基于投影分解与k最近邻距离的异常证据检测算法

为降低异常证据对合成结果的影响,提出了基于投影分解与k最近邻距离的异常证据检测算法。该算法在对证据集中所有证据进行焦元单一元素投影分解的基础上,重新构造证据的基本概率赋值,然后利用证据之间形成的欧式距离,采用k最近邻距离算法对异常证据进行检测。无线传感器网络应用实验分析表明:该算法可有效地对异常证据进行检测。对检测前后的证据利用证据合成规则进行融合对比结果发现,剔除了异常证据的合成结果并具有良好的峰值性和可分辨性,合成结果有利于融合决策。     

非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。     

星载SAR天线阵面形变分析与补偿方法

研究了星载SAR天线阵面形变对波束输出的影响及形变补偿方法.针对未来星载SAR将采用的柔性阵面,提出了一种用于星载SAR天线的空间形变实时测量与控制的闭环系统,建立了阵面形变下阵列流形误差模型,得出小幅度形变主要影响波束的旁瓣输出,通过求解补偿形变权值的最小二乘解,使阵列形变补偿后波束输出与期望波束输出最佳逼近,并给出用于阵列误差补偿的阵列形变测量精度要求.仿真结果验证了本文方法结论的正确性与有效性.     

矢量阵的快速宽带频域波束形成方法

矢量水听器能获取振速信息,因此由其所组成的阵列有着常规声压阵列所不能比拟的优势,但正因为有了振速各分量信息,基于矢量阵的信号处理面临计算量大为增加的高维协方差矩阵运算的难题,当阵元数较多时,难以实时实现。为此,基于FFT思想,提出了一种适用于矢量水听器阵列的快速宽带频域波束形成方法。该方法在频域实现,将宽带信号分解为多个窄带信号,采用快速傅立叶变换来实现各阵元数据的相移累加过程,处理速度得以大幅提高。研究表明:该方法完全满足实时处理的需求,其测向性能也能达到克拉美-罗下界,且矢量阵具有常规阵所不具有的左右舷分辨能力,对微弱目标的检测能力也较强。     

基于速度矢量的双基地雷达模糊函数分析

通过研究双基地雷达系统模糊函数数学模型和当发射信号为高斯单脉冲且目标相对接收机的距离和速度变化时双基地雷达系统模糊函数的特性,分析了目标的速度大小与方向对模糊函数的影响。该模型可有效考核任意发射脉冲信号的双基地雷达系统的分辨力及距离和速度模糊等问题,对研究双基地雷达系统性能有着重要的理论参考价值。     

基于学习矢量量化(LVQ)神经网络的雷达体制识别

由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性.     

蒙特卡洛剖分投影法的爆震弹破片平均比动能评估

为了评估爆震弹封装壳体破片致死、致伤半径,并削弱其平均比动能,基于蒙特卡洛剖分投影法建立破片平均比动能计算模型。通过LS-DYNA及自编程联合仿真方法对爆震弹自然破片、半预制破片比动能计算模型进行仿真求解,获得了全破片全时域的质量分布、初始速度、垂直靶分布、平均比动能阈值及安全半径等指标。结果表明:在相同装药参数下,半预制破片相比于自然破片,质量分布、初始速度阈值更低且更集中;在小于等于2.5 m范围内半预制破片平均比动能阈值比自然破片更低,大于2.5 m后半预制破片平均比动能阈值比自然破片更高。相比于自然破片,采用半预制破片可显著减小爆震弹破片的致死半径,但并不能明显增大其安全半径。     

一种简单的直接数字式空间矢量PWM实现方法

针对常规SVPWM实现困难的缺点,根据零序信号注入方法以及“伏 秒”平衡原理,提出了一种新的SVPWM实现方法,利用这种方法可以直接获得逆变器开关触发时刻,因此可以减小运算器执行周期,提高计算速度.用该方法实现了永磁同步电动机的磁场定向矢量控制,并进行了仿真和实验研究,证明了新方法的正确性和优越性.     

模糊超球支持向量机

提出了模糊超球支持向量机算法。首先根据样本分布特性将样本空间划分成有限个超球子空间,超球半径经归一化处理后作为各球心样本点的模糊属性值,超球球心组成新的训练样本集,在构造决策超平面的过程中对应不同模糊属性值的各输入样本增加了不同训练权重。仿真实验结果表明:该算法减少了训练样本数,有利于提高支持向量机的训练速度和测试速度,有效地防止了训练样本中噪声点对训练结果的负面影响。     

跳测度的可料对偶投影

证明了跳测度 ν的 Doob-Meyer分解 ν=m+π中 ,π即为跳测度的可料对偶投影 ,也是 ν-π的鞅特征