船舶航向非线性系统离散变结构控制

基于非线性模型研究船舶航向自动舵的离散变结构控制设计问题。通过状态反馈精确线性化方法设计了二次型最优滑模面,采用离散趋近律方法求得变结构控制律。研究结果表明,所设计的离散变结构控制器能够快速准确地跟踪设定航向,并对参数摄动和外界风浪干扰具有很强的鲁棒性。     

非线性晶体CsLiB6O10与K2Al2B2O7混频光学特性分析

对光学晶体CsLiB6O10(CLBO)和K2Al2B2O7(KABO)在Ⅱ类相位匹配下的混频光学特性进行了理论计算和分析,研究了混频相位匹配角、有效非线性系数、光波走离角、允许角和允许波长等参量随波长变化的关系.结果对于两种优质晶体选择最佳条件用于产生紫外激光的实验研究提供了重要的理论依据.     

一种基于整数小波变换的图像压缩方法

提出了一种基于整数小波变换的数字图像压缩方案.该算法首先对原始图像进行边界延拓,然后对延拓后的图像进行基于提升格式的整数小波变换,对于小波变换后的系数进行基于形态膨胀算法的嵌入式小波零树编码,最后进行自适应算法编码.实验结果表明,该方案在缩短编码时间以及提高压缩比和峰值信噪比方面,均取得了良好的效果.     

基于离散降雨衰耗状态的卫星信道模型

针对Ka频段卫星信道中降雨衰耗的统计分布特点,建立了基于离散降雨衰耗状态的卫星信道模型,模型中各状态组成离散的Markov链并由其转移概率矩阵来表示,分析此模型下的信道误比特性能和数据包丢失性能。此模型能够适用于链路层以及高层通信协议。     

纹理影像特征选择及K-means聚类优化方法

Gabor变换和K-means算法是最为常用的纹理分析方法。然而,采用Gabor变换得到的纹理特征向量具有较高的维数,影响算法的运行效率;K-means算法也易受初始类中心的影响而导致分类精度下降。因此,通过Relief算法对采用Gabor变换所提取的纹理特征进行选择,得到合适的纹理特征子集。进一步采用差分进化算法,对K-means算法的聚类中心进行优化从而提高纹理识别精度和效率。实验结果表明:提出的方法所需用到的纹理特征向量的维数相对于原始特征集有大幅降低,较之基本的K-means算法,纹理识别的精度也有较明显的提高。     

OQAM/OFDM系统中基于压缩感知的离散导频信道估计方法

针对多径信道条件下,偏移正交幅度调制的正交频分复用(OQAM/OFDM)系统中采用导频序列方式进行信道估计时导频开销较大的问题,提出一种基于压缩感知的离散导频信道估计方法。该方法利用无线信道的稀疏特性,建立基于压缩感知的OQAM/OFDM系统信道估计模型,对离散导频结构进行了优化设计,使较少的导频符号随机分布在子载波上,在接收端利用信号恢复算法实现信道估计。该方法能够显著减少导频数量,并实现高精度信道估计性能,通过实验仿真对比验证了所提方法在慢时变和快时变的无线信道条件下的有效性。     

INS辅助的PMF-FFT快速捕获算法

为了快速地捕获卫星信号,研究了部分匹配滤波(Partial Matched Filter,PMF)算法及其参数选择依据。采用惯性导航系统(INS)辅助的PMF-FFT捕获算法,该算法首先利用惯性导航系统信息缩小信号捕获的2维搜索范围;同时,为改善PMF-FFT捕获算法的性能,在PMF过程中采用窗函数加权积分。结果表明,该捕获算法能够大幅减小平均捕获时间;且加窗后的PMF-FFT算法捕获性能更优。     

采用双树复小波结构相似性度量的景象匹配北大核心

以基于人类视觉系统的图像结构相似性度量为基础,双树复小波变换为工具,将复小波变换域下的结构相似性度量应用于景象匹配系统中,提出了对于图像空域变换具有较强鲁棒性的景象匹配方法。测试试验表明,双树复小波结构相似性度量从较大程度上反映了相比较图像在结构方面的相似性,同人类视觉认知系统更接近;同时由于复小波的近似位移不变性,该指标对于实时图存在对比度、光照变化等干扰情况表现出较好的鲁棒性,更适合作为复杂成像条件下景象匹配的相似性度量指标。景象匹配实验表明,该方法在复杂干扰下具有更高的正确匹配率。     

使用融合乘加加速快速傅里叶变换计算的向量化方法

融合乘加指令加速快速傅里叶变换计算的向量化方法,通过变换快速傅里叶变换的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得时间抽取法基2快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,时间抽取法基4快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速快速傅里叶变换的计算,取得高效的计算性能和效率。     

基于AM-LFM和IRT的旋转微动目标成像算法

在雷达成像中,基于CS的方法因其压缩采样的特性而在高分辨雷达成像中得到广泛应用。然而由于其是一种基于参数化的成像方法,对观测位置误差特别敏感。在实际中,一般无法知道精确的观测位置。观测位置的误差会造成成像结果位置的偏离、散焦以及无法聚焦。针对基于压缩感知的成像算法存在的观测位置依赖性问题,提出了一种基于调幅-线性调频(AM-LFM)分解和逆Radon变换(IRT)的微动目标成像算法。该方法根据分解后信号调频率分离目标微动信号与主体信号,再进行IRT成像。仿真及实验结果验证了算法的可行性和有效性。