基于CAM的认知超宽带频谱感知方法

频谱感知是认知超宽带系统的核心部分,针对超宽带频带内授权信号类型确定的特点,为了弥补自相关检测不能够识别信号类型的缺点,提出利用信号的循环谱特征和自相关矩阵差异性来检测授权信号,该方法融合了自相关检测和循环谱检测的优点进行合作判决。仿真表明该方法在高低信噪比环境下均能比循环谱检测和能量检测得到更好地检测效果,因此适合于认知超宽带系统。     

迈克尔逊干涉仪调节白光干涉条纹的实验研究

在应用迈克尔逊干涉仪所做的一些精密测量中,对动镜M1进行精确定位是非常重要的。实验室中通常选用白光干涉条纹的零光程差位置作为测量的参照点,但由于白光相干长度很短,条纹随光程差变化的范围很小,而且受仪器精密度的局限,所以用迈克尔逊干涉仪调出清晰的白光干涉条纹一直是实验的难点。实验证明借助透射光栅和毛玻璃片能够顺利地调节出清晰的白光干涉条纹,并在分析实验现象的基础上,提出以透射光栅补偿后产生的零光程差位置为参照点,能够更加精确定位实际测量中动镜M1的位置,从而提高相关测量的精确度。     

基于多极化多特征提取和SVM的目标识别方法

充分有效地利用全极化雷达目标高分辨一维距离像极化信息是雷达目标特征提取领域一个热点问题.提取全极化雷达目标高分辨一维距离像的极化特征、结合其能量聚集区长度以及中心距特征共同构成特征向量,采用支持向量机进行特征分类,从而提出了一种基于多极化多特征提取和支持向量机的目标识别方法.基于转台数据的实验结果表明,提出的基于多极化多特征提取和支持向量机的目标识别方法有助于获得较高的分类正确率.     

高超声速气动热化学非平衡效应数值分析研究

通过数值分析研究了化学非平衡效应对气动加热问题的影响.分别以量热完全气体、单组分热完全气体和5组分化学非平衡气体为气体模型,计算了圆柱钝头的绕流流场和壁面热流密度分布,比较并分析了高温化学非平衡效应对流场特性,尤其是气动加热特性的影响.结果分析表明,高温化学非平衡效应可使激波层变薄,激波层内温度大幅下降,从而会严重影响气动热环境特性,是影响高超声速飞行器热防护设计的重要因素.     

中子动力学反应性与功率变化不同步现象研究

通过实例计算首次提出点堆中子动力学方程、中子按代倍增公式和三维两群扩散方程在一定的反应性变化下存在反应性大于零时功率减小的现象,并指出该现象的普遍性。根据有效增殖因子的物理意义,指出导致这种不同步现象的根本原因。对点堆方程给出了符合物理意义的有效增殖因子新定义,同时给出了新的点堆中子动力学方程。     

基于Kraken模型的海洋声场及相干性分析

海洋环境的复杂性和多变性严重影响着水下信号处理系统的性能,海洋声场研究及其相干性分析利于海洋中声纳设备有的布放,为海洋环境的相关场分析和声场的战术运用提供理论依据.射线模型、简正波模型、抛物线等模型分别适合于不同的海洋声场环境,以Kraken简正波模型为基础,完成对不同频率下典型的海洋声场计算与分析,得到不同条件下声场的传播损失图.海洋声场相干性分析侧重于声场水平纵向相干及垂直相干研究,结合其结构产生分别对纵向相干与声源深度及垂直相干与阵元间距等因素的关系展开讨论.研究表明:对不同频率下的声场传播损失的分析及海洋声场的水平纵向相干、垂直相干等问题的探究能够为海洋环境的相关场分析和声场实际应用提供一定参考.     

一种多特征多分辨率快速SAR图像匹配算法

提出一种新的基于多特征多分辨率的快速SAR图像匹配算法.算法主要包含图像预处理、匹配特征选择、匹配准则定义、搜索策略设计、匹配结果融合5部分.算法采取在不同图像尺度上分别基于具有信息互补关系的不同特征进行匹配的策略,兼顾了匹配精度与时间效率.实验结果验证了算法的有效性.     

编队对岸打击作战中舰机协同研究

针对编队对岸上目标进行巡航导弹攻击时的舰机协同问题,根据巡航导弹航路区域和目标的方位、距离以及编队队形,建立了反潜直升机安全警戒扇面角模型.以此为基础,分析了不同威胁条件下舰机协同的问题,运用仿真计算,得到了安全警戒扇面角与警戒半径的关系,给出了切实可行的舰机协同方法,可辅助指挥员进行战术决策.     

一种基于流形与特征融合的说话人识别方法

MFCC参数是说话人识别常用的特征参数,但单独使用MFCC参数,系统性能难以进一步提高。文章提出了一种MFCC和语谱图特征相融合的说话人识别方法。针对语谱图特征空间维数高、数据量大的问题,采用流形学习中的LLE算法对语谱图信息进行压缩,并根据样本点每一维所代表的不同特性信息改进了LLE算法。以SRMC汉语语音数据库为测试语音,与传统PCA算法以及单独使用MFCC参数进行对比实验,在识别人数为100人时,识别率分别提高了2.5%和3%,验证了所提方法的有效性。     

压缩感知新技术专题讲座(三) 第5讲 压缩感知理论中的信号重构算法研究

信号重构作为压缩感知理论的核心之一,是指从长度为m的测量向量Y重构长度为n(m n)的稀疏信号Θ的过程。由于测量次数远小于原始信号维度,信号重构成为欠定方程求解问题,一般没有确定解。然而,若Θ满足一定的稀疏性条件,问题有确定解。文章首先从解析几何角度出发,分析了压缩感知中稀疏信号重构的原理,并对已有的两大类重构算法分别进行介绍:一类是针对l0范数最小化的一系列贪婪算法,一类是针对l1范数最小化的凸优化算法。对前一类算法,选取了代表性的OMP、ROMP、CoSaMP和SAMP算法进行研究,并分析了它们的优缺点;对后一类算法,着重阐述了将BP问题转换为LP问题的推导过程,并介绍了两类经典的凸优化算法:BP-Simplex和BP-Interior。最后,展望了信号重构算法的研究前景。