基于双曲复合函数近似l_(0)范数的DOA估计

针对现有压缩感知类波达方向(DOA)估计算法估计精度低、收敛速度慢的问题,提出了基于双曲复合函数近似l_(0)范数的DOA估计算法。首先给出了一种双曲复合函数来近似l_(0)范数,将求解l_(0)范数最小问题转化为双曲复合函数的最优化问题,然后为提高算法的全局收敛效率,采用修正牛顿法对双曲复合函数进行最优化求解,通过算法的内外两层循环获取近似l_(0)范数解,外层循环为内层循环提供逼近因子,内层循环根据递减的逼近因子对修正后的牛顿迭代表达式求解,进而得到近似l_(0)范数的最优解,最终得到DOA估计值。通过模拟仿真实验对所提算法进行了有效性验证,结果表明所提算法在信噪比为5 dB条件下,DOA估计均方根误差为0.6856°,估计成功率高于98%。

基于自然对数复合函数近似l_(0)范数的DOA估计

针对现有基于压缩感知的DOA估计算法收敛速度慢、精度不高等问题,提出一种基于自然对数复合函数近似l_(0)范数的DOA估计算法。新算法采用一种自然对数复合函数来近似l_(0)范数,将求解l_(0)范数问题转化为近似l_(0)范数的最优化问题。采用牛顿迭代法获得自然对数复合函数(即近似l_(0)范数)的迭代表达式,通过内外双层循环的方法获得牛顿迭代的最优解,即通过外层循环控制函数逼近因子σ的大小,内层循环采用最陡梯度法对牛顿迭代表达式进行求解,经有限次迭代即可获得近似l_(0)范数的最优解,进而得到DOA的估计值。通过仿真实验验证新算法的有效性,结果表明新算法在单快拍条件下即可实现DOA有效估计,且与平滑l_(0)范数算法及其改进算法相比具有更快的计算速度和更高的估计精度。

基于近似零范数的子空间迭代稀疏分解算法

针对近似零范数算法单参数代价函数不能协调近似精度与噪声容限的问题,提出了基于多参数代价函数的改进算法。在此基础上,利用子空间表示的方法确定了满足方程的源信号矢量空间,以此约束迭代算法的搜索范围,提高算法效率。理论分析和仿真实验表明,基于矢量空间迭代的算法收敛速度更快。此外,代价函数的改进在保持算法性能随源信号活跃概率变化规律的同时,明显改进了算法的抗噪声性能。

基于最优Hankel范数近似的核电站电功率与冷却剂平均温度解耦控制方法

采用最小二乘法获得了被控对象模型,针对核电站电功率和冷却剂平均温度控制耦合的特点,设计了对角阵完全解耦器,基于最优Hankel范数降阶模型近似的理论,对对角阵完全解耦器进行模型降阶,并在Matlab/Simulink中对所得到的模型进行仿真验证.结果表明:对对角阵完全解耦器降阶后的PID控制系统比单纯的PID控制系统的响应速度快,且进行功率控制时的超调量较小.

基于近似L0范数算法的跳频信号时频分析

针对跳频信号的参数化时频分析方法加以改进。对跳频信号进行完备傅里叶基表示,建立其稀疏优化表示模型,将跳频信号的时频分析问题转化为稀疏优化问题,然后借助近似L0范数优化方法进行时频分析。针对时长0.01s的一段跳频信号进行计算机仿真,所得时频分布图显示,改进方法比短时傅里叶变换和WVD方法具有更高的时频分辨率和更强的抑制干扰能力。

基于近似l_0范数最小化的NMR波谱稀疏重建算法

在核磁共振(NMR)波谱中,过长的数据采集时间会使很多化学以及分子生物学领域的高分辨率多维谱应用难以实现.传统的解决办法是使用随机非均匀采样代替奈奎斯特采样,但这样会使谱图质量受损.压缩传感的出现为此提供了更好的解决办法,合适的压缩传感重建算法可以通过很少的随机非均匀采样将谱图高质量的重建出来.该文先介绍了一种可用于谱图重建的压缩传感重建算法,名为"平滑l0范数最小化法",然后针对该算法对采样噪声鲁棒性较差的缺点进行了改进.通过将改进后的算法与原算法在一维实数域信号以及NMR波谱信号重建实验中进行对比后表明,改进后的算法对噪声的鲁棒性明显提高,并能获得更好的重建性能.

基于近似零范数的稀疏核主成成分算法

核主成成分分析(KPCA)是一种有效的数据降维方法,其降维过程是计算待降维样本与所有训练样本核函数的线性叠加,所以其计算量依赖于训练样本的大小,致使降维效率很低。为了提高KPCA降维效率,提出利用近似的零范数对叠加系数施加稀疏约束,能够得到稀疏性很好的系数。降维时,去除大量系数为零的训练样本,所以能够显著提高降维速度。通过实验还发现该算法对离群点具有不错的鲁棒性,换句话说当训练人脸数据库中加入非人脸图像时能够较好的克服这些非人脸图像的影响。

基于有效迭代算法的鲁棒L1范数非平行近似支持向量机

针对鲁棒L1范数非平行近似支持向量机(L1-NPSVM)求解算法无法保证获取可靠解的问题,提出一个新颖的迭代算法来解L1-NPSVM的目标问题。首先,根据L1-NPSVM原目标问题对解具有规模不变性,将其转换为一个等价的带等式约束的最大化问题。该迭代算法在每次迭代中利用更新权机制获取每次迭代的更新解;每次迭代中,问题归结为解两个快速的线性方程问题。从理论上证明了算法的收敛性。在公共UCI数据集上,实验显示,所提算法不仅在分类性能上要远远好于L1-NPSVM,且具有相当的计算优势。

基于近似l0范数的实数化DOA估计

针对利用压缩感知进行波达方向(Direction of Arrival,DOA)估计时求解l_0范数NP难、噪声敏感等问题,提出一种基于近似l_0范数的实数化DOA估计算法(AL0-DOA)。对阵列接收数据的协方差矩阵进行Khatri-Rao(KR)积变换,将阵列多测量矢量模型转换为虚拟阵列单测量矢量模型,并通过降维和实数化进一步降低计算量,同时抑制噪声,提高DOA估计的准确性。利用信源在空间的稀疏性构造冗余字典,引入平滑函数来近似l_0范数,将无法直接求解l_0范数问题转化为平滑函数的最优化问题,可通过修正牛顿算法快速求解。仿真结果表明该算法计算快,精度较高,可对DOA进行有效估计。

基于改进的近似l0范数的稀疏信号重构算法

稀疏信号重构算法是压缩感知的关键。基于近似l0范数的稀疏信号重构可以通过选取一个光滑函数近似l0范数,从而将l0范数最小化问题转化为光滑函数的优化问题。为了提高压缩感知中稀疏信号重构的精度,本文提出了一种基于改进的近似l0范数的稀疏信号重构算法。该算法首先利用一种改进的光滑函数来近似l0范数;其次利用外点罚函数法和共轭梯度法求解基于该光滑函数的优化问题的稀疏解;最后进行了多项实验来验证所提出算法的有效性。实验结果表明:相比于光滑l0算法、基追踪算法和非凸复合稀疏基算法,本文所提算法在重构误差、信噪比和恢复成功率等方面更具优越性。

基于稀疏重构的跳频信号时频分析方法

针对现有时频分析方法存在噪声抑制能力弱、时频聚集性不强的缺点,提出了一种基于稀疏重构的跳频信号时频分析方法来获取清晰的、高聚集度的时频图。首先根据惩罚函数的思想建立了跳频信号无约束的稀疏重构模型;然后理论分析了罚函数因子的取值标准;最后用近似l0范数算法求解得出跳频信号的时频图。仿真结果表明该算法能够有效地获取跳频信号的时频图。

冲击噪声背景下基于稀疏表示的双基地MIMO雷达多目标定位

该文研究了对称a稳定分布(SaS)冲击噪声下双基地MIMO雷达的多目标定位问题。针对SaS噪声下因二阶矩不存在而造成子空间类算法估计性能下降的不足,提出了矩阵行2范数最大的预处理方法对接收数据进行归一化,使得归一化后的协方差矩阵有界,并以拉直后的协方差矩阵构造稀疏线性模型,提出了基于协方差矩阵-近似零范数(Covariance Matrix Smoothed L0 norm,CMSL0)算法进行目标的发射角和接收角估计。仿真实验表明:通过矩阵行2范数最大化预处理之后,MUSIC(Multiple Signal Classification)和CMSL0算法均能有效地估计出目标的角度,并且CMSL0算法的估计精度及对冲击噪声的稳健性均优于MUSIC算法。此外,与MUSIC算法相比,CMSL0算法不要预先估计目标源的数目,且收发阵元不受半波长间隔的限制。

基于二次迭代稀疏重构的跳频信号参数估计

为了解决现有参数估计方法中时频聚集性不强,低信噪比下估计精度不高问题,提出了一种基于二次迭代稀疏重构的跳频信号参数估计方法。根据跳频信号的时频稀疏性进行稀疏重构,获取信号的时频分布矩阵;通过分析时频分布矩阵的特点,对信号进行二次迭代稀疏重构,获取二次时频分布矩阵。为了提高在低信噪比下算法性能,采用二值形态学滤波对时频图进行处理,进而实现信号的良好参数估计。仿真结果表明:该算法能够有效地提高参数估计精度,在低信噪比下有良好的估计效果。

基于稀疏重构的跳频信号检测方法

针对复杂电磁环境下跳频信号的检测问题,提出了一种基于稀疏重构的跳频信号检测方法,首先采用近似l0范数算法对含有干扰的跳频信号进行稀疏重构,采用拟牛顿法求解无约束多维最优化问题,然后对得到的时频图的频率分量进行二值形态学滤波以去除干扰和噪声,最后通过统计匹配信号的个数完成信号的检测。同时为提高算法的自适应能力,在选取二值化阈值时采用最大类间方差法。理论分析和仿真实验表明该算法在较低信噪比下仍能克服干扰和噪声并较好地保存各跳,实现对跳频信号的检测。

弹性轨道磁悬浮控制系统模型降阶研究

在磁悬浮控制系统中,常常忽略轨道的弹性来设计控制算法。在这种控制算法作用下,当轨道刚度较小时,系统容易产生振动。为解决该问题,可以将轨道弹性加入悬浮模型,然后设计控制算法。考虑轨道弹性之后,悬浮系统的模型会比较复杂,控制算法难以在工程实现。为此,采用Hankel范数近似法对考虑轨道弹性后的模型进行降阶,并且在降阶模型的基础上设计控制算法,解决了轨道弹性引发的系统振动问题。并且,这种方法容易在工程中实现。文章最后利用仿真结果验证了降阶方法的可行性。

用于压缩感知信号重建的SL_0改进算法

SL0算法是一种基于近似l0范数的压缩感知信号重建算法,其思想是用一个光滑函数来近似l0范数,然后求解一个优化问题。目前采用的光滑函数都是高斯函数族,文中突破了以往采用高斯函数族近似l0范数,提出了采用复合三角函数作为近似估计l0范数的函数,然后结合修正牛顿法和阻尼牛顿法提出一种更精确的重建算法DNSL0。实验结果表明,在相同测试环境下,DNSL0算法在峰值信噪比和匹配度方面比SL0算法和NSL0算法都有了大幅提高。

航空发动机μ控制器设计及降阶方法研究

涡扇发动机的多变量控制是目前的研究热点。为了研究鲁棒镇定发动机的结构化摄动和非结构化摄动对系统稳定性影响,采用结构奇异值理论分析方法,通过设置合理的加权函数,设计性能最优的μ控制器。采用内部平衡截项法、残化法和Hankel-范数近似法等对控制器模型降级处理,通过分析奇异值与范数误差,选取合适的降级方法,以保证降阶后系统能够稳定工作。仿真结果表明,所设计的控制器能够使系统稳定工作,系统能鲁棒镇定结构化摄动和非结构化摄动,且具有良好的控制品质,且控制器降阶后对系统基本没有影响。