基于协方差矩阵重构的改进型MUSIC算法

针对经典MUSIC算法在信源相干条件下算法性能失效问题,提出一种基于数据协方差矩阵二次重构并对噪声子空间进行加权处理的改进型MUSIC算法。首先对接收到的数据协方差矩阵进行重构处理,然后根据特征值分解得到噪声特征值的最大值与最小值的比值关系,使用合适的加权系数得到新的噪声子空间并推导得到改进后的空间谱函数,最后结合谱峰搜索完成对信源目标的DOA估计。仿真结果表明,改进型MUSIC算法有效消除了信号的相干性,不造成阵列孔径损失,在低信噪比、小快拍数以及信号入射间隔较小的情况下,能有效估计出相干信号的波达方向。

基于SAMV-SML的主瓣干扰抑制算法

针对主瓣干扰下自适应波束形成出现的波束畸变和主瓣偏移等问题,提出基于随机最大似然稀疏渐进最小方差(Sparse Asymptotic Minimum Variance Stochastic Maximum Likelihood,SAMV-SML)的主瓣干扰抑制算法。利用SAMV-SML算法准确地估计目标方位和功率,重构旁瓣干扰噪声协方差矩阵,避免将期望信号引入权矢量,并根据估计的主瓣干扰方位和期望方位,利用相关系数判断主瓣干扰特征矢量,构造特征投影预处理矩阵,实现多主瓣干扰抑制。仿真实验表明该算法能够实现波束保形,达到更快的收敛速度和更高的输出信干噪比。此外,还验证了该算法具备处理相干主瓣干扰的能力。

基于电阻抗成像的立木无损检测系统

为及时监测树木内部结构状态,提出一种基于电阻抗成像理论的活立木无损检测方法,设计一种16电极的数据采集系统。该系统以LabVIEW程序控制数据采集卡为核心,使用NI公司的USB-6361数据采集卡产生正弦交流电压信号,再将其输入压控电流源电路转换为电流激励信号。激励信号循环注入到立木表面的16个电极中,按照相邻激励-相邻测量的方式采集立木边界电压。然后,利用仪器仪表放大电路、可编程增益二级放大电路、高通滤波电路对采集的信号进行处理,以达到放大和滤波的目的。最后,通过数据采集卡模数转换后将数据上传到计算机端,采用敏感矩阵算法实现图像重建。实验结果表明,所设计系统在激励频率为1~20 kHz时,可以有效地识别立木中空洞的位置,并反映出空洞的相对尺寸和大致轮廓,能够实现基于电阻抗成像的立木无损检测。

压缩感知及其图像处理应用研究进展与展望

压缩感知理论(Compressed sensing,CS)通过少量的线性测量值感知信号的原始结构,并通过求解最优化问题精确地重构原信号.该理论减少了数字图像及视频获取时的存储及传输代价,也为后续的图像处理及识别的研究提供了新的契机,促进了理论和工程应用的结合.阐述了CS的基本原理,综述了其关键技术稀疏变换、观测矩阵设计、重构算法的一系列最新理论成果和发展,深入分析和比较了CS理论应用到图像处理领域的研究和发展状况,总结了其中存在的问题,并对未来的应用前景进行了展望.

多路延迟结构的修正MUSIC算法频率估计

提出将多路延迟数字测频结构与高分辨率谱估计的MUSIC算法相结合,有效地实现了信号频率估计。针对MUSIC算法在低信噪比条件下频率估计性能下降的缺点,研究的修正MUSIC算法通过对接收数据共轭重构,产生新的协方差矩阵,有助于改善特征值的分布,使其具有平均的意义,从而提高了信号频率估计的性能。实验结果证明,相对于常规MUSIC算法,该方法在相同的信噪比和快拍数条件下,具有更高的频率估计精度和稳健性,而且计算量也无明显增加。

基于重构协方差矩阵空时二维杂波抑制方法

针对杂波环境严重非均匀导致协方差矩阵估计失真、空时自适应处理性能下降的问题,提出了一种杂波协方差矩阵重构方法,并利用重构的杂波协方差矩阵实现杂波抑制。该方法充分利用了载机速度给定时杂波分布轨迹已知这一先验知识,考虑了天线方向图的调制,通过改变空时相关函数调节杂波带宽,可以实现任意杂波协方差矩阵重构。计算机仿真分析和实测数据处理结果表明,所提出的方法在非均匀杂波环境中,与小自由度的降维自适应算法相比具有更好的动目标检测性能。

基于空间平滑差分的鲁棒自适应波束形成

针对当采样协方差矩阵中包含期望信号时,模型失配会使MVDR自适应波束形成算法性能大幅下降的问题,本文提出一种基于空间平滑差分算法(SSDA)的鲁棒自适应波束形成算法。该算法首先通过空间平滑差分算法获得源数目先验知识,再对MVDR空间功率谱进行波峰搜索得到期望信号,最后再从采样协方差矩阵中去除期望信号协方差矩阵。仿真结果表明,在高信噪比输入的情况下,改进后的算法在去除期望信号后其输出信干噪比有了很大提升,比MVDR算法提高了2~3倍。

压缩感知测量矩阵优化混合方法

针对压缩感知中测量矩阵的优化问题,提出一种基于混沌因子和动量项的梯度下降法.在测量矩阵优化过程中,梯度下降法具有收敛速度慢,容易陷入局部最小的缺点.为此,基于混沌运动的随机性和遍历性,在步长变化中引入混沌因子,避免因初始步长选择不当导致算法的不稳定且实现步长的自适应变化;同时利用动量项,避免算法陷入局部最小值,提高算法的收敛速度,优化测量矩阵性能,降低测量矩阵与稀疏矩阵互相关性.仿真结果表明,该方法收敛速度快,互相关系数的分布更加集中在零附近,且重构图像的峰值信噪比大大提高.

基于改进MUSIC算法的二维DOA估计方法

提出了一种改进的二维MUSIC算法,该算法通过重构阵列接收数据协方差矩阵来降低入射信号源间的相关性,抑制信号子空间向噪声子空间的扩散,从而解决用MUSIC算法估计相干信号源到达方向(DOA)时的漏估计问题.该方法不仅对相关信号源的DOA估计有好的特性,也可以提高非相关信号源的DOA估计特性,而且计算量也没有大的增加.仿真试验证明了改进算法的有效性.

基于互交替投影的块稀疏正交匹配追踪算法

针对块稀疏信号,理论分析和实验验证均表明算法精确重构的充分条件与矩阵块相关性和子相关性有关。在此基础上,提出了一种基于互交替投影的块稀疏正交匹配追踪算法(mutual alternating projection-block or-thogonal matching pursuit,MAP-BOMP)。该算法利用互交替投影方法不断构造新的测量矩阵和感知矩阵,使得矩阵块相关性和子相关性都很小,从而提高重构概率,并给出明确的算法收敛条件,降低了计算复杂度。通过与大多数已有块稀疏信号重构算法进行实验仿真对比,该算法在重构效果和重构速度上均优于其他算法。

一种NLOS量测平滑算法在MAUVs协同定位中的应用

在基于双领航者的MAUVs协同定位过程中,为了减轻NLOS量测误差的影响,在假设NLOS修正偏差先验已知的前提下,以4状态Markov链描述了4种LOS/NLOS量测模型间相互独立转换过程,继而利用交互多模和Kalman滤波理论设计了一种AUVs间相对距离量测平滑算法,并将其距离量测估计结果应用于MAUVs协同定位系统中。仿真结果对比表明,该算法可以有效提高AUVs间的相对距离量测估计精度,获得了更好的协同定位性能。

基于BMP及CMR的抗主瓣干扰算法研究

对于相控阵雷达抗主瓣干扰问题,本文通过对空时联合域抗主瓣干扰算法的研究,分析了基于阻塞矩阵预处理后常用的加权系数补偿法、白化法、对角加载法,以及对角加载结合线性约束波束保形算法存在的不足,提出了一种适用于采样快拍包含目标信号情况下的抗主瓣干扰算法。通过分析阻塞矩阵预处理后数据特征值的变化情况,修正预处理导致的过处理现象,从而重构协方差矩阵,该算法适用于阻塞矩阵预处理导致的自由度损失的情况,能够解决由于预处理导致的主瓣波峰偏移等失真问题,同时算法复杂度较低。该算法最大的优点是当采样快拍包含目标信号时,其抗干扰性能较好,快拍敏感度相比常规的波束保形方法更低,经实测数据验证,结果显示出该算法的优越性。

车辆点焊结构有限元模型参数不确定性修正方法

提出了针对参数不确定性的综合贝叶斯的有限元模型修正方法。即在贝叶斯中融入用以代替原模型的随机模型和基于吉布斯抽样的蒙特卡罗马尔科夫链抽样算法,选定较敏感参数进行仿真获取模型参数的后验分布动态统计特征,进而评估参数不确定度。实例验证了文中方法的有效性,表明随机响应面模型可极大提高吉布斯抽样计算效率,尤其适用于含多维不确定性参数的复杂结构有限元模型不确定性修正问题。

基于矩阵重构的DOA阵元位置误差校正方法

针对阵元位置误差引起阵列流型出现一定的偏差和扰动,从而导致多重信号分类(MUSIC)算法估计波达方向(DOA)性能下降的问题,本文在Toeplitz预处理算法的基础上,提出了一种基于矩阵重构的阵元误差校正算法。所提算法首先对有阵列位置误差的协方差矩阵进行预处理,恢复理想情况下协方差矩阵的Toeplitz结构,然后利用核范数优化算法构造凸优化函数,对处理后的协方差矩阵进行降噪,同时保证信号和噪声子空间的正确划分,最后利用MUSIC算法进行DOA估计。计算机仿真和实验分析表明,所提算法有效改善了存在阵元位置误差时MUSIC算法的角度分辨能力,而且减少了由快拍数不足带来的影响,提高了估计精度。

基于协方差矩阵重构的稳健自适应波束形成算法

针对大角度失配和采样协方差矩阵中包含有期望信号时,传统自适应波束形成器性能极剧下降的问题,提出了基于协方差矩阵重构的稳健自适应波束形成算法。该算法将全空域划分成若干互不重叠的区域,分别对应干扰区域和期望信号区域,先利用标准Capon波束形成器及采样协方差矩阵的最小特征值对干扰加噪声协方差矩阵进行重构,再利用MUSIC谱估计法重构出信号协方差矩阵,以其主特征向量估计出期望信号导引向量,最终得到自适应波束形成器的最优权值。仿真实验结果表明,在少快拍和大角度失配情况下算法具有良好的性能。

阵列协方差矩阵与FOCUSS算法的DOA估计方法

传统的波达方向(DOA)估计方法往往受到Nyquist采样定理与"瑞利限"的限制,对快拍数、阵元数及信噪比等条件的要求较高,并且不能准确估计信号源的幅度信息。基于目标在空域的稀疏性,针对多维观测向量模型,提出一种正则化的FOCUSS稀疏重构算法,可以有效提高低信噪比条件下的估计性能。阵列接收矩阵快拍数大,含噪声信息多,对高分辨的DOA估计影响较大,而通过对阵列的协方差矩阵求高阶次幂的方法可以有效逼近信号子空间,减小噪声子空间的影响。以阵列接收数据的协方差矩阵作为待分解的数据向量构造稀疏模型,能够使重构信号具有较高的分辨率,对快拍数、阵元数及信噪比等条件的要求更低,对旁瓣抑制效果更好,能够较为准确地估计出信源的幅度信息,且不需要对信源数目进行预估计,体现出明显的优势。

基于模型概率的自适应交互式多模型算法

传统的交互式多模型算法中过程噪声协方差矩阵固定,不能很好地适应实际目标不同程度的机动。采用匀速和转弯运动模型集合,提出了一种基于模型后验概率的自适应交互式多模型算法。通过后验概率来自适应调整各模型中的系统过程噪声协方差矩阵,进而提高模型同系统运动模式的匹配程度;结合防空作战机动目标跟踪要求,通过典型目标机动仿真,同标准交互式多模型算法进行比较,验证了该算法的合理性和有效性。

一种基于混响干扰稀疏重构的STAP方法

针对声呐空时自适应处理中混响样本获取及其协方差矩阵估计的难题,提出了一种基于混响稀疏重构的空时自适应处理方法。根据运动平台声呐混响在空时平面的分布规律,沿着混响单元多普勒频移与入射锥角余弦的关系曲线设计混响稀疏重构的空时导向字典;通过将声呐阵列观测数据在所设计的字典上进行稀疏分解,以较高精度重构了待检测距离单元中的混响样本;基于混响概率分布模型的先验信息,生成足够数量的混响样本以满足空时自适应处理中性能损失指标对混响样本数目的要求,从而得到混响协方差矩阵估计。该方法能够直接从待检测距离单元中重构混响样本,有效估计混响协方差矩阵,而不依赖于临近的辅助数据,因此不仅适合于混响统计特性不变的环境,也适合于统计特性变化的环境。声呐前视阵列、侧视阵列的仿真结果表明,该方法的改善因子比传统方法降低约10 dB,具有良好的抗混响性能。

基于变形力数据的结构件残余应力场重构方法

残余应力是引起零件加工变形和失效的重要因素,残余应力场的重构有助于消除和控制零件在设计、制造、评价和使用过程中的残余应力。针对已有方法难以准确重构残余应力场的问题,提出了一种通过零件加工过程中的变形力数据实现零件残余应力场重构的方法。该方法首先提取了由于材料去除引起的应力重新分布带来的装夹力变化数据,即变形力。残余应力到变形力之间通过协方差矩阵自适应进化策略(CMA-ES算法)反复迭代求解出映射关系,从而构建出零件的残余应力场,最后在仿真环境下对该方法进行了验证。验证结果表明:该方法能较好地预测残余应力场,重构出的零件的初始残余应力场与原始施加的应力场平均误差值约0.38 MPa,为零件残余应力场的重构提供了一种新思路。

基于多级维纳滤波器降维的STAP处理算法性能分析

空时自适应处理(STAP)技术充分利用空域和时域的信息,通过空时二维联合滤波技术可以有效滤除地面杂波,获得更高的检测性能,但STAP计算量巨大,实际应用很受限制,因此多种降维算法被提出。从理论分析入手,首先介绍了主分量法降维和多级维纳滤波器(MWF)降维,并从理论上对这2种算法的性能进行比较,得出MWF降维性能的优越性。该算法采取对数据进行分解降维的处理,避免了协方差矩阵特征值的分解和矩阵的估计与求逆运算,大大减小了运算量,且并行结构便于工程应用。对这一理论分析进行数值仿真,验证了MWF降维性能的优越性:随着干扰功率的变化,MWF滤波器可选的秩值也自适应改变,因而更能适用于多变的战场环境。