一种基于空-频稀疏的水声目标线谱重构方法

针对短数据量情况下被动声呐目标参数估计的问题，提出了一种波达角-频率联合估计方法，用于解决传统方法频率分辨能力和角度分辨能力不足的问题。该方法根据稀疏重构理论，利用目标在空间域和频域的稀疏特性，通过理论推导建立了空-频联合稀疏重构模型，并使用凸优化方法求解；仿真分析了该方法在不同信噪比条件下，对相邻目标的波达角和频率的估计能力，并使用海上测得数据验证了该方法的有效性。实验结果表明：该方法在短数据量情况下，可以准确估计目标的波达角和频率，并对噪声和相干目标有显著的鲁棒性，可以用于被动声呐探测机动目标。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

粒子滤波匹配追踪重构算法

针对现有贪婪迭代类压缩感知重构算法对非高斯量测噪声抵抗性差的问题,提出一种盲稀疏度下粒子滤波匹配追踪稀疏信号重构算法。该算法将鲁棒性更高的Huber损失函数替代常规的二次损失函数,用来增加对非高斯噪声的抵抗能力;并引入粒子滤波实现对原始信号的最优估计,以削弱量测噪声的影响;在信号稀疏度未知的条件下,结合稀疏度自适应匹配追踪算法实现盲稀疏度下的原信号重构。理论分析和仿真结果表明,所提算法可以有效抵抗因非高斯噪声干扰或稀疏度未知导致的重构精度降低,且重构性能优于现有典型贪婪迭代类算法。     

压缩感知理论与光学压缩成像系统

压缩感知理论为提升信息获取能力提供了新的思路,它表明当被探测信号具有稀疏性时,则获取信号所必需的测量数据与其稀疏度K量级相当,而远小于信号的维数N(Shannon采样定理所要求的采样数)。基于压缩感知理论的成像技术(压缩成像)则将感知、压缩和数据处理三个过程完美地结合在一起,避免了传统成像系统"先采样再压缩"方式带来的传感器和计算资源浪费。本文从稀疏性、投影测量矩阵的设计与可重构条件、压缩感知重构算法三个方面概述了压缩感知理论及进展,并以光学成像为背景,详细阐述了最近提出的几类光学压缩成像系统,最后,探讨了压缩感知及压缩成像方面目前所面临的一些挑战性问题。     

基于稀疏表示和非参数判别分析的降维算法

针对人脸识别问题提出一种新的监督降维算法。算法首先基于稀疏表示理论,利用同类样本间的稀疏重构来构建图。此方案不仅可以克服传统图构造方法中参数选择的困难,而且能够更好地刻画类内信息。然后,算法采用非参数类间离差来刻画类间信息,非参数类间离差在处理复杂分布数据时相比于参数类间离差更具判别力。最后,算法通过保持类内稀疏重构关系的同时最大化非参数类间离差来求得最优的投影矩阵。在ORL和Extended Yale B公共人脸数据库的实验表明,该算法能够获得较好的识别结果。     

尺度自适应特征压缩跟踪

为在复杂环境中对目标进行长时间精确跟踪,提出一种尺度自适应特征压缩跟踪算法。通过结构约束性采样,获取不同尺度不同位置的扫描窗,离线计算不同尺度下的稀疏随机感知矩阵。在线跟踪时利用这些矩阵感知对应尺度的图像采样块,实现特征降维,提高运算速度。利用朴素贝叶斯分类器对降维特征判决,在线学习更新分类器参数,找出具有最高分类得分的采样块作为新的跟踪结果,实现跟踪位置及尺度的自适应更新。实验结果表明,该算法能适应目标的基本姿态变化及尺度缩放,不依赖于目标初始跟踪区域尺度选取,跟踪结果具有较强的鲁棒性。     

基于压缩感知原理的融合判别信息的协作表示方法

提出了一种用于视觉分类任务的低计算复杂度且有效的图像表示方法。把协作表示和判别信息结合在统一框架内,是基于协作表示分类方法的一种扩展形式。测试样本的协作表示系数是稀疏的,这种基于冗余和过完备的表示对于遮挡和伪装而言是鲁棒的;此外,通过最小化类内散布矩阵和最大化类间散布矩阵的判别信息的挖掘,对于视觉分类问题也是很有帮助的。在一些基准数据库上的实验表明,提出的方法相对于现有的方法而言能够获得更有竞争力的表现。     

单站纯方位目标跟踪系统可观测性分析

针对单站纯方位目标跟踪系统的可观测性,在研究国内外有关状况的基础上,给出了单站纯方位目标运动分析的问题描述,综述了国内外的研究和发展情况,给出了由观测可观测性的一些结论和证明.其中对某些经典的结论给出了简单、明了的证明方法,这些有助于该问题的深入理解和研究.     

基于无相关判别稀疏投影的人脸识别方法

针对人脸识别问题,提出了一种无相关判别稀疏投影(uncorrelated discriminant sparse projections,UDSP)方法。该方法通过设计一个无相关约束基于差的最优化目标,同时增加判别信息到稀疏保持投影(sparsity preserving projections,SPP)的目标函数,不仅保持了SPP的稀疏重构结构关系,而且利用了全局判别结构。同时,通过强加合适约束使得提取的特征统计无相关。最后,在FERET人脸库上进行了实验,证明了该方法的有效性。     

太阳能电池阵跟踪驱动过程扰振特性分析

太阳能电池阵对日跟踪驱动过程所产生的扰动是限制高精度航天器技术指标提高的主要因素之一。为获取驱动扰动的规律性特征,本文将太阳能电池阵及其驱动装置考虑为相互耦合的整体系统,从主要驱动环节出发建立其机电一体化扰振分析模型和Simulink动力学仿真模块,通过试验算例验证模型正确性,并分析了电池阵刚柔耦合和质心偏置等因素对扰振特性的影响。结果表明:转速波动将激起电池阵低阶扭振模态,扰动频谱具有步进电动机驱动和柔性结构振动的频率特性,但扭振扰动对刚体运动规律影响很小;质心偏置会引起电池阵平动与转动耦合的空间振动,激扰面外弯曲振型,改变扰振频率分布和放大扰振分量幅值。