利用交互依赖活动集对C4ISR系统进行重组

一个复杂的C4ISR系统由若干子系统组成,子系统之间的交互依赖关系应该尽量少.利用活动模型构造系统的活动邻接矩阵,用图论中的路径矩阵来识别强连通子图,从而得出交互依赖活动集.具有交互依赖关系的活动尽量安排在一个子系统内部.利用这种方法来对C4ISR系统进行重组.     

矩阵多项式aA+bI

本文讨论了矩阵A满足f(A)=0时一次矩阵多项式aB+bI可逆的条件,并给出了来(aA+bI)-1的一般方法。     

一种基于Q-R矩阵分解的自适应滤波算法

由于计算误差等因素的影响,致使滤波协方差阵不对称或负定,从而导致滤波器发散,影响滤波算法的收敛速度和稳定性。在机动加速度"当前"统计自适应卡尔曼滤波算法的基础上,引入了基于Q-R矩阵分解的自适应卡尔曼滤波算法。将协方差阵分解为两个矩阵的乘积,来保证协方差矩阵的正定性。仿真结果表明,该算法可以较好地跟踪机动目标,具有精度高、稳定好、收敛快等特点。     

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。     

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。     

双圆阵模式空间二维解相干

提出一种相干信号二维波达方向(Direction of Arrival,DOA)估计算法——模式空间波达方向矩阵(Mode-Space DOA Matrix,MS-DOAM)法。算法基于双圆阵,利用模式空间转换将圆阵转换为虚拟双平行线阵,计算虚拟线阵阵元间的互相关信息,构造两个等效协方差矩阵,进而构造波达方向矩阵,对该波达方向矩阵特征分解,利用得到的特征值与特征矢量求得入射信号的仰角和方位角。算法无需二维搜索,实现估计参数自动配对。仿真结果表明,算法在低信噪比和短快拍条件下,估计误差低于虚拟空间平移算法。     

考虑不确定参数及外部扰动数字液压缸非线性鲁棒位置跟踪控制

在考虑不确定参数及外部扰动的情况下为数字液压缸位置跟踪系统设计了一个非线性控制器。首先,建立了数字液压缸位置跟踪系统的非线性模型;然后,构造了一个李雅普诺夫函数及非线性控制器,推导了系统鲁棒稳定的充分条件,由此将非线性控制器的设计问题转化成为线性矩阵不等式的求解问题;最后,进行了仿真及实验验证。结果表明:所设计的控制器对于参数不确定性及外部扰动具有良好的鲁棒稳定性及更好的动态特性。     

基于准循环双对角阵的LDPC码编码算法研究*

针对校验矩阵形如准循环双对角阵的结构化LDPC码,对比研究了两类高效的编码算法：矩阵分解编码算法和分项累加递归编码算法,指出了两种算法从实现角度是等效的,但分项累加递归编码算法推导更为直观,且便于硬件并行实现。基于分项累加编码算法,提出了一种适合准循环双对角LDPC码的部分并行编码结构,设计实现了IEEE 802.11n标准中的LDPC码编码器。FPGA实现结果表明,所设计的LDPC编码器硬件开销较少,信息比特吞吐率最高能达到13Gbps。     

一种判别离散型随机变量相互独立的新方法

对两个离散型随机变量相互独立的问题,通过引入分布律矩阵的概念,借助矩阵理论中行向量的相关结论,提出一种新的判别独立的方法。与以往的方法相比,这种方法更为简单和实用,更重要的是具体操作过程中计算量大为减少。     

基于空间子区一致性的异源图像匹配方法

提出一种基于空间子区一致性的异源图像匹配方法.该方法中,将图像划分为许多大小相同的子区;分别计算邻近子区间的灰度直方图距离,得到一种图像结构特征描述--似邻矩阵;利用似邻矩阵计算图像间的子区一致性;采用改进的搜索策略,快速获得匹配结果.实验结果表明,该方法在正确率和计算时间方面均优于传统方法.