阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival,DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效提高阵元失效下MIMO雷达的DOA估计性能。

基于组播网关的可靠组播体系结构

保证组播通信的可靠性是许多Internet上的组播应用的前提。针对IP组播在Internet中难以规模化部署的现状,提出了一种使用组播网关将IP组播岛与应用层组播(ALM)区域连接起来的可靠组播(RM)体系结构,对组标识、组播网关、组管理、差错控制和拥塞控制等关键问题给出了解决方案,并设计了组播网关竞争算法。该结构能够屏蔽底层组播技术差异,从而支持Internet上统一化的可靠组播服务部署。

基于蚁群算法的树环结构应用层组播树构建算法

作为对IP组播技术的改进,应用层组播(ALM)技术具有不受网络架构限制、资源丰富、数据传输速率高等优势。综合考虑节点性能和端到端延迟,提出一种快速且高效的建立应用层组播树的方法:基于蚁群算法的树环结构ALM模型(ACOTRM)。目前对ALM结构的研究大部分都是仅仅粗略地给出拓扑结构,而对整个构建过程却缺乏完整且清晰的描述。鉴于此,完整地给出了一种树环结构ALM树的具体构建过程,主要包括网络节点分簇、簇内成环连接、数据转发数的建立等关键步骤。另外,为每个节点设定特有的优先级,使得整个ALM树达到最优化状态。仿真结果表明,该模型得到了较低的平均时延以及较高的平均数据传输率,在增加系统稳定性的同时也提高了其转发效率。

阵元失效下基于矩阵重构的MIMO雷达DOA估计

针对阵元失效下MIMO雷达目标DOA估计性能下降问题,提出一种基于虚拟阵列采样数据矩阵重构的MIMO雷达DOA估计方法。MIMO雷达的阵元失效分为冗余虚拟阵元失效和非冗余虚拟阵元失效两种情况。当冗余虚拟阵元失效时,通过合并空间上位置相同的正常冗余虚拟阵元输出数据以实现信号降维与失效阵元数据填充。当非冗余虚拟阵元失效时,经降维填充后的数据矩阵中仍存在整行缺失数据,根据降维数据矩阵的低秩和稀疏先验,建立带低秩和稀疏约束的矩阵填充模型,并利用ALM-ADMM算法求解来恢复完整的降维数据矩阵。最后利用root-MUSIC算法估计目标DOA。仿真结果表明,本文方法能够有效提高MIMO雷达在阵元失效时的DOA估计精度。

应用层组播的时延受限高稳定性生成树算法

应用层组播树会因为单个成员节点的退出或失效而被迫调整其他多个成员节点在组播树中的位置,从而导致多个节点的组播连接被迫中断.该问题被称为应用层组播树的稳定性问题,它严重影响用户接收组播数据的连续性.首先分析了应用层组播树的稳定性问题,提出了瞬态稳定度模型(instantaneous stability degree model,简称ISDM).通过利用组播用户动态行为的统计学特性,提出了一种评估该模型中节点相对离开概率的实用方法.其次,由于实时传输是应用层组播技术的主要应用领域之一,进而基于ISDM模型提出了延迟受限最大瞬态稳定度组播生成树问题——DDSD(the degree-and delay-bounded maximum instantaneous stability degree ALM tree),并且证明了该问题属于NP-Hard问题.为了解决该问题,提出了DDSD-H近似算法,该算法共衍生出3种启发式策略.最后,通过仿真实验分析比较了所提算法在各种启发式策略下的有效性.

基于时延模型的应用层优化组播路由算法研究

为充分考虑端主机系统在复制转发数据时产生的时延,建立端系统的时延模型,提出三种优化组播算法:队列优化组播算法QOMA、主动优化组播算法AOMA、被动优化组播算法POMA.实验结果表明,这三种算法能有效地降低组播最大延迟和平均延迟,在实时多媒体应用中都能取得较好效果,其中尤以主动优化算法的效果最好.

基于伪范数的联合多通道彩色图像去噪算法

彩色图像具有RGB 3个色彩通道,传统的彩色图像去噪方法大多是对每个通道逐个进行去噪处理,但这样会破坏不同通道之间的相关性.基于先前的灰度图像去噪工作,考虑到不同通道的相关性,提出了联合多通道彩色图像去噪算法,该算法具有良好的收敛性.实验证明,相比与传统的去噪方法,所给算法的去噪效果具有明显提升.

基于可用带宽测量的应用层组播算法

针对组播分发树建立过程的特性和需求,提出一种基于可用带宽测量的应用层组播算法。该算法以组播数据作为测试源,建立输入数据率和单向时延的关系模型,融合可用带宽测量与组播分发树的建立,以降低测量开销和对网络的影响,仿真实验表明,生成的组播树具有高吞吐量和低链路压力的特点。

用应用层组播技术解决小规模多点视频会议中的关键问题

在因特网上实现小规模多点视频会议需要解决三个关键问题,即端系统带宽不充足、实时传输和临界带宽的使用。采用应用层组播技术,可以设计一种比较合理、适用的组播树构造算法。模拟结果表明该算法较好地解决了以上三个问题。该算法由本地路由算法和组播树优化算法两部分组成,每个与会成员首先利用本地算法结合自身的特点生成一棵基于源的树,然后,再利用生成树优化算法对所有基于源的树从全局的角度进行优化,平衡树与树之间带宽的使用。

基于数据驱动紧框架的图像恢复

提出了一种基于数据驱动紧框架的变分模型用于含有高斯脉冲混合噪声的图像恢复。该模型由包含L1-L2范数的拟合项和包含L1范数的光滑项构成。然后,又提出了ALM-APG算法用于解该模型。最后,数值实验表明所提出的模型与算法能够有效地进行图像恢复并且具有一定的实用性。

基于组合优化算法的智慧高校建设评估方法的研究与设计

随着智慧高校工作在全国范围内的展开,为了能更好衡量与指导未来各高校的智能信息化工作,必须为智慧高校信息系统建设开发一套科学的评估技术。可行的方法是建立完整的评价模型;在此框架上,利用高校积累的评价大数据,设定3级评价指标;通过几种算法,分别获取主客观评价权值,再借助改进的增广拉格朗日乘子(augmented langrange multiplier,ALM)算法获得组合优化权值以获取更有效的评估效果;接着验证组合优化算法功效;最后通过实例检验该算法的实用性。

基于组合优化算法的高校信息化建设评估方法的研究与设计

随着智慧高校工作在全国范围内的展开,为了能更好衡量与指导未来智慧高校的信息化工作,必须为高校IT建设开发一套有效的评估技术。可行的方法是建立完整的评价模型;在此框架上,利用高校积累的评价大数据,设定3级评价指标;通过几种算法,分别获取主客观评价权值,再借助改进的ALM算法计算组合优化权值以获取综合评估效果。最后验证组合优化算法功效,及通过实例检验该算法的实效性。