具有双储层结构的动态误差补偿回声状态网络

针对传统回声状态网络难以有效应对高阶非线性复杂模型问题,本文在理论分析的基础上提出了一种双储层结构的误差补偿回声状态网络,并设计了该网络的学习算法.该网络由计算层和补偿层构成,计算层主要承担拟合任务,补偿层则作为状态跟随器,实时补偿由于计算层对期望方差估计不足而导致的幅值偏差.对多阶振荡器和真实高阶非线性数据集的实验结果表明,本文所提网络结构较常规网络具有更高的稳定性和泛化性能,尤其对高阶非线性复杂模型的预测精度大幅度提升.

基于深度时空融合网络的雷达回波外推模型

基于深度学习的雷达回波外推是实现短临降水预报的重要方法,由于雷达回波数据具有显著的非刚性的运动特征,使得数据的统计特性随时间在不断变化,意味着其具有高阶非平稳性,而现有深度学习方法难以捕捉回波序列的非刚性运动特征,且难以建模雷达数据的高阶非平稳性.为此,本文针对雷达数据特征提出了一种新的时空融合网络STUNNER(Spatio-Temporal Fusion Neural Network).STUNNER设计了一种两路时空融合架构,通过交叉连接时间差分网络和时空轨迹网络实现高效的雷达回波外推.时间差分网络通过引入差分的思想提取高阶非平稳数据中平稳性特征来学习雷达回波的长期趋势,时空轨迹网络利用动态卷积将卷积循环神经网络中普通卷积固定的参数采样位置优化为随时间变化的动态位置来提取雷达回波的瞬时变化,同时采用两路融合策略将长期趋势与瞬时变化融合,实现长短时关联记忆.所提模型与其他四个模型在两个公开数据集上进行了实验对比.在雷达回波外推任务中当雷达反射率阈值为45 dBZ时,STUNNER在POD(Probability Of Detection)、CSI(Critical Success Index)、FAR(False Alarm Rate)上相比MIM(Memory In Memory)分别优化了0.020,0.023,0.043.实验结果表明新模型在处理雷达回波外推任务上具有更高的准确率.

微弱脉冲激光回波信号的峰度检测

针对微弱激光回波信号检测中存在的噪声复杂，信号产生畸变、展宽和幅度衰减等情况，对高阶累积量、相关检测、匹配滤波等方法进行研究。通过理论分析和仿真比较，并基于现场可编程门阵列（field programmable gate array，FPGA）完成了算法的硬件实现，验证了采用高阶累积量方法进行微弱激光回波信号检测的优良性能和可行性。

基于一阶海洋回波的HF-SAR提取表层海流性能分析

将合成孔径技术用于高频地波雷达,以实现单站提取表层海流,对于降低观测成本、提高效率具有重要意义。但现有的高频合成孔径雷达(HF-SAR)信号模型是基于理想点目标的,而未考虑海域分辨单元的Bragg散射效应。针对这一问题.基于一阶海洋回波理论,该文提出了用HF-SAR提取表层海流的改进的信号模型,并分析了Bragg散射对HF-SAR方位向回波的影响。然后针对方位向回波信号的特点,给出了相应的速度估计算法。最后通过蒙特卡洛仿真分析了HF-SAR对指定海域分辨单元的速度估计性能,结果显示对于流速和流向的估计精度能够满足工程应用的要求,这表明用HF-SAR提取表层海流是可行的。

基于FDTD的玻璃纤维增强复合材料脉冲太赫兹无损检测

玻璃纤维增强复合材料具有耐腐蚀性强、介电性能良好和热性能良好等优良性能,被广泛应用于航空航天、铁道铁路等相关行业。以脉宽调制后的太赫兹脉冲激励源作为输入光源,采用徳拜模型对材料实测太赫兹波段光学参数进行拟合优化,并将其作为材料输入参数应用于时域有限差分方法中。建立了玻璃纤维增强复合材料胶接缺陷的太赫兹脉冲检测模型。基于时域有限差分法,对太赫兹波在玻璃纤维增强复合材料胶接缺陷结构中的传播特性进行了数值仿真分析,重点从时域波形及B-Scan成像两方面分析了太赫兹波在胶接缺陷结构中的传播过程以及高次回波的成因。针对玻璃纤维增强复合材料中存在的脱粘缺陷、分层缺陷进行了诊断分析,1 mm厚玻璃纤维增强复合材料中的脱粘缺陷检测厚度达到20μm;玻璃纤维增强复合材料中厚度为80μm的分层缺陷的检测层数达到两层。所提方法可为基于太赫兹脉冲成像的玻璃纤维增强复合材料胶接缺陷的无损检测和评估提供理论支撑。