简单约束凸规划的一种内点算法

针对带有简单约束的凸规划问题，通过采用线性化技术和不精确搜索的Ａｒｍｉｊｏ规则，构造了一种内点算法，给出了收敛性分析和线性收敛速度的估计。     

一种多通道运动目标重聚焦及运动参数估计方法

针对传统运动目标参数估计方法将运动目标假设为匀速运动的不足,提出了一种新的多通道运动目标参数估计方法．通过构造含有加速度的运动目标回波模型,拟合多通道方位向回波数据的瞬时频率曲线,求解方程组获得各种运动参数的估计值,并重新构造运动目标的方位向匹配函数,对运动目标进行重新聚焦．克服了用匀速运动目标模型对加速目标进行运动参数估计误差较大的问题．仿真分析验证了该运动参数估计方法的有效性．     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

基于仿射投影算法的AR模型参数估计方法

为取得更有效的预报效果,在深入分析传统LMS（Least mean square）算法的基础上,提出利用仿射投影算法对AR模型参数进行自适应估计,利用实测的动态数据结合AIC（Akaike information criterion）准则建立自适应AR（Autoregressive）预报模型,并将该模型应用于船舶运动预...     

最小二乘支持向量机的半监督学习算法

将最小二乘支持向量机引入到半监督学习中,提出了一种最小二乘支持向量机的半监督学习算法.采用最小二乘支持向最机训练混合样本集,利用最小二乘支持向量机训练速度快、效率高等优点有效地克服了目前一些半监督支持向量机学习算法时间代价大、效率低的缺陷.在训练过程中采用区域标注法,减少达到收敛所需要的迭代次数,并给出了SLS-SVM算法具体的数学描述.在人造数据集及实际数据集上的实验表明,最小二乘支持向量机的半监督学习算法可以有效的减少训练时问,提高训练的速度,从而具有更好的推广能力.     

一种基于参数模型的雷达目标架次检测方法

在研究时变自回归模型及非平稳信号时变频率估计的基础上,提出一种基于时变自回归模型的编队目标架次检测新方法．该方法利用时变自回归模型在短数据情况下可精确描述非平稳信号时频特性的优势,融合回波信号时变频率的精确估计和编队目标在距离上的分辨性能,检测编队目标架次．实测数据实验实现了短数据情况下的4架次编队目标架次检测．     

Generalized Keystone transform algorithm for dim moving target detection

Aimed at the problem that the accumulation result varies with the choice of the benchmark pulse used in the Keystone transform to correct range migration, a generalized Keystone transform algorithm is proposed for detecting the dim moving target via long-term coherent integration. The algorithm first searches for the minimum error of discrete time sampling and the corresponding pulse from digital pulse compression. Afterwards, this pulse echo is used as the benchmark in the Keystone transform, by which all the pulse echoes are corrected into the same range resolution cell. Accordingly, the maximum output after accumulation is obtained. Computer simulation and real data processing results are given to verify the effectiveness of the proposed method.     

基于张量域降噪的宽带DOA估计

针对低信噪比条件下远场宽带信号波达方向(DOA)估计精度低的问题,提出了一种基于张量域降噪的宽带DOA估计算法。首先,联合各子频带数据构造张量信号;然后进行高阶奇异值分解,并利用最小描述长度准则分离信号与噪声;其次,改进协方差矩阵拟合算法,利用L1范数对信号功率进行约束,获得L1约束问题模型并求解;最后,对所有窄带估计结果进行融合得到宽带信号DOA。仿真结果表明,该算法可有效地降噪,同时较求根多重信号分类算法和旋转不变子空间参数估计算法,该算法对DOA估计无需预知信源数目,且在低信噪比条件下具有较小的均方根误差。     

天线辅助设计IGA方法

为了高效设计高性能的天线,将免疫遗传算法引入天线辅助设计领域.在传统遗传算法的基础上增加抗原识别、记忆功能和浓度调节,同时引入一种新型的混合编码技术简化天线结构描述及交叉、变异等遗传操作,实现天线结构的快速优化设计.仿真结果表明,相比传统遗传算法,在天线结构设计中应用免疫遗传算法,迭代次数明显减少,收敛速度提高50%～60%,算法执行效率显著提高,在频率为8.47GHz时设计所得天线的最大平均增益和最小平均增益分别提高119.91%和258.89%,性能优异.免疫遗传算法克服了遗传算法由于交叉搜索而在局部搜索解空间时效率较差的缺点,有效地避免了未成熟收敛的问题,收敛稳定且速度明显加快,体现了免疫遗传算法在天线辅助设计中的优异性和高效性.     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

基于类云模型聚类的多目标数据关联算法

针对多目标跟踪中的数据关联问题,提出一种基于类云模型c-均值聚类的数据关联算法.该算法采用类云模型c-均值聚类算法对目标有效回波进行聚类,将聚类中心作为目标最终观测值,运用最近邻法对聚类中心与航迹进行关联,用Kalman滤波器进行状态估计.实验结果表明,本算法与联合概率数据互联算法相比,跟踪精度高,计算量小,更适应于工程应用.     

基于TSP的孔群加工路径优化算法

建立以孔群加工最短路径为优化目标的数学模型,采用蚁群算法与2-OPT算法相融合的优化方法,研究了模具顶针板孔群加工刀具路径优化问题.结果表明,该融合算法加快了收敛速度,可有效避免陷入局部最优解,加工优化路径比贪心算法缩短12.34%,比基本蚁群算法缩短14.78%,即有效缩短了加工路径,减少了空走刀时间,提高了数控加工效率.     

基于种群多样性的自适应乌鸦搜索算法

针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发. 结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率. 为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验. 实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.     

一种阵元位置误差条件下的DOA估计方法

针对存在阵元位置误差时多重信号分类(MUSIC)算法的信号波达方向(DOA)估计性能严重下降的问题,结合微粒群(PSO)算法,提出了一种在阵元位置误差情况下的DOA估计方法.该方法首先根据MUSIC算法原理拟合校准目标函数,然后运用PSO算法对函数进行寻优,再校准误差矩阵,最后利用MUSIC算法进行DOA估计.通过不同的参数设置条件下仿真结果比较,选择估计性能最好的一组作为PSO算法的关键参数设置,并对比了校准前后MUSIC算法的DOA估计性能.仿真结果表明:本文方法能够有效改善MUSIC算法的角度分辨能力.     

ISAR Imaging of Missing Data Based on the Iterative Adaptive Approach

基于迭代自适应算法的缺失数据ISAR成像

王勇,张荣政

(哈尔滨工业大学 电子工程技术研究所,哈尔滨 150001)

创新点说明：

本文提出一种新基于迭代自适应（IAA）算法的缺失数据ISAR成像算法,具体创新性可说明如下：

1） 首先在回波随机缺失的情况下使用IAA算法估计ISAR方位像上的多普勒谱,进而得到清晰且有较高分辨率的缺失数据成像结果。

2）本文所用方法解决了传统FFT的处理缺失数据的谱泄露问题,相比于主流的压缩感知方法,该方法恢复效果更好。

研究目的：

常规的FFT处理方法会导致图像模糊和高旁瓣等问题,为解决缺失数据下的ISAR成像问题,本文提出一种基于迭代自适应方法（IAA）的ISAR缺失数据成像算法。该算法具有全局收敛性,不需要预先设置参数,能得到清晰的成像结果。

研究方法：

1）对回波数据进行解线性调频处理,对其得到的每一个一维距离像进行运动补偿消除平等分量。

2）从缺失数据的回波中提取出有效时刻对应的一维距离像,作为有效数据。

3）将有效数据中每一个距离单元内的方位向数据视为一个非均匀采样信号,使用IAA算法应用加权最小二乘估计来获得非均匀采样信号的频谱,将其作为方位向压缩的结果,从而得到清晰的成像结果。

结果：

1）文中进行了针对一维线谱数据的缺失数据仿真实验,说明了IAA算法对于缺失数据频谱估计的精确性。

2）文中使用IAA算法及OMP算法进行了仿真MIG-25和Yak-42数据的缺失数据成像实验,实验结果说明,IAA算法能够在随机丢失数据的情况下获得清晰的目标图像。

3）文中将使用IAA算法的MIG-25 缺失成像实验数据与OMP算法实验数据进行了定量对比,说明了IAA算法的优越性。

结论：

本文提出的基于迭代自适应算法的ISAR缺失数据成像方法应用加权最小二乘估计来获得非均匀采样信号的频谱。 仿真MIG-25和Yak-42的结果表明,该算法能够在随机丢失数据的情况下获得清晰的目标图像。

关键词：迭代自适应,缺失数据,ISAR

     

互质阵列下基于重叠有效孔径的DOA估计算法

为了解决互质阵列下DOA(Direction of Arrival)估计算法因使用空间平滑预处理而带来的阵列有效孔径损失、分辨率降低等问题,提出了一种矩阵重叠预处理方法.该方法通过分割空间平滑协方差矩阵,利用其子矩阵具有相同信号子空间的特性,将子矩阵进行重叠处理,扩展协方差矩阵行数,进而增大有效孔径.仿真实验结果表明:所提方法可以提高DOA估计的分辨率,低快拍下的估计精确度也有所提高.同时,本文将U-ESPRIT(Unitary Estimation of Signal Parameter via Rotational Invariance Techniques)算法应用在互质阵列上,通过使用矩阵重叠预处理并结合U-ESPRIT算法,取得了较传统方法更为准确的DOA估计效果.     

LDPC码的分层类拟合修正最小和译码算法

低密度奇偶检验码（LDPC）是一种广泛使用的信道编码,尤其在长码时性能更佳。与编码相对应的便是译码,起初LDPC译码算法的复杂度很高,因此在最小和（MS）译码算法中为了降低算法的复杂度,采用了近似运算,虽然有效地降低了算法的复杂度,却牺牲了部分的误码性能。针对这一现象,本文在最小和译码算法的基础上,再一次作出近似运算,提出类拟合修正最小和（CFMMS）译码算法。该算法会根据MS算法中的非线性函数构造出一种类拟合函数,可以对不同阈值内的变量节点信息作出不同的处理,尽可能实现对校验节点更新过程的准确补偿,使得到的结果更加接近于置信传播算法;在此基础上,应用分层式调度策略,提出一种分层类拟合修正最小和（LCFMMS）译码算法,改变了节点信息的更新顺序,提升了迭代更新中节点信息的可靠度,使得译码的收敛速度得以提升,同时节省了存储空间。仿真和数值结果表明,该文提出的译码算法在一定程度上提升了误码性能,且运算复杂度低、译码收敛速度快。     

双层协同进化克隆选择算法及其应用

为解决克隆选择算法收敛速度慢、收敛精度低等问题,提出了双层协同进化克隆选择算法,该算法的每一层使用不同的进化方案进行寻优搜索,并通过信息共享实现了层间的协同进化,形成层内竞争与层间协作的进化模式.通过构建基于多种进化策略的混合协同进化机制,实现了不同进化策略在优化过程中的优势互补与信息增值,达到有效平衡算法的全局探索与局部开发的目的,同时也较好避免了算法的早熟收敛问题.用10个标准测试函数来验证所提出算法的可行性与有效性,仿真实验结果表明:相比克隆选择算法及其两个改进的算法,本文提出的优化算法具有全局搜索能力强、稳定性好、收敛速度快、收敛精度高等优势,且测试函数维度的增加对本文算法的收敛性能影响不大,其优势更加凸显.针对混沌系统控制与同步中的系统参数估计问题,以Lorenz混沌系统的参数估计为例,进行了未知参数估计的数值仿真,结果显示本文算法实现了混沌系统参数的高精度估计,是一种有效的混沌系统参数估计方法.     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman滤波器池结构,设计了使用遗传算法的自适应Kalman滤波器,给出了离线和在线两种实现方案。离线方案以辨识滤波参数为主要目的,进而可以对状态进行较准确的事后估计;在线方案以实时地对状态进行估计为目的。对滤波参数寻优使用具有良好性能的浮点数编码遗传算法,该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强。仿真结果验证了所提出的自适应Kalman滤波器的有效性。     

关于生物免疫遗传算法收敛性的一般讨论研究

针对免疫遗传算法收敛性质的研究非常缺乏,提出了利用随机过程理论和引入遗传吸收率、散射率
参数进行分析的方法.通过数学建模证明了免疫遗传算法所形成的种群序列的强马尔可夫性, 利用遗传吸
收率和散射率的计算，证明了在时间趋于无穷的情况下，该免疫遗传算法的概率弱收敛性.采用遗传吸收
率、散射率和小生境技术对于防治早熟概率的详细计算和对混沌算子的分析，得到了该免疫遗传算法实际
收敛效果的量化表示.研究结果表明, 该方法能简化分析计算过程，对于算法效果的改善、算法运行时的
参数选择具有较好的指向作用.