阵列增益下的最大听觉距离及算例分析

被动声定位技术已成为战场目标定位的重要手段,人-机一体化头盔式"电子哨兵"系统能够解决阵列信号处理低信噪比性能下降及人耳听觉距离有限的缺点。作为系统研发的理论基础,从声传播方程出发,研究了考虑阵列增益条件下的最大听觉距离。基于声传播方程,分析了声传播损失的计算方法,探讨了自由场情况下和存在阵列支撑物情况下阵列常规增益和阵列超增益的算法,最后通过算例对阵列处理提高人耳听音距离进行了说明,为人-机一体化"电子哨兵"系统研发提供了理论依据。     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

信号的直接采样理论

经典的采样定理建立了带限信号与其均匀采样值之间的联系。本文对采样定律作了三点补充 :1)给出在定理条件不满足时 ,由均匀采样值恢复的信号与原信号的误差表达式 ;2 )用简洁的方法分析了带通信号的均匀采样问题 ,得到了采样率应满足的条件 ;3)研究了一种特殊的非均匀采样情况 ,给出了采样率的可取范围以及由非均匀采样重构原信号的公式。这些都是对经典采样定理的丰富和深化。     

幅相误差对稀疏阵天线性能的影晌

围绕天线阵增益、波束宽度、指向和副瓣电平等指标，分析了幅相误差、阵元失效对稀疏阵列天线性能的影响。应用概率统计原理，导出了具有幅相误差、阵元失效时稀疏阵天线阵增益损失、波束宽度、指向、副瓣电平的估计公式、并得出一些有益结论。     

FPGA在膛压无损检测仪中的应用

现场可编程门阵列FPGA是由用户定义功能的专用集成电路ASIC,具有高集成度、低开发成本、高性能等特点.结合膛压无损检测仪,论述了FPGA技术的应用.     

应用于卫星导航功率倒置阵的改进最小均方算法

采用功率倒置准则的自适应天线阵特别适合于弱信号、强干扰的场合,因而在卫星导航系统中得到了广泛的应用。针对基于最小均方算法实现的卫星导航功率倒置阵在干扰数目或干扰功率突然减少时,算法收敛慢、影响信号接收性能的问题,分析了这一现象的产生机理,并提出了相应的改进算法。改进算法通过功率监测来检测干扰数目或干扰功率的突变,然后对最小均方算法进行复位处理重置权值来达到迅速收敛的目的。仿真结果表明:与原算法相比,改进算法可显著提高功率倒置阵的收敛速度。     

X波段双极化Van Atta微带天线阵研究

利用双端口双极化微带天线阵元设计了一种中心频率在9.5 GHz的四元Van Atta平面阵,双端口双极化微带天线阵元采用双层介质口径耦合馈电技术。利用高频电磁仿真软件HFSS对阵元及阵列模型进行仿真分析,结果表明:以来波方向-35°,-5°,15°为例,所设计的Van Atta阵双站RCS在-35°,-6°,13°方向达到最大,阵列反向性良好;单站RCS值在-40°~40°来波角度范围内变化小于3 d B,且在前向半空间均大于均匀阵的RCS值,并克服了均匀阵的零陷限制。     

改进的稀疏子空间聚类算法

在现有的稀疏子空间聚类算法理论基础上提出一个改进的稀疏子空间聚类算法:迭代加权的稀疏子空间聚类。稀疏子空间聚类通过解决l1最小化算法并应用谱聚类把高维数据点聚类到不同的子空间,从而聚类数据。迭代加权的l1算法比传统的l1算法有更公平的惩罚值,平衡了数据数量级的影响。此算法应用到稀疏子空间聚类中,改进了传统稀疏子空间聚类对数据聚类的性能。仿真实验对Yale B人脸数据图像进行识别分类,得到了很好的聚类效果,证明了改进算法的优越性。     

基于多尺度稀疏字典的SAR图像目标识别方法

针对合成孔径雷达目标识别问题,提出一种基于多尺度稀疏字典的SAR图像目标识别方法。稀疏字典选择是稀疏表示中的关键问题之一,该方法利用小波多尺度分析构造过完备稀疏字典,将训练样本图像在小波解析域中进行小波多层分解,充分利用小波多尺度分析突出图像局部特征的特点,并和过完备稀疏表示有效结合组成级联字典。通过求解测试样本相应的稀疏系数矢量并根据系数矢量中对应训练样本类别的重构误差判定目标类型。实验结果表明,该方法在识别前无需对SAR图像进行预处理,具有良好的识别效果。     

基于稀疏子空间聚类的人脸识别方法

在现有的稀疏子空间聚类算法理论基础上给出两种稀疏子空间聚类优化算法:稀疏线性子空间聚类和稀疏仿射子空间聚类。这两种优化算法针对不同的数据集会有不同的聚类效果。通过稀疏表达得到不同的稀疏系数矩阵,把稀疏系数矩阵应用到较为简单的改进的正则化谱聚类算法中实现聚类。应用Yale B数据对人脸图像进行识别分类得出:采用稀疏线性子空间聚类算法优于稀疏仿射子空间聚类算法;在算法执行时间上和算法聚类错误率比传统的稀疏子空间聚类较为快速高效。