线性调频信号主瓣不展宽旁瓣抑制方法

以汉明窗为代表的加权方法在抑制线性调频信号的匹配滤波输出峰值旁瓣的同时展宽主瓣,致使距离分辨力下降。为兼顾旁瓣抑制和高距离分辨力的需求,该文提出一种新的主瓣不展宽旁瓣抑制方法。该方法首先将匹配滤波和加权处理的输出幅度进行归一化处理,然后逐点进行比较,再取各点对应的最小值作为最终的输出数据。该方法兼取了匹配滤波和加权处理的优点,其-3 dB主瓣展宽系数与匹配滤波相比仅为1,而旁瓣抑制性能和对应的加权处理相当。仿真结果和湖上试验验证了该方法的有效性。     

基于加权最大范数的SAR自聚焦方法

基于最大似然估计的特征向量分解自聚焦算法利用最大特征值对应的特征向量实现对相位误差的估计。该方法虽然具备精确和稳健的性能,但需要对协方差矩阵进行特征分解,导致实际数据在处理中运算量巨大,对内存要求也很高,难以在实时合成孔径雷达(SAR)成像处理中应用。该文提出一种基于加权最大范数的自聚焦方法,通过求解二范数最大化的优化函数对目标特征向量进行估计,避免了特征值的分解过程,有效提升了运算效率;利用信噪比加权的思想,对不同距离单元赋予不同的权值,增强了优质特显点样本对相位误差的估计贡献,有效改善了自聚焦精度。通过实测SAR和ISAR数据处理验证了算法的有效性。     

冲击噪声背景下基于稀疏表示的双基地MIMO雷达多目标定位

该文研究了对称稳定分布(SS)冲击噪声下双基地MIMO雷达的多目标定位问题。针对SS噪声下因二阶矩不存在而造成子空间类算法估计性能下降的不足,提出了矩阵行2范数最大的预处理方法对接收数据进行归一化,使得归一化后的协方差矩阵有界,并以拉直后的协方差矩阵构造稀疏线性模型,提出了基于协方差矩阵-近似零范数(Covariance Matrix Smoothed L0 norm, CMSL0)算法进行目标的发射角和接收角估计。仿真实验表明:通过矩阵行2范数最大化预处理之后,MUSIC(Multiple Signal Classification)和CMSL0算法均能有效地估计出目标的角度,并且CMSL0算法的估计精度及对冲击噪声的稳健性均优于MUSIC算法。此外,与MUSIC算法相比,CMSL0算法不要预先估计目标源的数目,且收发阵元不受半波长间隔的限制。     

基于二维云模型过滤的重复图像发现

针对传统的重复图像发现技术无法保证图像检索的扩展性和精确性,提出了一种基于二维云模型过滤的重复图像发现方法.该方法在词袋模型的基础上,首先将汉明嵌入精炼后的匹配描述子映射为二维空间中的点,然后通过云模型计算二维点分布的不确定性以剔除分布波动较大的候选图像,最后根据投票得分进行图像排名.实验结果表明,新提出的方法不仅能保持弱几何一致性约束算法适合大规模图像检索的优点,而且还显著提高了重复图像发现的精度.     

安全指纹识别系统的研究与设计

针对常见的指纹特征提取存在问题以及原始指纹特征的安全问题,进行了安全指纹识别系统的研究与设计。提取了指纹图像感兴趣区域的Frobenius范数特征,借助随机矩阵对范数特征进行映射以增大类间差;并基于映射结果采用阈值化方法生成了作为特征模板的描述子,并将其扩展成为具有安全性和鲁棒性的伪描述子存于系统数据库;对伪描述子采用恢复算法与特征模板进行匹配并给出识别方法。该识别系统中的描述子和伪描述子,都不能通过逆变换获得合法用户的原始指纹特征。FVC2002数据库的实验表明:该识别系统安全、可行、有效,并获得了满意的等错率(0.0219)。     

延拓矩阵半正定因子的扰动界

母矩阵为A的行延拓矩阵R (A)与其扰动矩阵 (A)的半正定因子分别是 与疗,利用奇异值分解的方法,给出了延拓矩阵R (A)在Frobenius范数下半正定因子的扰动界．     

基于Kaiser滤波及噪声抑制优化的虹膜识别

针对Gabor滤波器在数据截断时存在频谱泄露而使滤波通道边缘模糊的现象,本文利用适应性强且性能灵活可调的Kaiser函数,构造具有频率和方向选择性、且边缘清晰的Kaiser滤波通道,提取虹膜频率特征.通过对提取的特征进行幅值分段分析,发现虹膜特征存在一个"有效特征阈值"L,幅值高于L的特征能够有效识别虹膜,而幅值低于L的特征为不相关噪声.采用噪声抑制优化,对噪声特征设置"相位无效码",可以优化海明距离,提高同类虹膜的正确匹配率.实验表明:与Gabor滤波方法相比,本文基于Kaiser滤波的优化方法将虹膜的正确识别率由98.6%提高到99.9%,而且在锚误接受率(EAR)为0的情况下,具有更低的错误拒绝率(ERR).     

OFDM系统中基于压缩传感理论的信道估计算法

信道估计是OFDM系统中的一项关键技术,信道估计质量的好坏对整个系统的性能有重要的影响。传统的最小均方算法对稀疏信道进行估计时存在精确性差的缺陷。本文利用信道冲激响应的稀疏性,提出了一种基于近似l₀范数的信道估计算法。该算法用三种函数逼近l₀范数,应用梯度下降法和梯度投影算法获得代价函数的最优解,从而得到信道的最稀疏解。仿真实验结果表明:在相同条件下,与基于l₁范数的信道估计算法比较,本文算法的收敛速度快,估计值信噪比高,且均方误差小。      

一种基于范数和相关的MIMO接收天线选择新算法

在MIMO系统中天线选择可以增加系统容量,并能有效地降低MIMO系统的复杂度和射频成本。在对天线选择算法研究的基础上,设计了一种新的基于范数和行向量相关的快速算法获得较大的信道容量。该算法没有矩阵运算,计算复杂度低。最后通过仿真分析与其它算法进行了比较,表明该算法在接收天线数和发送天线数不相等时和最优算法基本一致,优于其他算法。