基于迭代自适应的短孔径逆合成孔径雷达成像方法

针对合成孔径时间短、逆合成孔径雷达数据成像质量差的问题,本研究提出一种基于迭代自适应恢复缺失数据(missing-data iterative adaptive processing approach,MIAA)的短孔径数据的逆合成孔径雷达(inverse synthetic aperture radar,ISAR)超分辨率成像方法。该方法利用MIAA对ISAR回波数据的方位向进行扩展,从而增加数据的方位向长度,提高成像质量。仿真和实测均表明该方法能够有效扩展回波数据的方位向长度,提高短孔径条件下的成像质量。

迭代学习控制器参数的数据驱动自适应整定方法

针对PID型迭代学习控制(iterative learning control,ILC)方法,提出了两种数据驱动自适应整定(data-driven adaptive tuning,DDAT)方法。首先采用紧格式迭代动态线性化(compact form iterative dynamic linearization,CFIDL)方法将原始的非线性系统转化为等价的线性数据模型,设计了一个目标函数来动态地调整PID型ILC的学习增益。其次,通过对设计的目标函数进行优化,提出了一种基于CFIDL的DDAT方法。该方法只使用实际的I/O数据,而不需要任何机理模型信息。进一步,引入偏格式迭代动态线性化(partial form iterative dynamic linearization,PFIDL)方法对结果进行扩展,提出了一种基于PFIDL的DDAT方法。所提出的两种DDAT方法都可以提高PID型ILC对不确定性的鲁棒性。最后,通过仿真验证了两种方法的有效性。

飞行器航迹角系统有限时间跟踪自适应迭代学习控制

针对不确定飞行器航迹角系统航迹倾角的跟踪控制问题,给出了有限时间跟踪控制的自适应迭代学习控制(AILC)方法。通过控制输入量舵面偏角来控制飞行器航迹倾角,使得飞行器航迹倾角的跟踪误差在有限时间内收敛于零,其中引入了典型的收敛级数来处理模型中的不确定部分,并利用李雅普诺夫(Lyapunov)稳定性定理给出了严格的稳定性分析。最后通过数值仿真验证了该方法的有效性。

时间分数阶扩散方程柯西问题的迭代正则化方法

本文研究一类时间分数阶扩散方程柯西问题,该问题是严重不适定的.基于傅里叶截断理论,构造了一种迭代方法来克服其不适定性,并且通过正则化参数的先验和后验选取规则获得了正则化方法的收敛性估计.最后,通过数值实验验证了该方法的有效性.数值结果表明,该方法求解时间分数阶扩散方程柯西问题是稳定可行的.

离散时间非线性系统的数据驱动无模型自适应迭代学习控制(英文)

本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性.

直接数据域迭代空时自适应处理方法

针对常规空时自适应处理(space-time adaptive processing,STAP)在机载雷达非均匀杂波环境下杂波抑制性能下降的问题,提出一种直接数据域(direct data domain,DDD)迭代空时自适应处理方法。首先利用数据的特殊结构和空时谱的稀疏性引入一种新的迭代自适应(iterative adaptive approach,IAA)空时二维谱估计算法,然后在获得待检测单元空时谱分布的基础上重构无孔径损失的协方差矩阵,最后根据目标信号在空时平面的分布特点,提出一种新的目标剔除算法对协方差矩阵进行修正,以避免目标自相消。仿真实验结果表明,在存在3%阵列误差的情况下,所提方法在旁瓣杂波区的改善因子比传统直接数据域方法高出约10dB、比多普勒平移法高出约5dB。

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法 ,通过一系列的 QR分解 ,用两个矩阵分别逼近奇异值分解的主要左、右奇异向量 ,用一个三角矩阵逐渐逼近主要的特征值 ,从而取代了原始 MOESP子空间辨识算法中的奇异值分解步骤 .通过用一系列 Givens变换来实现 QR分解的数据更新 ,实现了此类子空间方法的在线递推辨识 .仿真表明 。

非正侧阵机载雷达杂波谱迭代自适应配准方法

对于机载非正侧阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的协方差矩阵与真实协方差矩阵不匹配,导致空时自适应杂波抑制性能下降。基于配准的补偿(registration-based compensation,RBC)方法通过时域平滑来估计空时谱,继而对地杂波的距离依赖性进行补偿,由于时域孔径损失使杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本文利用迭代自适应算法(iterative adaptive approach,IAA)进行空时谱估计,并重构各辅助距离单元协方差矩阵以实现杂波谱配准,称为IAA-RBC算法。由于该算法不存在孔径损失,杂波谱配准精度更高。仿真实验表明,即使在样本中存在目标污染等干扰因素的情况下,所提方法相比传统的利用时域平滑的RBC方法也能获得更好的信噪比改善。

一类不确定系统的自适应滑模迭代学习控制

本文针对一类在有限时间内执行重复任务的不确定非线性系统状态跟踪问题,提出一种自适应滑模迭代学习控制方法,在存在初始偏移的情况下也能实现对参考轨迹的完全收敛.本文通过设计全饱和自适应迭代学习更新律,估计参数和非参数不确定性以及未知期望控制输入,并将估计值限制在指定界内,避免估计值的正向累加.文章设计的自适应滑模迭代学习控制方法对系统模型的信息需求少,在对系统非参数不确定性的上界估计时不需要Lipschitz界函数已知.本文给出严格的理论分析,证明闭环系统所有信号的一致有界性以及跟踪误差的一致收敛性,并通过仿真验证所提控制方法的有效性.

时间模上一阶积分边值问题的单调迭代方法

运用单调迭代方法和上下解方法构造了两个单调序列,从上下两个方向分别收敛到一阶积分边值问题。

分析结构跳跃问题的自适应参数增量迭代方法

通过对Ｒｉｋｓ切线弧长法和Ｃｒｉｓｆｉｅｌｄ圆弧长法的综合及改进，本文提出分析结构跳跃问题的自适应参数增量迭代方法，并建立相应理论基础。最后文中给出中心分布压力作用下圆底扁球壳跳跃问题的数值结果。

离散时间系统自适应迭代学习控制的研究进展

离散自适应迭代学习控制是针对在有限时间区间上运行的不确定非线性离散时间系统提出的一类方法,可有效抵抗系统的不确定性,并放宽了传统迭代学习控制中要求相同初始条件和参考轨迹这两个关键假设。即可在随机初始条件下实现对迭代变化参考轨迹的几乎完全跟踪性能。本研究给出了迭代学习控制方法的分类,对其中的自适应迭代学习控制方法的设计思路和适用背景进行了阐述。重点综述了离散时间系统自适应迭代学习控制方法的发展过程,讨论了所提出离散时间自适应控制方法的特点和适用范围,提出了基于数据驱动的自适应迭代学习控制发展的必然趋势和有待于进一步研究的问题。

非精确Newton方法中线性迭代收敛判据研究

在计算流体力学中,采用隐式时间推进方法时通常需要采用Newton类迭代方法求解大型非线性离散系统。每步非线性迭代需求解由非线性系统Jacobian矩阵组成的大型线性方程组,其中线性方程组求解误差会对非线性系统的收敛性产生显著影响,然而对存在Jacobian矩阵误差情况下的线性迭代收敛判据缺乏深入的研究。本文针对上述问题,首先给出了存在Jacobian矩阵误差和线性迭代误差情况下Newton迭代式的形式,并通过数值测试验证了Jacobian矩阵误差对迭代产生较大影响的可能性;其次对常见的两种不同类型的线性迭代收敛判据进行了数值测试,重点研究了存在Jacobian矩阵误差情况下容易产生的过度求解问题;最后,结合上述两类判据的特点发展了一种新的线性迭代收敛判据,结果表明:新提出的迭代收敛判据能够有效缓解过度求解问题,从而提高计算效率。

时间模上一阶周期边值问题的单调迭代方法

考虑了时间模上一阶周期边值问题,运用上下解方法和单调迭代方法得出了此边值问题存在极值解的充分条件,所谓时间模T是实数集上一个非空子集,当时间模为R时,此结果为一个新结果。

水声通信系统中基于迭代自适应的脉冲噪声抑制方法

针对水声通信系统中脉冲噪声抑制问题,提出了一种迭代自适应的脉冲噪声抑制方法。基于OFDM子载波之间的正交性,该方法首先利用空子载波矩阵从接收信号中提取出背景噪声和脉冲噪声。然后,利用空子载波矩阵构造导频矩阵,得到脉冲噪声的干扰协方差矩阵,并在加权最小二乘准则下通过对代价函数的求解得到脉冲噪声的闭式解。最后,在接收信号中减去脉冲噪声的估计值,完成对脉冲噪声的抑制。仿真结果表明,本文方法有效降低了水声通信系统的误码率,且在高信干噪比下性能提升更加明显。

基于迭代自适应方法的非正侧视阵角多普勒补偿方法及改进方法

针对非正侧视阵训练样本非均匀导致自适应处理性能下降这一问题,提出了基于迭代自适应方法的角度多普勒补偿法及改进方法。通过迭代自适应方法找到各距离门的主杂波所处的空域和多普勒域的中心位置,之后对待检测单元的训练样本数据进行角度多普勒补偿。由于全空时域的功率谱估计搜索速度慢,搜索精度低,为此提出了局部搜索的快速迭代自适应功率估计算法和网格重构的迭代自适应功率估计算法。通过仿真实验及分析证明了所提方法的有效性,同时随着谱估计方法的改进,该方法的性能也会得到提升。

基于迭代自适应方法的跳频信号缺失数据恢复

在复杂电磁环境下,通信信号侦察系统在侦收跳频通信信号时经常存在数据缺失的严重现象,因此实现缺失数据恢复具有重要的军事应用意义。针对常规数据恢复算法随着缺失比例升高性能急剧降低的问题,提出了一种基于迭代自适应方法(Iterative Adaptive Approach,IAA)的跳频信号缺失数据恢复算法。根据跳频信号短时间内可作为平稳信号处理的特征,算法选择加权最小二乘准则,利用系统获取的有效数据采用迭代自适应方法进行信号谱估计,然后基于最小二乘准则进行缺失数据恢复处理。通过仿真分析比较,在同等信噪比、缺失率条件下,所提算法比常规缺失数据恢复算法MAPES(Misssing-data Amplitude and Phase Estimation)具有更优的缺失数据恢复性能。

基于迭代自适应方法的近场源二维参数联合估计

针对近场源波达方向(DOA)和距离的联合估计问题,提出一种近场迭代自适应算法(NF-IAA)。首先通过划分二维网格表示出近场区域内信源所有可能的位置,每个位置都看作存在一个潜在的信源入射到阵列上,表示出阵列输出的数据模型;然后通过循环迭代利用上一次谱估计的结果构建信号的协方差矩阵,将协方差矩阵的逆作为加权矩阵估计出每个位置对应的潜在信源能量;最后绘制出三维能量谱图,由于只有真实存在的信源能量不为0,因此谱峰对应的位置即为真实存在信源的位置。仿真实验表明在10个快拍条件下,NF-IAA的DOA分辨概率达到了90%,而二维多重信号分类(2D-MUSIC)算法只有40%;当快拍数降至2时,2D-MUSIC算法已经失效,而NF-IAA仍然能很好地分辨出3个入射信源并且准确地估计出位置参数。随着快拍数和信噪比(SNR)的增加,NF-IAA的估计性能一直优于2D-MUSIC。实验结果表明,NF-IAA具备少快拍条件下高精度、高分辨地估计近场源二维位置参数的能力。

基于空间非迭代Oseen格式的时间解耦局部并行方法

基于空间非迭代的Oseen格式,以软件FreeFem++的MPI功能为平台,提出时间解耦的局部并行方法来求解Navier-Stokes/Navier-Stokes耦合方程。通过解耦复杂区域,将耦合方程的求解转换为并行区域上单一非定常Navier-Stokes方程的求解。在空间上利用Oseen格式一步线性校正,时间上按照步长直接推进。数值实验表明,与空间非迭代Oseen格式的欧拉时间推进方法相比,该方法在保证精度的情况下,运行时间较短,显现了耦合方程求解的高效性。

基于Newton/Gauss-Seidel迭代的DGM隐式方法

在Newton迭代方法的基础上,对高阶精度间断Galerkin有限元方法 (DGM)的时间隐式格式进行了研究.Newton迭代法的优势在于收敛效率高效,并且定常和非定常问题能够统一处理,对于非定常问题无需引入双时间步策略.为了避免大型矩阵的求逆,采用一步Gauss-Seidel迭代和Matrix-free技术消去残值Jacobi矩阵的上、下三角矩阵,从而只需计算和存储对角(块)矩阵.对角(块)矩阵采用数值方法计算.空间离散采用Taylor基,其优势在于对于任意形状的网格,基函数的形式是一致的,有利于在混合网格上推广.利用该方法,数值模拟了Bump绕流和NACA0012翼型绕流.计算结果表明,与显式的Runge-Kutta时间格式相比,隐式格式所需的迭代步数和CPU时间均在很大程度上得到减少,计算效率能够提高1～2个量级.