数字调制识别SVM分类器参数优化及仿真

对于基于SVM数字信号调制识别分类器,参数选取过程中如何优化惩罚因子和径向基核函数参数问题,提出了一种改进算法。该算法将自适应惯性权重粒子群算法和k折交叉验证法结合,利用交叉验证法计算粒子适应度值,通过粒子群算法实现最优参数值搜索,最终得到分类器惩罚因子和径向基核函数参数最优值。仿真结果表明,该算法性能明显优于网格搜索法和遗传算法。     

一种基于拟牛顿法的CS投影矩阵优化算法

压缩感知(Compressed Sensing,CS)理论中,投影矩阵优化是一类通过提高观测数据信息量而改善性能的方法.由于投影矩阵与稀疏字典内积构造的Gram矩阵必定奇异,基于广义逆矩阵求解方法存在计算精度的问题.本文提出了一种利用拟牛顿法的CS投影矩阵优化算法.该算法分为两步:一是利用阈值函数约束Gram矩阵非对角线元素,使投影矩阵与稀疏字典的互相关系数逼近Welch界;二是采用秩2校正得到Hessian阵逆近似去修正梯度搜索方向.两个步骤交替执行,直到解出符合优化要求的投影矩阵.该算法始终保持下降性,具有超线性收敛速度,避免了矩阵函数二阶导数复杂的计算,计算量较小.实验结果表明,当信号稀疏度或观测数据相同时,本文算法的重构结果优于其他算法.     

一种压缩感知词典快速构造方法

提出一种基于交互投影方法的量测词典和感知词典构造算法。将量测词典和感知词典的类Gram矩阵向理想Gram矩阵集合投影并得到投影矩阵,再将此矩阵向类Gram矩阵集合投影,此过程如此继续直至满足终止条件,可得到一对弱相关量测和感知词典,其类Gram矩阵非主对角线元素接近或者达到Welch界。该算法采用一种新的向类Gram矩阵投影方法,可以极大地降低计算量,此算法得到的词典可有效提高OMP算法性能。     

改进支持向量机的光纤陀螺温度漂移补偿方法

温度漂移是影响光纤陀螺精度的主要因素之一,温度漂移建模和补偿是消除和减小温度漂移的有效方法。首先分析了影响光纤陀螺温度漂移的关键因素,同时进行了光纤陀螺温度漂移测试实验。然后采用泛化能力较神经网络更好的支持向量机对光纤陀螺温度漂移进行回归、建模,其中支持向量机的核函数采用了具有更好数据集适应性的径向基核函数。为了提高支持向量机的建模精度,引入人工鱼群算法对支持向量机的核心参数C（惩罚系数）和核函数的参数进行寻优。最后,使用实际的光纤陀螺温度漂移数据对提出的补偿方法进行实验验证,结果表明采用该方法补偿后的剩余光纤陀螺误差较采用线性回归方法减小了四五个数量级。     

应用通用特征基函数求解目标宽带雷达散射截面

基于特征基函数法提出了一种分析目标宽带电磁散射特性的快速有效数值方法.该方法在期望频段内,求出最高频率点的主要特征基函数和次要特征基函数并进行奇异值分解,生成通用特征基函数,该通用特征基函数能够在整个频段内重复运用,从而快速获得期望频段的目标电磁散射特性.应用自适应交叉近似算法加速阻抗矩阵元素的计算,提高次要特征基函数和缩减矩阵构建过程中的矩阵矢量相乘速度.与传统方法相比,计算精度和计算效率都得到了大大提高,数值结果证明了所提方法的精确性和有效性.     

一种用于雷达目标识别的新型径向基函数网络

在分析径向基函数网络（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋ，ＲＢＦＮ）的基础上，提出了一种更适合于目标识别的基于模糊聚类的径向基函数网络（ＦｕｚｚｙＣｌｕｓｔｅｒｉｎｇＢａｓｅｄＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎＮｅｔｗｏｒｋ，ＦＣＢＲＢＦＮ）。这种网络利用模糊聚类方法，根据训练样本的空间分布确定网络的结构，利用聚类结果中的隶属度函数值控制高斯核函数形状参数。理论分析还表明，此径向基函数网络具有比一般径向基函数网络更强的泛化能力。利用一种战场侦察雷达获取的回波数据进行实验，结果表明，基于模糊聚类的该径向基函数网络的分类结果优于一般径向基函数网络。     

改进的压缩感知测量矩阵优化方法

压缩感知理论中，测量矩阵优化是一类通过减小测量矩阵与稀疏字典的互相关性来改善测量矩阵性能的方法。本文提出一种能够同时降低整体相关系数和最大值相关系数的测量矩阵优化算法，该算法分为两步:一是通过平均化Gram矩阵特征值来降低测量矩阵的整体相关系数；二是利用阈值函数收缩Gram矩阵非对角线上较大值。两个步骤交替执行，直到解出符合优化要求的测量矩阵。该算法在保证整体相关系数降到最低的同时，又使最大值相关系数显著降低。实验结果表明，与现有算法进行对比，本文方法在降低相关系数和重构成功率上都有一定优势。      

一种新型时间序列多分辨预测模型研究

使用单一模型实现复杂时间序列预测一直是一个研究热点和难点问题.本文采用经验模式分解方法首先将复杂时间序列分解为一系列本征模式函数之和,然后对各个本征模式进行径向基神经网络预测建模,在此基础上,通过各个分量预测结果的等权求和得出综合预测结果.此外,各RBF网络核函数的最优参数对数值与各本征模式分量呈近似线性关系,利用该线性关系可以减少交叉验证求参数的次数,从而降低计算负担.仿真结果表明分解域多RBF网络预测模型对复杂时间序列预测性能好于单一的RBF网络预测模型.     

应用改进的主要特征基函数快速计算目标宽角度RCS

特征基函数法是分析目标宽角度电磁散射特性的有效方法之一,但在构造特征基函数时,设置的入射波激励包含大量的冗余信息,大大降低了特征基函数的构造效率;另外在分析复杂目标时,在增加激励数目的情况下,仅应用主要特征基函数并不能显著提高计算精度。针对这些问题,该文对特征基函数构造方法进行改进,首先采用奇异值分解技术对激励矩阵进行压缩去除冗余信息,减少求解矩阵方程的次数;其次充分考虑子域之间的互耦作用,将主要特征基函数与次要特征基函数融合,得到改进的主要特征基函数。数值计算结果表明:与传统方法相比,该方法具有更高的计算效率和计算精度。     

一种分析多目标电磁特性的快速方法

针对传统RWG矩量法分析电大或阵列目标耗时长的问题,提出将等效偶极子法(Equivalent Dipole-moment Method,EDMM)和特征基函数法(Characteristic Basis Function Method,CBFM)结合起来对其进行分析,利用EDMM计算中距离基函数对的互耦效应,再利用CBFM计算远距离基函数对之间的互耦作用,不仅简化了阻抗矩阵元素的求解,而且加快了阻抗矩阵的求逆过程。通过该方法对一多目标阵列的散射特性进行了分析,能在保证计算结果精度的同时大大缩减运算的时间,从而体现了该方法的准确性和实用性。