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。     

融合动量项的步长自适应盲源分离算法

为进一步缓解盲源分离算法收敛速度与稳态误差之间的矛盾,首先在自然梯度算法的基础上,通过融合动量项改善算法的收敛速度,基于分离性能指标的步长自适应减小稳态误差;然后,给出了所提算法的模型图,同时考虑分离性能和计算复杂度,选择合适的融合动量项算法,并设计了算法的近似最优参数,有效避免了算法的分段收敛;最后,合理选择步长与动量项的权重系数,有效改善了分离性能与收敛速度。仿真结果表明:该算法在一定程度上缓解了上述矛盾,并具有较低的计算复杂度。     

基于微多普勒周期相关性的弹道群目标信号分离

针对弹道群目标微多普勒信号分离问题,提出了一种基于微多普勒周期相关性的弹道群目标信号分离算法。对进动目标和旋转目标进行了微动建模,分析了其散射中心在窄带信号下的微多普勒效应,并给出了其参数化表达式。利用STFT对窄带回波进行了时频变换,获取了回波时频图,并采用奇异值分解(SVD)和高斯空间掩模方法分别对时频图进行了消噪和平化处理。再依据散射中心微多普勒瞬时频率的变化规律,采用Viterbi算法对群目标微多普勒曲线进行了提取。最后将提取出的曲线进行傅里叶变换,根据群目标微多普勒周期的相关性,实现了群目标信号的分离。仿真验证了所提方法的有效性和准确性。     

基于直觉判断矩阵和证据理论的群组决策方法

针对属性权重已知的群决策环境,根据直觉模糊和证据理论相关知识,提出了一种群决策方法。采用直觉模糊数描述专家关于方案的两两比较结果,构建直觉判断矩阵;根据直觉判断矩阵排序中转法,按一致性要求确定属性直觉模糊数型权重;以直觉模糊评价值构造Mass函数,结合证据冲突度和犹豫度,在属性层面区对专家权重进行合理分配;利用直觉模糊集加权集结算子集结决策信息,并根据得分值和精确值进行方案排序。通过算例,验证了所提方法的合理有效性。     

一种抗遮挡的时空上下文目标跟踪

目标跟踪是一个比较热门的研究方向,其性能受到多方面影响。时空上下文跟踪算法是利用目标附近的信息对目标进行跟踪,但该算法的不足是仅使用单一的灰度特征和固定的学习率。将HOG(Histogram of Oriented Gradient)特征与灰度特征进行融合,且对跟踪结果进行相似度计算进而抑制目标的漂移,采用自适应变化的学习率以适应跟踪目标的变化。经过仿真实验证明,相较于时空上下文跟踪算法所提出的方法鲁棒性更好,对光照的变化、目标形变以及遮挡等情况下都具有较强的跟踪能力。     

基于UPF的WNN学习算法及其应用

为改善小波网络(WNN)的非线性建模能力,提出一种基于改进无迹粒子滤波(UPF)的WNN学习算法。算法先引入最小偏度策略减少无迹变换(UT)的Sigma采样个数,改进无迹Kalman滤波(UKF);再用改进UKF算法选取粒子滤波的重要性密度函数,构成新型UPF;最后,将SUPF作为WNN的学习算法进行训练和测试。实验表明,基于新采样策略UPF与基本UPF的WNN模型精度总体接近,但速度更快,效率更高,某型军用飞机气动力建模也验证了算法的有效性与可行性。     

基于证据理论的直觉模糊群决策方法

针对属性权重和专家权重完全未知的直觉模糊群决策问题,提出一种基于证据理论的决策方法。基于记分函数和属性不确定度,将专家的直觉模糊决策矩阵转化为Mass函数;运用了基于直觉模糊熵的属性权重计算方法,将专家针对属性集关于方案集的评价证据进行修正与合成;确定了考虑接近度与相似度的专家权重计算方法,融合了TOPSIS法与Jousselme距离度量专家权重,将各专家关于方案集的评价证据进行修正与合成,最后进行方案排序。运用实例证明了方法的合理性和有效性。     

基于事件触发的船舶航向自适应控制研究

针对非线性船舶航向控制系统,充分考虑系统具有未知常数参数,从执行机构实际出发构造触发事件并基于反步法设计控制器输入信号,提出了基于事件触发的自适应控制器的设计方法。理论证明及仿真分析表明,基于事件触发的自适应控制器在保障系统稳定的同时,实现了系统输出对指令信号的良好、快速的跟踪效果,提高了执行机构的执行效率。     

基于ICEEMDAN和小波阈值的Φ-OTDR信号去噪算法

针对分布式光纤声波传感系统信号信噪比较低的问题,提出了一种改进的自适应噪声完全集成经验模态分解方法。改进方法利用样本熵和小波阈值去噪算法,从高噪声分量中提取有效成分。通过改进的自适应噪声完全集成经验模态分解(ICEEMDAN,Intrinsic Computing Expressive Empirical Mode Decomposition With Adaptive Noise)对实际采集的信号进行分解,计算样本熵,将其中的含噪分量进行小波阈值去噪,最后与未处理的信号分量进行重构。实验结果表明,对实采的信号进行降噪处理后,信噪比提高了5.34 dB,均方误差降低了0.014 8,波形互相关系数提高了5.7%。与其他常用的去噪方法相比,该方法不仅在信噪比方面表现更优秀,而且在均方误差和波形互相关系数方面也具有更好的性能,能够更好地保留有用信号。