基于Capon的CSB sin-FDA稳健波束形成

针对抑制与目标位置接近的干扰过程中,MVDR波束形成器在阵元数较大、导向矢量失配情况下出现的主瓣畸变问题展开分析.在CSB sin-FDA接收阵列结构代替ULA-FDA接收阵列的基础上,通过RCB算法对存在误差的估计导向矢量进行修正,计算修正后的最优权矢量.仿真验证了本文方法与基于PA的MVDR波束形成器,基于FDA-BFF的MVDR波束形成器相比,在导向矢量失配时的性能优势.

LFM正交调制的FDA-MIMO雷达运动目标检测

频控阵(FDA)雷达的提出引起了广泛关注,而应用FDA对运动的微弱目标进行检测是目前来说研究相对较少。针对FDA模型下的运动目标跨距离单元走动下的检测,存在波束时变以及回波脉压结果受频偏影响很大等问题,其中波束时变是指FDA发射波束随时间变化,这使得后续匹配滤波后信号峰值错位,同时对于多发单收体制,频偏对脉压结果影响很大,当频偏大于一定范围时,脉压结果出现多峰值,使得检测完全失效。本文提出利用keystone变换与频控阵-多输入多输出(FDA-MIMO)结合的技术处理该问题。理论及仿真结果证明,FDA-MIMO模型与keystone变换结合可以解决时变性影响并很好地处理运动目标探测中距离徙动问题,提高微弱低可观测目标的检测概率。

基于对数稀布阵的FDA-MIMO干扰抑制

波形分集阵列雷达作为一种将频率分集阵列与多输入多输出结构相结合的雷达新体制,在主瓣干扰抑制领域具有极大的应用前景。针对基于对数稀布阵的FDA-MIMO随队干扰抑制方法展开分析。首先将对数稀布阵引入FDA-MIMO体制,通过采用非线性频控函数改进基本FDA“S型”波束图带来的多极值问题;然后通过RCB算法修正随队干扰抑制过程中出现的导向矢量失配问题;最后,仿真验证了当目标与干扰在距离维可分但角度维较为接近时,该方法可在保持主瓣增益的同时实现对干扰的有效置零,从而为随队干扰的有效抑制提供了新的思路。

基于区间算法的频控阵阵元位置误差分析

频控阵通过在各阵元的发射基频上引入一个微小的频率偏移,可以产生距离和角度相关的波束,这使得频控阵在信息和信号处理中更加灵活。但是,大多数文献在分析频控阵时,都假设阵元位置是理想而无误差的。而在实际情况中,阵元位置往往会存在制造误差,这必定会让实际发射波束的各项性能指标偏离理论设计的性能指标。而目前,几乎没有关于频控阵阵列位置误差分析的文献,因此迫切需要寻找一种对频控阵阵元位置误差进行分析的方法。提出一种基于区间分析算法的频控阵阵列位置误差分析方法,以分析各阵元位置误差对波束性能的影响。该方法首先假设各阵元位置误差在某个已知的区间,然后通过一系列数值计算得到误差对波束性能影响的上界和下界,最后通过仿真实验验证此方法的有效性。

气候变化下青藏高原全缘叶绿绒蒿的潜在分布变迁

青藏高原物种丰富且属于气候变化敏感区,研究气候变化对青藏高原物种的潜在分布影响,对于该区域物种多样性保护具有重要意义。该研究以一级濒危藏药植物全缘叶绿绒蒿为研究对象,利用加权平均算法(weighted average algorithm, WAA)构建随机森林(RF)、灵活判别分析(FDA)及人工神经网络(ANN)的集成模型,同时对比分析了WAA模型和不同生态位模型的预测精度。最后利用WAA模型预测了全缘叶绿绒蒿在当前(1970~2000年平均)和未来(2041~2060年平均)气候情景下的潜在分布,其中未来气候考虑了2种“共享社会经济路径”(SSP2-45和SSP5-85)。结果显示:(1) WAA模型的预测表明,基于RF、FDA和ANN的集成模型的AUC值为0.926,在AUC值最高RF模型的基础上提高了3%,在FDA和ANN模型的AUC值的基础上均提高了5%。(2) WAA模型确定,全缘叶绿绒蒿的潜在分布对年降水量和最暖季降水量最为敏感,其次是最热月份最高气温,同时对最湿月份降水量以及等温性表现出较低的敏感性。(3)当前全缘叶绿绒蒿潜在分布区主要分布在甘肃西南部、青海东部至南部、四川西部和西北部、云南西北部和东北部、西藏东部。(4)未来气候变化下青藏高原全缘叶绿绒蒿潜在分布预测表明,在2050年SSP2-45情景下,全缘叶绿绒蒿的潜在分布区大小与当前潜在分布区大小基本相同,但整体向西北方向高海拔高纬度地区迁移;在SSP5-85情景下,全缘叶绿绒蒿的潜在分布区明显收缩,且向西北高纬度高海拔地区延伸的趋势更加明显。

基于核函数的Fisher判别分析算法在人耳识别中的应用

针对人耳图像自身的特点,并通过对现有生物识别技术的研究,本文尝试采用了一种基于核函数的Fisher判别分析算法对人耳进行识别。该算法不仅可以有效地提取人耳特征,获得较高的识别率;而且还可以解决因为光照和人耳旋转角度等因素带来的非线性问题。实验表明:采用基于径向基核函数的Fisher判别分析算法对人耳图像进行识别,其识别率最高,为98.701%。

基于单通道脑电信号的疲劳检测系统

针对目前高强度劳动人群频繁猝死的情况,文中设计了一套基于单通道脑电信号(Electroencephalography,EEG)的疲劳检测系统,以实现对该类人群疲劳程度的准确判定,起到预警效果。系统利用TGAM(ThinkGearm AM)脑电模块采集原始EEG数据,通过蓝牙方式将数据传送至上位机,在上位机中提取EEG的4个基本节律成分(δ,θ,α,β),以节律信号的相对频带能量作为表征疲劳状态的脑电特征,并利用Fisher判别分析(Fisher Discriminant Analysis,FDA)和概率神经网络(Probabilistic Neural Network,PNN)两种方法对脑电特征进行分类,给出评估结果。实验结果表明,所设计的基于单通道EEG的疲劳检测系统能够实现准确率较高的疲劳状态检测。

MSNV:基于多层次社团划分的网络结构可视化方法

针对大规模网络节点数目庞大、结构复杂性高,有限的屏幕空间难以展示其结构特征的问题,提出了一种基于社团划分的多层次网络可视化方法。首先,使用基于网络模块度的社团划分算法对网络节点进行划分,并采用贪婪算法寻找最大模块度的社团划分,得到不同层次粒度的社团;其次,通过设置层次约束力以改进经典力导引算法(FDA),使改进的算法能对不同层次粒度的社团实现分层布局,解决FDA无法展示网络节点层次性的问题;最后,使用多窗口视图、Overview+Detail等交互方法分别展示高层社团和底层节点,实现兼顾网络高层次宏观结构和低层次局部细节的显示。仿真实验中,该算法的社团划分相较于自包含GN算法在效率和准确率上有所提高。案例分析表明,所提方法在大规模网络结构的显示和交互方面具有良好的效果和性能。

视频监控系统中基于MPEG-I数据流的丢帧机制

讨论了一种在视频监控系统中基于MPEG-I数据流的丢帧机制,提出和实现了帧丢弃算法,并给出了算法流程图.对各种丢帧策略的实验结果表明,丢帧机制取得了良好的效果,满足了不同用户的QoS.

基于改进花朵授粉算法的极限学习机模型

为提高瓦斯突出风险预测的准确率和效率,在极限学习机(ELM)模型的基础上构建预测模型ACFPA-ELM。采用核线性鉴别分析(KLDA)对瓦斯突出样本数据进行特征抽取,利用代价敏感思想修正ELM适应度函数,同时将Tent混沌搜索和自适应算子引入花朵授粉算法(FPA)中,优化ELM的初始输入权值和阈值,从而提高对瓦斯突出风险的预测能力。实验结果表明,相较于经典的SVM、BP和ELM单一预测模型以及改进的FPA-ELM和PSO-ELM复合预测模型,ACFPA-ELM模型在瓦斯突出风险预测的准确率、预测一致性以及运行效率方面均具有明显的优势。

基于改进粒子群算法的分布式频率分集阵栅瓣抑制方法

以均匀线阵(Uniform Linear Array,ULA)为子阵,结合频率分集阵(Frequency Diverse Array,FDA)的思想,构建了一种基于分布式子阵的频率分集阵。针对各子阵按等间距布阵将导致严重的栅瓣问题,提出了一种改进粒子群(Improved Particle Swarm Optimization,IPSO)算法来优化分布式FDA中各子阵间的基线距离,以实现高效的栅瓣抑制。同时,从理论上推导了目标距离和角度均未知时参数估计的克拉美罗下界(Cramer-Rao Lower Bound,CRLB)。仿真结果表明,优化后分布式FDA的栅瓣得到有效抑制,而且阵列角度维分辨率和估计性能亦得到大幅度提升,验证了所提算法的有效性。