基于循环子空间理论的线性系统测试矩阵优化

研究了线性定常系统在循环指数大于1(即其约当标准形不同的约当块有重根)的情况下测试矩阵的优化方法.以循环子空间相关定理的证明为基础,根据根向量链的相关特性,得到了测试向量的线性和与系统观测性的直接关系,给出了在保证系统可观测性的同时,使得测试代价最小的测试矩阵优化方法.算例表明,提出的方法简单直观,对配置测试向量具有良好的工程价值.     

基于编码序列随机移位的MCPC雷达信号设计方法研究

多载频相位编码信号(MCPC)是近年来备受关注的一种新体制宽带雷达信号,其灵活的信号结构使其具备性能均衡、可调的特点,与此同时对参数设计的要求也相应提高.现有设计方法难以在模糊图和包络控制方面同时取得令人满意的性能,且大多只研究了载频数量较少的情况.针对此问题提出了一种编码序列随机移位的MCPC信号,具备理想的图钉状模...     

一种支持向量机增量学习淘汰算法

针对大规模数据集的分类问题,支持向量机的训练成为一个难题。增量学习是解决这一难题的思路之一。分析了新增样本加入训练集后支持向量集的变化情况,提出了一种基于密度法的支持向量机增量学习淘汰算法,淘汰了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。实验仿真证明这种算法是有效的。     

模糊自组织神经网络及其在信息融合目标识别中的应用

本文重点研究了在目标识别领域中信息融合技术的神经网络模型,针对特征层融合的高维数、量纲不统一、信息表达方式差异等特点,利用模糊自映射神经网络来实现特征间的有效融合。经实验仿真证实,这一融合方法较单源识别正确识别率提高７个百分点左右     

线性系统测试矩阵优化

研究了工程中常见的线性系统循环指数为1(即其约当标准形不同的约当块不出现重根)的情况下测试矩阵优化的方法.通过将系统矩阵变换为约当标准型,能够简单地判定测试矩阵能否保持系统可观测.采用该方法可以在保持系统可观测的情况下,简单而直观地获取系统测试代价最小的测试策略.例子表明,该算法在工程上易于应用.     

单脉冲雷达在多源环境中对目标的定位

在日益复杂的电子干扰环境下,提高精确制导武器的抗干扰能力一直是一个研究重点.针对单脉冲雷达跟踪目标过程中受到多源干扰这一背景,在多源信噪比未知情况下,提出一种利用某些先验信息对目标波束到达方向(DOA)进行估计的方法.这些先验信息包括噪声调频干扰信号(干扰带宽大于接收机带宽)经过匹配滤波后在围绕目标位置的各个距离分辨单元内都有信号输出以及雷达在跟踪目标过程中可获得目标信噪比.仿真结果表明,所提估计方法是有效的.     

非线性系统中的机动目标跟踪算法

对于非线性系统中的机动目标跟踪问题 ,首先针对“当前”统计模型的缺陷提出了一种修正算法 ,然后应用转换测量Kalman滤波算法进行跟踪。仿真结果表明在非线性观测条件下 ,算法明显提高了对弱机动和非机动目标的跟踪性能 ,同时保持了对强机动目标的高性能跟踪     

再入目标质阻比估计算法研究

再入段目标识别的核心问题是快速高精度地估计出目标的质阻比。针对再入过程的非线性问题,重点研究了样条卡尔曼滤波器、扩展卡尔曼滤波器和一种基于"无损传输"的扩展卡尔曼滤波器,仿真实验从质阻比的估计精度和收敛速度以及计算量等方面比较了各滤波算法的性能。仿真结果表明基于无损传输的扩展卡尔曼滤波器的估计精度最高,收敛速度最快。     

基于改进CS的随机PRI雷达精确测速及杂波抑制算法

传统的脉冲多普勒雷达存在严重的测距测速模糊和盲区效应。考虑在正常脉冲重复间隔(PRI)上叠加一个随机扰动,并把PRI的随机变化巧妙转化为稀疏观测矩阵的受限等距性质,提出的基于压缩感知的随机脉冲重复间隔雷达为全相参动目标检测提供了一种新思路。针对其在实际应用中存在的粗糙损失和杂波干扰两个问题,分别提出了基于局部词典细化的精确测速算法和基于改进优化模型的杂波抑制方法。仿真实验结果表明该方案具有较高的测速精度和较强的杂波抑制性能。     

离散线性系统部分可观测性测试配置

不可观测系统的部分状态可观测性对于大系统故障检测具有十分重要的意义.研究了基于部分可观测性的不可观测离散线性系统测点优化配置问题,证明了采用有限次观测值构造一个矩阵,可以给出部分可观测性成立的充分必要条件,并进一步证明了部分可观测性的度量可以用一个矩阵的秩的特性来刻画.最后,给出了离散线性系统部分可观测性测试优化配置的度量指标.算例表明,提出的部分可观测性度量指标具有简单实用的特点.