基于Contourlet变换的图像压缩感知重构

根据图像信号在Contourlet变换域的稀疏特性,分析Contourlet变换的基本原理,提出一种基于Contourlet变换的压缩感知重构方法。针对Contourlet变换的基函数并不严格规范正交、无法构造正交变换矩阵的问题,采用改进梯度投影算法恢复稀疏处理后的系数,在保证图像质量的情况下,实现图像的低速率重构。实验结果表明,该算法的鲁棒性较好。

逆合成孔径成像激光雷达系统建模及成像仿真

逆合成孔径成像激光雷达能突破传统成像激光雷达扫描体制的限制,实现对运动目标实时高分辨成像,对运动目标的探测与识别具有重要意义。分析了逆合成孔径成像激光雷达的高分辨成像原理,并综合考虑系统结构、大气衰减、背景噪声、目标散射特性等多方面因素,建立了仿真模型,对成像流程与分辨能力进行了详细分析。仿真实验证明了逆合成孔径成像激光雷达具有优于微波波段逆合成孔径雷达的成像效果以及文中建立的仿真模型的有效性。

基于运动补偿的机载MIMO-SAR高分辨成像算法

机载多发多收合成孔径雷达(MIMO-SAR)可以实现高分辨成像,但不可避免的存在运动误差补偿的问题。对多子带并发的机载MIMO-SAR系统进行研究,首先建立并分析了MI-MO-SAR运动误差模型;然后提出了一种扩展的MIMO-SAR运动补偿距离徙动算法(RMA),通过改进的Stolt映射将距离徙动校正与方位向聚焦分开,并结合两步运动补偿技术对MIMO-SAR回波数据的运动误差进行校正,消除了运动误差带来的影响;最后在空频域对各子带信号进行带宽合成实现了距离向高分辨。用该算法对散射点目标和面目标进行了成像仿真,验证了其在处理带有运动误差的MIMO-SAR回波数据中的有效性。

高速弹道目标进动微多普勒分析及脉内补偿!

弹道目标在高速运动情况下,会导致雷达回波一维距离像主瓣展宽和频谱峰值偏移,影响后续的真假弹头识别。文中首先分析了在高速运动下弹头进动的微多普勒特征,得出导致弹头进动微多普勒特征一维距离像展宽和频谱峰值偏移的相位误差,为获得理想的弹道目标微多普勒特征信息,提出应用多项相位变换的方法对脉内调制引起的相位误差进行补偿,最后的仿真实验验证了理论分析结果及所提方法的有效性。

基于半监督联合神经网络的调制识别算法

针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM (long short term memory)和ResNet (residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率。在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%~20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0 dB时对11种调制信号平均识别正确率达到92%,具有明显优势。

基于集成学习与特征降维的小样本调制识别方法

针对有标签样本较少条件下的通信信号调制识别问题,提出一种基于集成学习与特征降维的小样本调制方式分类模型。首先,通过集成人工特征与深度学习自动提取特征构成特征集合。然后,设计特征选择算法对特征合集进行优选生成高效特征子集。最后,利用可快速收敛的高性能分类器对信号进行区分,实现在少量有标签样本和大量无标签样本条件下的调制方式分类。仿真结果表明,通过对8种数字信号进行调制识别,在信噪比为20 dB时,所提算法可将信号最高识别率提升至96%,同时该算法设计简单,具有较大应用价值。

港口无线调度认知跳频通信系统部分频带干扰抑制性能分析

针对港口无线调度中部分频带干扰严重危害常规跳频通信系统性能的问题,将认知无线电与跳频相结合,给出一种认知跳频通信系统模型.分析该系统在部分频带干扰条件下的性能,得到误码率闭合表达式,并通过仿真验证,将该通信系统与常规跳频通信系统的部分频带干扰抑制性能进行比较.理论分析和仿真结果表明,在理想同步情况下,认知跳频通信系统能够有效避开干扰频段,在较为"干净"的频谱空穴中动态调整跳变频率,较常规跳频通信系统具有更强的部分频带干扰抑制能力.

基于进化式决策树的超视距空战机动决策模型

针对超视距空战决策问题,提出一种融合战术实施距离和导弹攻击区等先验知识,并具备进化能力的决策树模型。首先,分析空战制胜机理,建立超视距空战态势模型和战术实施距离模型,在此基础上引入超视距空战因子,建立态势评估模型和决策变量集;其次,基于战术实施距离建立超视距战术动作库,作为解空间动作集;第三,构建基于专家知识规则的决策树,并针对决策树参数进化需求,提出一种基于惯性权重动态调整和混沌优化的新型粒子群优化方法,以提高决策规则树进化效率;最后,基于仿真实验给出不同条件下空战机动决策仿真算例并进行了分析。仿真结果表明,提出的进化式决策树能有效融合战术实施距离、导弹攻击区等先验知识,并具备进化能力,能够有效解决超视距空战战术决策问题。

基于半监督生成对抗网络的通信信号调制识别算法

针对小样本条件下通信信号识别混淆的问题,提出了一种基于半监督生成式对抗网络的调制识别算法。首先结合半监督学习思想利用少量标签数据和大量未标签数据训练网络;其次在输出层添加辅助分类器进行结果判定,针对性设计了目标函数和损失函数,以满足网络生成虚假数据和实现信号分类的目的;最后使用不同的激活函数并用反卷积和Dropout代替池化操作,有效降低了算法复杂度并加快网络收敛速度。仿真实验表明:该算法适应性强、计算量小,较传统算法识别准确率提升了6%~13%,有效实现了小样本条件下的调制样式识别。

基于三支决策的空中目标敌我识别方法

针对空中目标敌我识别过程中由于获取信息的不确定性及不完全性而导致决策识别出现的错分、误判及选择性判断问题,提出了基于三支决策的空中目标敌我识别方法。该方法采用多传感器信息融合技术,在决策层级引入三支决策理论,遵循贝叶斯最小风险准则,构造了基于三支理论的敌我识别模型。应用实例表明,该识别方法能够减小和规避错误决策带来的风险与损失,提高最终决策的准确性和实时性,切合现代战场复杂情况对时间复杂度的要求,更能适合战场的需要。

SC-FDE系统中基于压缩感知的慢衰落航空稀疏信道估计

针对慢衰落时变航空多径信道码间串扰严重、接收端误码率高的实际问题,在SC-FDE系统的基础上,分析了航空多径信道的稀疏性,将航空信道估计建模为稀疏信号的恢复问题,采用PN序列构造确定性测量矩阵,以基于稀疏度自适应匹配追踪算法作为恢复算法,建立PN-SAMP信道估计算法;比较了压缩感知类算法和传统的PN算法、LS算法的估计均方误差,并结合MMSE均衡比较了几种估计方法应用在SC-FDE系统中的误码性能。仿真结果表明,压缩感知类算法比传统PN算法和LS算法的估计误差要小,误码率也更低,在信噪比为20 dB的条件下,压缩感知类算法的误码率小于10-4。在稀疏度未知的情况下,PN-SAMP算法比正交匹配追踪算法更稳健,更能满足对时变慢衰落航空稀疏信道的估计需求。

低莱斯因子下的时频联合MMSE均衡算法

针对低莱斯因子的慢衰落时变多径信道条件下,难以有效利用信号能量,导致系统误码性能差,单纯的基于最小均方误差准则均衡(Minimum Mean Squared Error,MMSE)技术不能够有效降低误码率的实际问题。在构建信道等效模型的基础上,提出了一种利用硬判决符号重构信道,在两个信道长度内比较改判信号误差信息的时频联合判决两轮次MMSE均衡算法。仿真结果表明:通过均衡处理后的低莱斯因子信道能逼近高莱斯因子的误码特性,当信噪比为20 dB时,不同莱斯因子下QPSK信号的误码率均降低至10-4以下,且在一个数量级内。当信噪比为2~6 dB时,系统误码率分布在10-1~10-3之间,要低于信号在自由空间传播的误码率,说明MMSE均衡充分利用了多径分量的能量,获得了信噪比增益。

基于LSTM-Dueling DQN的无人战斗机机动智能决策

针对无人作战飞机在一对一自主空战中无法实现智能决策的问题,引入深度强化学习方法,构建无人战斗机战术决策框架,求解智能体对抗的机动指令。首先,建立飞行运动模型和导弹攻击区模型,形成基本的一对一空战对抗环境。其次,利用8个运动变量来构建智能体连续的状态空间,并根据导弹攻击区实时计算结果设计奖惩函数,实现双机对抗决策。最后,使用长短期记忆网络和全连接网络相结合,构建智能体价值网络和目标网络。利用记忆库中的决策样本,对网络进行训练,完成值函数的拟合,实现智能体在任意状态下的决策。仿真试验表明,在典型的案例中,智能体能够有效感知空战场态势,算法给出的决策动作可以积累并保持无人作战飞机的空战优势,完成对目标的打击,决策时间能够满足时效性的要求。

基于RS-CART决策树的航空发动机小样本故障诊断

针对CART(classification and regression tree)分类决策树构建过程中由于小样本集特征维数高及噪声等造成的过拟合问题,在CART决策树算法训练过程中引入基于互信息的粗糙集(rough sets,RS)属性约简,考虑信息熵与基尼(GINI)系数刻画样本集"纯净度"的相似关系,对历史故障数据进行属性约简,降低属性维度以优化训练集,在此基础上构建分类决策树,可视化输出规则。实验结果表明:将改进的CART决策树算法应用于某型航空发动机油液故障诊断,提取的规则可解释性强,能够减小冗余属性及噪声对决策的影响,与常用故障诊断算法相比,该模型的诊断准确率提升20%左右,AUC(area under curve)值高达92%,可以有效处理高维离散型航空发动机小样本故障问题。