高阶累积量自适应波束形成的改进算法

针对线性约束最小方差(LCMV)算法在自适应波束形成时,存在的对噪声敏感、信噪比(SNR)较高时波束形成受小特征值扰动影响较大的情况。在基于高阶累积量的LCMV算法的基础上提出改进方法。该方法首先计算阵列接收数据的高阶累积量,然后对高阶累积量构造数据增广矩阵,进行奇异值分解求出伪逆,再用伪逆修正LCMV算法的权值,形成波束。仿真结果表明,相比于传统LCMV算法与基于高阶累积量的LCMV算法。算法能够有效地克服信噪比升高时小特征值扰动对波束形成的不良影响,且在较低快拍数下仍能有效形成波束。     

联合多层次深度特征的SAR图像目标识别方法

提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。     

本征模式函数与经验模式分解方法分析

介绍本征模式函数IMF满足的条件和定义,分析了经验摸式分解EMD的前提、本质及其对非线性平衡系统数据处理所体现的优越性,并以隧道采集的风力数据处理为例,对上述理论进行了验证,展示了这种新方法的作用和效果。最后,从理论上证明了所处理数据的完备性及EMD成员正交性应满足的条件。     

基于小波变换的舰船辐射噪声调制特征分析

舰船辐射噪声在不同频带上的调制是有差异,利用多子带技术可以得到不同频带上的调制谱.研究了多子带分析技术以及利用小波包分析获得不同频带上的调制谱技术,利用最小信息熵准则对小波包分解进行了优化.双比两种方法,得到了一些有益的结论.试验表明,多子带分析技术对识别工程应用有指导意义.     

基于提升五株形小波的图像融合

在提升五株形小波多尺度分解的基础上,给出一种新的像素级图像融合方法.该方法利用提升五株形小波变换对每一幅图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于模糊图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于进行监视和侦察之类的视觉感知.     

师范学院召开学院本科教学水平评估动员大会

近日,师范学院召集全院教职员工召开了师范学院本科教学水平评估动员大会。大会由师范学院副院长孙思德主持,会上就大学即将展开的学院本科教学水平评估工作,师范学院教学质量和教学改革工程实施方案等两项议题进行了思想动员和具体的工作安排,并明确了相关的工作目标和质量标准。院长蔡文伯强调指出,对评估工作要高度重视,抓好重点指标,处理好评估与日常教学,学科建设与教学改革之间的矛盾,突出师范特色,争取优秀的评估成绩。同时要求全体教师要积极投身到教学质量和教学改革工程当中,争取更多的工程项目和经费。最后学院党委书记范德广要求全体教职员工,一要充分认识到评估的重要意义;二要把各项阶段性目标的完成时间落实到位,及时完成工作计划中的各阶段任务;三要认真分解评估任务,讲责任和任务分解到人;四要把各项工作落实到位,做到保质保量的完成各项评估准备工作。     

一种视频图像三维子带编码方法

介绍一种视频图像三维子带编码方法，它采用非对称滤波器进行子带划分，对各子带进行量化时，低频子带采用非对称树结构矢量量化方法，高频子带采用几何矢量量化方法。实验证明，由此构成的比特率为１１２ｋｂ／ｓ视频图像编码器获得了良好的重建图像质量。     

发射药的分解机理及其安定性研究

在研究发射药中硝酸酯的分解机理及其与发射药安定性关系的基础上,分析了热分解,水解和自动催化作用对发射药安定性的影响,以色谱法和粘度法等实验手段探索发射药安定性的变化规律,通过不同温度下发射药老化过程的动力学研究,提出了确定发射药安全使用寿命的可靠方法。     

集值拟终下鞅的收敛性与Riesz分解

本文在X^＊可分的条件下证明了集值拟终下鞅在弱收敛意义下的收敛定理，同时给出了如下集值拟终下鞅的Riesz分解定理：设{Fn，n≥1}包含Lc（X）为集值拟终下鞅，且满足（i）E｜｜Fτ｜｜I（τ〈∞）〈∞，偏dτ∈T，（ii）{｜｜Fn｜｜，n≥1}一致可积，则以下两条等价：（1）{Fn，n≥1}可Riesz分解； （2）Vn≥1，Fn关于E（F｜Bn）（n≥1）位似，其中Fn→w F。     

机载MIMO雷达稳健非均匀样本选择方法

针对杂波训练样本中混入干扰目标,导致空时自适应处理技术的杂波抑制性能下降问题,提出一种基于目标知识进行局部稀疏恢复的稳健训练样本挑选方法。该方法利用先验知识确定待检测单元中的目标区域,对整个角度-多普勒平面进行遍历,获得稀疏超完备基。通过变换矩阵对超完备基中对应的目标区域进行"挖空"处理,局部稀疏恢复出超分辨的杂波空时谱,获得杂波协方差矩阵估计。结合广义内积算法,实现非均匀训练样本挑选的过程。与常规结合广义内积方法相比,该方法对于不同干扰强度的训练样本,均有良好的检测效果。经仿真验证,所提方法的检验统计量之间区分度更加明显,对于干扰样本的挑选更加彻底,从而有效地提高了空时自适应处理技术的目标检测性能。