基于压缩传感的PSO-OMP重构算法的研究

由于粒子群算法具有解决寻优问题的能力,将其应用于信号处理领域,提出了一种新的基于PSO-OMP的信号重构算法。为了降低计算复杂度,把粒子群算法运用在正交匹配追踪算法的匹配过程,以此来确定最优原子。实验结果表明,所提出的新的基于PSO-OMP的信号重构算法具有计算复杂度低和重构成功概率高等特点。     

相参雷达间歇采样灵巧干扰方法

间歇采样转发干扰是针对相参雷达一种有效的干扰方法,它利用脉压雷达匹配滤波特性,能够对雷达形成假目标干扰.首先分析了间歇采样转发干扰方法,指出了间歇采样转发干扰的不足之处,即脉压后干扰能量损失和假目标分布均匀,进而提出了间歇采样灵巧干扰方法,新方法形成的假目标分布不均匀,使得雷达识别真假目标可能性大大降低,仿真实验验证了新干扰方法的有效性.     

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。     

宽带雷达射频分时交替采样增益失配估计方法

针对分时交替采样在宽带条件下存在增益起伏的失配问题,提出了基于最小二乘曲线拟合的增益曲线估计算法。基于实际ADC器件增益起伏的情况,分析了通道增益失配对系统输出信号频谱的影响;根据宽带数字阵列雷达回波信号的特点,利用分段估计与最小二乘曲线拟合方法得到增益估计曲线,给出了算法的实现步骤。仿真实验结果表明该算法在宽带分时交替采样中的有效性。     

脉冲等离子体推力器羽流场数值分析

为掌握脉冲等离子体推力器的羽流特性,考虑磁场对等离子体羽流的影响,结合DSMC和PIC方法建立了粒子-流体混合模拟模型,以磁流体力学模拟提供入口条件对推力器羽流开展了三维数值研究,并通过朗缪尔三探针诊断对计算结果进行了验证。研究表明,羽流膨胀过程中各组分的动力学行为差异明显;放电电流振荡会导致产生低速离子群,并会加重离子回流;电磁加速是羽流等离子体主要的加速机制,磁场对推力器羽流的流动具有重要作用。     

海军装备修理目标价格测算方法研究

海军装备修理目标价格的确定是海军装备价格管理工作的重点。为准确测算装备修理目标价格,根据核方法的特性和应用优势以及装备修理目标价格中的非线性特征,可以采用核主成分回归法,用粒子群优化算法确定模型优化参数,用MSE和MAPE评价优化模型的预测效果。与目前常用的几种方法相比,运用核主成分回归法,模型的测算精度可以得到进一步提高。     

改进的二进制粒子群算法的传感器优化配置

传感器组合优化问题是设备状态检测系统设计的重要问题.在研究传感器与故障有向图的基础上,提出了传感器优化配置模型;根据传感器组合优化自身特点,从位改变率、惯性权重两个方面对BPSO算法进行了参数分析.结合免疫算法的“亲和度”思想以及非线性惯性权重递减公式,提出了改进的二进制粒子群算法.案例显示,改进的二进制PSO算法提高了算法在整个解空间的搜索能力,加快了收敛速度,能够很好地用于解决传感器优化问题.     

机动目标跟踪的非线性算法

卡尔曼滤波器对线性高斯滤波问题能提供最优解, 而对目标运动模型、观测方程等要求的非线性就不再适合,提出了一种机动目标自适应非线性粒子滤波算法-" 粒子滤波器"(Particle Filters PF)法, 这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型, 分析比较了粒子滤波(PF)与扩展卡尔曼滤波算法(EKF) 的滤波精度、运算量等方面指标.给出了基于典型非线性模型的算法仿真, 仿真结果表明粒子滤波新方法优于EKF对机动目标跟踪.     

战区抗震救灾单需求点物资调运模型及算法研究

在综合考虑物资需求多样性、运输工具多样性及其载重、容量约束的基础上,构建了以应急响应时间最短和运输工具平均空载率最低为目标的战区抗震救灾单需求点物资调运多目标非线性整数规划模型,提出了模型求解的改进多目标粒子群优化算法。通过调整粒子编码、适应度函数和速度更新策略使得该算法适于求解本文模型的自然数解空间约束和等式约束。理论分析表明,该模型具有较强的实用性和普适性。仿真结果表明,该算法是有效的,既能维护解的多样性,又能保证解的收敛性。     

基于观测预测粒子滤波的雷达组网目标状态估计

雷达组网系统跟踪目标时,观测数据与目标跟踪状态成严重非线性关系,难以用卡尔曼滤波最优估计方法,处理非高斯非线性系统滤波估计问题的粒子滤波算法容易产生粒子退化问题。因此,使用观测预测粒子滤波算法解决这个问题,该算法基于观测似然进行重要性采样,结合一步预测信息计算粒子权值,保证了采样粒子处于高观测似然区,并充分利用了一步预测信息。仿真验证表明,将观测预测粒子滤波算法应用于目标状态估计,避免了粒子退化,收敛快,估计精度高。