利用四参数Chirplet分解方法估计SAR多普勒调频斜率

提出了基于一个距离门信号的四参数 Chirplet分解方法 ,估计合成孔径雷达 ( SAR)回波的多普勒调频斜率。距离压缩后的回波数据 ,每个距离门的信号都是由一系列的 Chirp分量组成的。利用四参数 Chirplet分解方法 ,能够检测出这一信号中的一个或几个 Chirp分量 ,估算出多普勒调频斜率 ,其结果被应用于合成孔径雷达成像的方位压缩处理。仿真及真实回波数据的计算表明 ,无论在精度还是运算时间上 ,其结果都优于目前已有的实时估计方法。

一种自适应Chirplet分解方法及在故障诊断中应用

提出了一种自适应Chirplet信号分解过程中的参数优化估计方法,该方法首先利用最大投影分解原理结合分数阶傅立叶变换和拟牛顿方法进行参数估计,然后利用最大期望方法,进一步进行参数的优化。将提出的方法与传统的时频分析方法如短时傅立叶谱图,Wigner分布进行对比分析,仿真结果表明,提出的方法具有很高的参数估计精度、很高的时频图分辨率和抗噪能力。说明了本文提出的方法中引入EM算法的必要性。又将提出的方法应用到轴承的故障诊断中,实验结果表明,提出的自适应Chirplet分解方法是非常有效的。

一元四次方程求解方法的思考与研究

按照降次的思路，给出了一元四次方程的新解法，并与已有方法进行了比较。

基于GPU的SAR方位向信号分解的高效实现方法

提出了一种基于图形处理器(GPU)的SAR方位向信号分解的高效实现方法。SAR方位向信号可以通过四参数Chirplet分解方法来分解。此方法的关键难题是计算量过大,计算量主要由2部分组成:构建Chirp原子库,以及SAR方位向信号在过完备库上分解的计算量。与传统的CPU相比,GPU更加适用于密集型和大量数据并行化的计算。提出将算法的核心部分移植到GPU上进行并行计算,充分挖掘其运算潜能。结果表明:该方法与传统的基于CPU的算法相比有两位数以上的效率提升。