改进Laplace先验下的复数域多任务贝叶斯压缩感知方法

为了将现有的实数域贝叶斯压缩感知方法推广至复数域,利用改进Laplace先验假设,提出了一种复数域多任务贝叶斯压缩感知(complex multitask Bayesian compressive sensing using modified Laplace priors, CMBCS-MLP)方法,消除了测量噪声方差的影响,并推导了一种基于递归操作的快速算法。数值仿真表明：针对复数域稀疏信号重构问题,相比于现有方法,所提CMBCS-MLP方法具有更好的精确性和鲁棒性。     

基于Zigbee无线传感器网络的押运感知节点的研究与设计

利用无线传感器网络及Zigbee协议标准,对押运信息感知监测系统进行了分析;提出了基于Zigbee无线传感器网络与空间定位技术、计算机技术、数据通信技术结合的押运信息感知监测系统架构;设计了押运感知监测网络中感知节点的软硬件,并且对网络感知节点软硬件功能进行了测试。     

盲稀疏度下基于粒子滤波的稀疏信号重构

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基于粒子滤波的稀疏信号重构算法。该算法首先将鲁棒性更高的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;并且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;最后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。     

光纤激光水听器的PGC实时全数字解调系统

概述了基于麦克尔逊干涉仪的光纤激光水听器的相位载波零差法(PGC)调制解调原理,通过数学推导及仿真,分析了调制信号和混频信号的频差是导致全数字化解调结果错误的主要因素之一。针对该诱导因素提供了可行的解决方案,并实现了基于DSP的1 MHz采样频率下使用PGC方法的全数字实时解调系统。对低频水声波段800Hz水声信号进行解调,实验结果表明:解调信号波形良好。     

一种基于地形分析的多目标关联算法

利用低时空分辨率的卫星遥感观测进行目标群关联,由于目标群运动状态转变的规律性不好寻找,目标群的精确属性特征难于获取,增加了利用目标属性进行关联的实现难度.考虑到地形特征对目标群运动影响的特点,提出了基于地形栅格分析的多目标关联算法.     

协方差压缩感知逆合成孔径雷达成像技术

为解决低信噪比条件下短观测时间雷达成像问题,提出一种基于回波协方差矩阵处理的压缩感知逆合成孔径雷达成像技术。该方法构建了回波协方差矩阵层面下的压缩感知问题模型,并通过特定的线性变换降低环境噪声对成像结果的影响。在仿真实验中,通过处理短观测时间和低信噪比条件下的模拟回波数据,该方法获得比传统压缩感知方法像质更好、对比度更强的目标成像结果。同时,其成像结果的目标背景比和背景噪声能量两个雷达图像评价指标都优于传统方法,进一步验证了该方法的有效性。     

光纤光栅技术与应用专题讲座(三) 第5讲 光纤光栅网络传感技术的原理与应用

文中介绍了光纤光栅温度、压力、应变的基本原理及几种常用的光纤光栅传感信号解调技术。讲述了光纤光栅网络化传感技术研究进展,对几种常用传感网络进行了详细的描述。综述了光纤光栅传感器的实际应用,并着重讲述了光纤光栅传感器在军事上的应用实例。     

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。     

隐身榴弹表面吸波材料的抗压强度分析

在火炮发射隐身榴弹过程中,由于隐身榴弹的静不平衡、动不平衡,造成隐身榴弹在膛内运动过程中碰撞膛线,其表面涂敷的吸波材料将承受较大的接触力.发射过程中应保证不损伤吸波材料表面,确保吸波材料具有良好的吸波性能、不增加隐身榴弹的雷达散射截面.从理论上计算了隐身榴弹与膛线之间的接触力,为研制隐身榴弹用的抗压吸波材料提供了设计指标.     

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。