有所提高。     

模型递推辨识算法及应用

研究了具有线性参数的非线性多项式模型的数据阵L－D分解性质,其中D是对角阵,L是带有单位元素的下三角阵．结果表明,通过因子L可以估计出模型的参数,通过因子D可以选择模型中的项;提出了同时进行模型的结构确定和参数估计的递推辨识算法．该算法可用于船舶运动的实时建模．实际应用结果表明,该算法可以有效地辨识多项式等线性参数的非线性模型．     

An INS/GNSS integrated navigation in GNSS denied environment using recurrent neural network

In view of the failure of GNSS signals, this paper proposes an INS/GNSS integrated navigation method based on the recurrent neural network (RNN). This proposed method utilizes the calculation principle of INS and the memory function of the RNN to estimate the errors of the INS, thereby obtaining a continuous, reliable and high-precision navigation solution. The performance of the proposed method is firstly demonstrated using an INS/GNSS simulation environment. Subsequently, an experimental test on boat is also conducted to validate the performance of the method. The results show a promising application prospect for RNN in the field of positioning for INS/GNSS integrated navigation in the absence of GNSS signal, as it outperforms extreme learning machine (ELM) and EKF by approximately 30% and 60%, respectively.     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。     

基于目标特征的光学遥感图像舰船检测方法

针对在大场景、高分辨率的光学遥感图像舰船目标检测中,传统的阈值检测方法效果不佳,而恒虚警法计算量大的缺点,研究一种根据检测舰船目标的特征,对每个可能的目标区域,快速计算检测阈值的方法。同时,研究基于RNN网络及信噪比的特征选择方法,对目标的特征进行优选并对候选目标进行鉴别。实验结果表明,采用本文方法进行舰船目标检测能获得较好的检测结果.     

基于DSP的SMI方法快速实现研究

空时自适应处理(STAP)权值计算有数据域和均方域两种方法,分别以QR分解和样本协方差矩阵求逆(SMI)方法为代表.QR分解方法可以映射到脉动阵上并行实现,但实现复杂且设计成本较高;SMI方法实现则相对简单,但需要对样本协方差矩阵直接求逆.首先考察了不同矩阵求逆方法的内在并行性,基于DSP支持的片内并行技术,提出并实现了SMI方法的单DSP分块并行处理,进一步给出了数值稳定性分析和改善方法,实验结果证明了方法的有效性.