基于二维稀疏阵列的相控阵雷达超分辨角度估计方法研究——二维稀疏阵列结构分析

随着时代不断发展,基于均匀阵列的传统DOA估计算法已经落后于时代,稀疏阵列作为新型阵列能提高阵列自由度、降低阵元互耦效应。其中二维稀疏线阵相比于一维稀疏线阵性能更好、使用更广泛。本文总结了前人关于二维稀疏阵列的研究成果,主要研究内容如下:介绍了稀疏阵列。稀疏阵列的阵元间距不必再是信号半波长,降低了阵元间互耦效应,并通过构造虚拟阵列提高阵列自由度,扩展了阵列孔径。本文首先介绍了稀疏阵列是如何构造虚拟阵列并如何扩展阵列孔径这一核心理论,接着介绍了最小冗余阵列、嵌套阵列和互质阵列三种基础的阵列模型,并拓展介绍了L型互质阵列和精简型互质阵列模型,以及基于它们的DOA估计。

综合孔径辐射计二维稀疏天线阵列排列方法

稀疏天线阵列设计是干涉式综合孔径微波辐射计的一个重要研究内容。文中提出了一种综合孔径辐射计二维稀疏天线阵列的排列方法,该方法适于构造阵元数任意大的二维稀疏阵。从理论上证明了该方法构造的二维稀疏阵在(u,v)平面采样覆盖的完备性,导出了由该方法构造的二维稀疏阵的冗余度理论上限,并证明其优于U、T型阵。理论分析和仿真结果均表明,与相同阵元数的U、T型阵比较,该方法构造的二维稀疏阵可获得更多的空间频率采样点数、更大的(u,v)平面覆盖面积,从而实现更高的空间分辨率。该方法对综合孔径辐射计的二维天线阵列设计具有参考价值。

基于二维稀疏采样的HRRP合成及ISAR成像方法

在分析传统的线性调频(LFM)信号体制ISAR高分辨距离像(HRRP)合成及二维成像原理的基础上,结合压缩感知理论,提出了一种基于二维稀疏采样的高分辨距离像合成及ISAR成像方法。该方法对经过二维稀疏采样后的ISAR回波信号进行二维重构处理,在大幅降低LFM信号采样率、减少子脉冲个数的前提下,获得高质量的HRRP和二维ISAR像;为缓解数字信号处理机的采样负担、降低已方雷达信号的被截获概率奠定了基础。仿真实验证明了该方法的有效性和可行性,同时观察了其鲁棒性。

电力系统计算中的二维稀疏结构技术

提出了一种既能方便解决单相电力系统中的稀疏矩阵的存取 ,又能方便解决三相电力系统计算中的稀疏矩阵存取问题的二维稀疏结构技术。该技术还方便地解决了单、三相计算中迭代方程组系数方程的存取及非零元素注入问题。使得处理稀疏矩阵象处理二维数组一样地简单。把二维稀疏结构作为一种基本数据结构来描述 ,这对形成电力系统计算类库具有实际意义。

相控阵超声二维稀疏阵列的优化设计应用研究

在相控阵超声检测中,稀疏阵列是利用较少阵元数目获得大阵列孔径的有效办法。目前一些稀疏阵列没计的方法,并没充分利用有效阵元。本文首先采用遗传算法没计二维稀疏阵列,发现遗传算法设计的稀疏阵列,一致性较差。主要原因是在没有任何限制的条件下,寻优搜索空间大,遗传算法参数往往难于控制。针对此问题,受十字形稀疏阵列和最小冗余度阵列的启发,本文将最小冗余度阵列拓展到二维稀疏阵列的设计中。计算机模拟和实验都表明,利用最小冗余度阵列和遗传算法设计的二维稀疏阵列具有很好的空间分辨率和对比度分辨率。

二维稀疏相控阵声场优化及阵元故障影响分析

针对二维稀疏超声相控阵声场分布中的栅瓣和旁瓣问题,推导了二维稀疏超声相控阵的指向性公式,并利用发射阵列和接收阵列交错分布的方式消除栅瓣及抑制旁瓣,从而优化声场特性,优化后横向和侧向扫描范围由30°扩大到60°。建立了优化后阵列声场指向性与损坏阵元位置的函数关系式。声场指向性仿真结果表明,距阵列中心越近的阵元损坏时旁瓣升高越多,单个阵元损坏导致一级旁瓣最多升高20dB,主瓣下降约6dB,且与损坏阵元位置无关;相同位置的发射阵列和接收阵列阵元同时损坏时,对声场特性影响达到最大。

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar,SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l1范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。

基于二维稀疏表示和范数优化的织物疵点分类研究

针对一维压缩采样丢失图像的结构信息,并带来识别精度损失的问题,提出了二维压缩采样的方法.利用一组稀疏基对疵点原始数据进行感知得到稀疏化数据,将织物疵点数据用二维稀疏表示,再利用范数优化的方法实现压缩数据的准确重建,根据稀疏基的不同得到织物疵点的不同分类.该方法解决了采集数据的泛滥和传感器的浪费,降低了计算的复杂度,有利于织物疵点的分类研究,进而为机器视觉识别织物疵点打下理论基础.

压缩感知的等效二维稀疏变换

目前的压缩感知研究尚不能真正实现基于二维稀疏变换的影像采集和重构。通过对二维压缩感知和稀疏变换的理论分析和数学推导,将基于一维稀疏变换的二维压缩感知模型等价转换成适用于二维稀疏变换的二维压缩感知模型。从而在测量过程不变的前提下,基于一维线阵推扫数据采集方式实现了基于二维稀疏变换的压缩感知影像采集和重构。实验验证了等效二维稀疏变换的正确性。

基于虚拟阵列的二维稀疏阵列相干源DOA估计

波达方向DOA估计是雷达阵列信号处理的一个重要方向，传统的MUSIC算法对均匀阵列条件下独立信号源的估计有很强的适应性，但实际的雷达工作中，稀疏布阵下多相干源测角是一个经常出现的应用场景。文中针对二维稀疏阵列的相干源测角，提出了一种基于虚拟阵列的相干源DOA估计方法。该方法利用虚拟阵列内插的方法，将一个任意二维稀疏阵列内插为一个均匀面阵，再通过二维空间平滑方法对相干源进行测角，能够同时获得信号的方位角和俯仰角信息。稀疏面阵和稀疏圆阵的仿真实验结果表明，该方法可以有效的解决二维稀疏阵列的相干源测角问题。

基于二维稀疏表示的人脸超分辨率重构算法

在分析人脸超分辨率算法和二维稀疏表示的基础上,提出基于二维稀疏表示的人脸超分辨率重构算法。与一维稀疏表示中将图像块转换为列向量不同,本文考虑到二维图像列与列之间的近邻关系,对图像块进行二维稀疏表示;在字典训练中,对每组图像块的每一列训练高、低分辨率字典,提出二维K-SVD算法对字典进行训练,减少字典训练消耗的时间,同时能够改善超分辨率人脸的质量。采用中科院CAS-PEAL共享人脸图像数据库进行仿真实验,实验结果从主、客观质量均验证了本文算法的有效性及先进性。

基于原子范数最小化的二维稀疏阵列波达角估计算法

基于二维稀疏平面阵列的波达角(Direction-of-arrival,DOA)估计问题在第五代移动通信大规模多输入多输出阵列的应用中日益重要。无网格稀疏重构技术促进了DOA估计问题的发展,原子范数理论则使得DOA估计的超分辨率得到进一步的提高。文中研究了多个方向的频谱稀疏信号入射到二维稀疏阵列时的DOA估计问题。为了准确、成对地识别出所有入射信号的仰角和方向角,提出了一种基于多个测量矢量(Multiple Measurement Vectors,MMV)的二维原子范数算法,并用半正定规划进行求解。所提算法将二维DOA估计问题中的压缩感知理论从单个测量矢量拓展到多个测量矢量,从而有效利用MMV的联合稀疏性。数值仿真结果表明,随着MMV矢量的增长,可识别的信源个数增加,稀疏阵列中物理传感器所占比例降低到30%,DOA估计误差也显著降低,并且在信噪比增大时,所提算法能够取得很好的收敛效果。

应用局部约束二维稀疏表示识别SAR图像目标

在分析典型稀疏表示分类方法和局限性的基础上,提出了一种基于局部约束的二维稀疏表示方法,以有效解决SAR图像目标识别问题。该方法对SAR图像进行图像预处理,在兼顾图像相邻列(行)对应稀疏表示系数邻近性和样本间局部性的基础上,构建了局部约束目标函数,并通过解闭式解,实现稀疏表示系数的更新求解。利用美国实测MSTAR数据对算法进行了仿真验证,实验结果表明所提出的方法可实现SAR图像目标的有效识别,并对训练样本数目具有一定的鲁棒性。

叠加速度在稀疏二维工区速度场建立中的应用

针对A国11区块地震测网稀疏、密度分布不均、钻井及地质资料不足等实际情况,探索和总结了一套稀疏地震测网及井资料匮乏区二维地震解释中速度场的建立及时深转换方法,运用叠加速度拟合平均速度以解决无井区速度场建立及时深转换问题,取得较好效果。在此一并共享望能为该类地区的地震解释提供借鉴和指导。

基于2D-SOONE算法的MIMO稀疏面阵二维成像

为了解决采用传统的1D-CS算法进行分维处理时丢失耦合信息导致越单元徙动、影响成像质量且运算时间长的问题,研究了接收阵元整行整列稀疏的MIMO面阵结构特性,分析了该稀疏面阵所接收回波信号的二维联合稀疏特性,采用2D-SOONE算法对回波信号进行二维联合重构,算法采用序列一阶负指数取代传统SL0算法的高斯函数,拓至二维并利用梯度投影求解,具有二维联合重构性能的同时提高重构精度。通过实验,仿真了该算法在不同阵列稀疏度、不同信噪比下用于MIMO稀疏面阵的成像效果。仿真结果表明,2D-SOONE抑制了传统的1D-CS算法的越单元徙动问题,减少了运算时间,且成像质量较2D-SL0更优。

二维非负稀疏偏最小二乘在人脸识别中的应用

近几年偏最小二乘算法在人脸识别中得到了广泛的应用,但是其各种改进算法都没有同时利用非负性算法和稀疏性来提高识别率和鲁棒性。为了解决这些问题,结合二维偏最小二乘与非负性思想和稀疏性约束提出二维非负稀疏偏最小二乘(Two-dimensional nonnegative sparse partial least squares,2DNSPLS)算法。其核心思想是在提取人脸特征时加入了非负性约束和稀疏性约束,使得2DNSPLS不仅拥有偏最小二乘算法加入类别信息带来的分类效果,还保留了图像矩阵的内部结构信息,而且还使得到的基矩阵具有非负的局部的可解释性并且具有一定的稀疏性。在Yale和PIE人脸库中的实验表明,该算法从时间上和识别率上均优于人脸识别的主流算法,并且对于遮挡有较好的鲁棒性。

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。

考虑多变量相关性改进的风电场Transformer中长期预测模型

挖掘风电场多变量相关性对提高中长期的预测精度具有积极影响。针对Transformer模型在捕获多变量间相关性方面的不足,提出考虑多变量相关性的多变量中长期预测模型。首先,采用多变量独立嵌入(MIE)对风电场多变量进行独立建模;然后,使用二维概率稀疏注意力(TPSA)提取时间和变量间的特征信息;最后,通过多层式编码器-解码器(MED)将多尺度的特征信息聚合,一次性输出预测结果。算例分析表明,所提模型与LSTM模型、Transformer模型、Informer模型相比,均方误差在各预测时长分别降低了42.58%~66.83%,32.58%~53.49%,14.38%~30.92%,并通过消融实验验证和分析了所提改进的有效性。

基于核函数和相似度的动态聚类算法

提出了基于最优超球面与支持向量机思想的动态聚类算法。该方法借鉴了最优超球面思想,通过构造一个二次规划问题,运用支持向量代替样本构造相似度度量矩阵,从而解决了不确定问题维度对计算复杂性的影响。仿真试验表明:该方法可以解决相互缠绕和凹聚类问题,并具有较好的抗干扰能力。

基于捷变频联合数学形态学的干扰抑制算法

数字射频存储器(digital radio frequency memory,DRFM)通过截获雷达发射信号并对其进行调制和转发,在距离维上形成欺骗式干扰,严重影响了雷达对目标的检测与跟踪。针对这一问题,提出一种捷变频联合数学形态学的密集假目标干扰抑制算法。首先,采用最大类间方差法(Otsu)对脉冲压缩后的数据进行二值化处理。然后,通过数学形态学中的开运算抑制干扰和噪声。最后,通过二维稀疏重构获得距离速度二维高分辨,实现对目标的检测。仿真实验与实际雷达和干扰机对抗实验表明,该方法可以获得良好的抗干扰性能和目标检测性能。