基于压缩感知的含旋转部件目标ISAR成像新方法

在ISAR成像中,某些雷达目标的部件存在旋转运动,会对目标主体信息产生干扰导致目标成像质量下降,严重时甚至无法实现成像。本文结合压缩感知理论提出了一种含旋转部件目标成像方法。在成像时间内,由于目标主体部件相对于成像区域的位置保持不变,而旋转部件的位置在不断变化,因此,对回波信号运用压缩感知理论可得到目标主体部件的信息,从而有效剔除了旋转部件带来的影响并且大幅减少了回波数据量。最后仿真结果验证了该方法的有效性,并对其抗噪性能进行了一定的分析。     

基于压缩感知的含旋转部件目标ＩＳＡＲ成像方法

在ISAR成像中,某些雷达目标的部件存在旋转运动,会对目标主体信息产生干扰导致目标成像质量下降,严重时甚至无法实现成像。本文结合压缩感知理论提出了一种含旋转部件目标成像方法。在成像时间内,由于目标主体部件相对于成像区域的位置保持不变,而旋转部件的位置在不断变化,因此,对回波信号运用压缩感知理论可得到目标主体部件的信息,从而有效剔除了旋转部件带来的影响并且大幅减少了回波数据量。最后仿真结果验证了该方法的有效性,并对其抗噪性能进行了分析。     

具有大旋翼一类旋转部件的雷达目标成像

由于目标本身或目标部件的振动和旋转运动而引入的微多普勒谱会对目标主体的ISAR像造成污染,严重时无法对目标主体进行成像。介绍了雷达目标回波信号中的微多普勒信号产生原理,提出了一种微多普勒信息分离与提取的方法,基于旋转部件的微多普勒谱与目标主体谱在谱图域表现形式的不同,将旋转部件的微多普勒谱与目标主体谱分离后获得了具有大旋转部件一类目标的清晰像,同时也获得了目标旋转部件的一些运动及结构信息。最后,仿真结果验证了此方法的有效性。     

弹道目标进动周期特征提取新方法

中段弹道目标识别一直是反导作战中的技术难点,而弹道目标微动产生的微多普勒信号为雷达识别弹头和诱饵提供了一种新的途径。针对弹道目标的进动特性,建立了锥体弹头的进动微多普勒模型,引入了时频重排平滑伪Wigner-
Ville分布（RSPWVD）对锥体弹头的微多普勒信号进行了提取,仿真比较了Wigner-Ville分布（WVD）、平滑伪Wigner-Ville分布（SPWVD）和RSPWVD的提取结果,证明了RSPWVD在提取弹道目标微多普勒信号中的优越性,提出了一种基于微多普勒时频图的弹道目标进动周期特征提取新方法。仿真结果表明该方法具有很好的估计精度和抗噪性。     

融合深度学习和凸优化迭代求解策略的逆合成孔径雷达成像方法

目的 针对基于压缩感知（CS）的逆合成孔径雷达（ISAR）成像方法的成像质量和应用一直受到目标场景稀疏性好坏和迭代重建耗时长限制的问题,提出一种基于交替方向乘子法网络（ADMMN）的ISAR成像方法。方法 根据交替方向乘子法（ADMM）求解稀疏假设下CS ISAR成像模型时采取的分裂变量的策略,将凸优化迭代求解过程映射到一个多级的深度神经网络,构建出ADMMN。ADMMN通过训练学习欠采样的ISAR测量数据与高质量目标图像之间的映射关系,借此实现ISAR欠采样数据成像。结果 实验采用仿真卫星数据和实测飞机数据,两种数据的采样率分别为25%和10%。实验结果表明,相较于典型的CS ISAR正交匹配追踪（OMP）成像方法和贪婪卡尔曼滤波（GKF）成像方法,ADMMN成像方法能够更准确地重建目标区域散射点,在虚警（FA）、漏检（MD）和相对均方根误差（RRMSE）等成像质量评估指标上均有改善。在卫星数据成像实验中,相比于OMP和GKF,ADMMN在RRMSE指标上分别降低了49.8%和26.5%。在飞机数据成像实验中,相比于OMP和GKF,ADMMN在RRMSE指标上分别降低了68.7%和74.9%。此外,在验证ADMMN先验信息依赖性的实验中,分别采用卫星训练数据和飞机训练数据训练好的两种ADMMN,都能够对10%的飞机目标测量数据成像。结论 融合深度学习和凸优化迭代求解策略的ADMMN ISAR成像方法能够使用非常少的数据获得高质量的成像结果,且成像效率高。     

基于线性正则变换的复杂运动目标的3-D InISAR成像

二维的逆合成孔径雷达(two-dimensional inverse synthetic aperture radar, 2-D ISAR)成像是目标三维(three-dimensional, 3-D)几何结构在成像平面的投影,逐渐难以满足现代工程中目标识别与分类的需求,特别是复杂运动目标.近年来,干涉ISAR (interferometric ISAR, InISAR)成像技术能够高分辨地重构3-D目标的几何结构而颇受关注.本文提出一种基于线性正则变换(linear canonical transform, LCT)的复杂运动目标的3-D InISAR成像算法.首先,结合目标复杂运动分析,给出了目标所产生的原始回波信号.经过运动补偿和图像对准后,将方位向回波建模为线性调频(linear frequency modulation, LFM)信号.其次,根据LFM信号的时频特性,本文提出了基于LCT的2-D ISAR成像算法.该算法不仅能够获取聚焦的多通道2-D ISAR图像,而且很好地保留了相位信息.最后,利用干涉技术,提出了新的3-D InISAR成像算法,实现了目标的高分辨3-D几...     

海面舰船目标ISAR最优成像时间选择算法

通过分析高海情下海上舰船目标的三维摇摆对成像的影响,基于方差定义的 平均多普勒展宽概念,提出了一种逆合成孔径雷达(ISAR)最优成像时间选择算法。该算法根 据目标距离向先验信息估计出舰船的固有纵摇周期,利用该周期隔离微多普勒效应的干扰, 并为多普勒展宽曲线的平滑提供了可靠依据,使得算法整个过程无需人工干预。该算法易实 现且运算量较低,适用于实时应用。仿真和实测数据的处理结果表明,利用本文算法筛选出 的数据段获得了较理想的成像结果。     

基于激光多普勒效应的MEMS的运动检测

提出了一种可以测量微机电系统（MEMS）面内瞬时速度和位移的测量系统。该系统利用差动激光多普勒效应,采用了频移技术和接收端的滤波技术将带有MEMS运动信息的光信号接收并解调,然后,利用LabVIEW和MaSab软件对采集的信号进行数字滤波和时频分析,从而得到被测器件的运动参量,为研究MEMS的动态特性提供了准确可靠的方法。     

基于时频分布级数的时频ISAR成像

传统的逆合成孔径雷达(ISAR)成像算法用傅立叶变换进行频谱分析,对机动目标的成像会导致成像模糊.应用了时频分布级数方法代替传统的傅立叶变换对机动目标进行瞬时成像,得到一个三维的时间-距离-多普勒阵,对时间进行采样即得到瞬时的二维距离-多普勒像.它不仅具有很好的分辨率,还具有瞬时信息,并克服了短时傅立叶变换低的时频集聚性和魏格纳分布交叉项严重的缺点.仿真结果表明,通过该方法能得到清晰的目标的距离-瞬时多普勒像.     

基于压缩感知的低数据率雷达采样与成像方法

传统的信号获取体制要求采样率大于两倍信号带宽,这使得高速率A/D转换成为经典超宽带高分辨雷达系统的瓶颈技术之一。压缩感知理论提供了一种低速率采样的信号精确采集和重构方式。本文基于压缩感知理论,提出一种新的雷达采样与成像方法。根据目标的散射特性,采用了基于小波变换的雷达目标稀疏表示方法;结合雷达成像原理,构造了基于Fourier束的最优测量矩阵。仿真实验表明,基于压缩感知的低数据率雷达采样与成像方法,能在数据率仅为传统系统数据率15%的条件下,获得良好的成像结果,尤其是能对弱小目标进行高分辨成像。本文所提的方法可为新体制高分辨率成像雷达系统的设计提供支持。     

纯量反馈系统稳定零极近似相消的积分约束

导出了单输入单输出反馈控制系统误差响应基于名义系统稳定的零、极点近似相消的时间域积分约束，此积分约束是任何反馈控制系统均应满足的．这一约束给出了单输入单输出反馈系统固有折中的新的观点．名义系统稳定的零、极点近似相消的存在导致反馈控制系统的调节时间延长或者误差响应的无穷范数变大．因此，在反馈控制系统设计中，尽量避免补偿器的零、极点与名义系统的极、零点近似相消(即使这些零、极点是稳定的)．     

区域生长辅助的地图配准在室内定位中的应用

地图匹配（ MM）算法通过粒子滤波（ PF）利用室内地图信息来抑制基于惯性传感器的室内定位系统的误差累计。利用区域生长（ RG）算法结合当前步长和方向信息在地图上找到合理的落脚范围,并以此来判断粒子的有效性。这种方法能有效改善地图配准算法的实用性和计算复杂度。提出一种改进的零速度（ ZV）检测算法能准确提取步伐信息,间接提升了零速度更新（ ZUPT）算法和地图配准算法的精度。实验结果表明：该算法的定位误差小于1.0%,定位精度比单纯的航位推算（ DR）算法平均提高了5.97%。     

The impact of intellectual capital on the competitive advantage: Applied study in Jordanian telecommunication companies

This research investigates the impact of intellectual capital components on the competitive advantage in the Jordanian telecommunication companies. The empirical findings indicate that the relational capital and the structural capital have positive impact on competitive advantage. Both the relational capital and the structural capital account for 48.4% of the competitive advantage. It is unexpected to find that the human capital does not have a significant direct impact on competitive advantage. However, it is valid to state that the human capital indirectly and significantly influences competitive advantage as it is embedded in the relational capital. The effect of the relational capital on competitive advantage is moderated by gender and age. The effect is strongest among younger men. In the case of the structural capital its effect is moderated by gender only such that the effect is slightly stronger for females rather than males.     

基于KW、MW及DW的决策支持系统架构研究

SDSS是较为先进的决策支持系统，但由于其模型库中的模型固定不变，因此在实际应用中具有一定的局限性。提出了集成数据仓库DW、知识仓库KW和模型仓库MW作为底部架构的体系结构，能有效解决这一问题。该架构简化了模型获得和编码任务，增强了决策的有效性和智能性，提高了决策效率。     

基于多智体多库协同的一种虚拟现实仿真界面构建技术

一、引言计算机仿真接口界面,随着计算机软硬件的不断提高也在快速地变化着。从其发展趋势中我们不难看出这一点:从早期的命令行提示编辑Command Line,到全屏幕菜单编辑(Menu based Editor),再到图形用户界面Graphic User In-terface(GUI),界面在不断追求如何更好地适应用户、与用户更直接地交互。其具体特点包括自然而又丰富的色彩、逼真而又完美的几何造型、柔和而又动听的环境声响、质感而又具有力反馈的实物等。这些人们所需要的真实感,一种技术是难以胜任的,它需要各种软、硬件技术的综合与集成。从目前的趋     

An efficient soft-computing technique for extraction of EEG signal from tainted EEG signal

Electroencephalography (EEG) is the recording of electrical activity of neurons within the brain and is used for the evaluation of brain disorders. But, EEG signals are contaminated with various artifacts which make interpretation of EEGs clinically difficult. In this research paper, we use a soft-computing technique called ANFIS (Adaptive Neuro-Fuzzy Inference System) for the removal of EOG artifact, combined EOG and EMG artifact. Improvement in the output signal to noise ratio and minimum mean square error are used as the performance measures. The outputs of the proposed technique are compared with the outputs of techniques such as neural network, based on ADALINE (Adaptive Linear Neuron) and adaptive filtering method, which makes use of RLS (Recursive Least Squares) algorithm through wavelet transform (RLS-Wavelet). The obtained results show that the proposed method could significantly detect and suppress the artifacts.     

A divide and conquer matheuristic algorithm for the Prize-collecting Steiner Tree Problem

The Prize-collecting Steiner Tree Problem (PCSTP) is a well-known problem in graph theory and combinatorial optimization. It has been successfully applied to solve real problems such as fiber-optic and gas distribution networks design. In this work, we concentrate on its application in biology to perform a functional analysis of genes. It is common to analyze large networks in genomics to infer a hidden knowledge. Due to the NP-hard characteristics of the PCSTP, it is computationally costly, if possible, to achieve exact solutions for such huge instances. Therefore, there is a need for fast and efficient matheuristic algorithms to explore and understand the concealed information in huge biological graphs. In this study, we propose a matheuristic method based on clustering algorithm. The main target of the method is to scale up the applicability of the currently available exact methods to large graph instances, without loosing too much on solution quality. The proposed matheuristic method is composed of a preprocessing procedures, a heuristic clustering algorithm and an exact solver for the PCSTP, applied on sub-graphs. We examine the performance of the proposed method on real-world benchmark instances from biology, and compare its results with those of the exact solver alone, without the heuristic clustering. We obtain solutions in shorter execution time and with negligible optimality gaps. This enables analyzing very large biological networks with the currently available exact solvers.     

Wavelet-based envelope features with automatic EOG artifact removal: Application to single-trial EEG data

In this study, we propose an analysis system for single-trial classification of electroencephalogram (EEG) data. Combined with automatic EOG artifact removal and wavelet-based amplitude modulation (AM) features, the support vector machine (SVM) classifier is applied to the classification of left finger lifting and resting. Automatic EOG artifact removal is proposed to eliminate the EOG artifacts automatically by means of independent component analysis (ICA) and correlation coefficient. The features are then extracted from the discrete wavelet transform (DWT) data by the AM method. Finally, the SVM is used for the discriminant of wavelet-based AM features. Compared with EEG data without EOG artifact removal, band power features and LDA classifier, the proposed system achieves promising results in classification accuracy.     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

VoIP认证与计费的设计与实现

基于RADIUS的VoIP认证系统，采用分散受理、集中管理的接入认证管理体系，数据集中存放在认证中心(RADIUS服务器)，用户身份认证由PC向网守发起，网守通过RADIUS协议向认证中心的认证服务器发起认证请求。这样，可以保证用户安全地使用网络资源，以确保用户身份的合法性。同时其落地话单经过处理，可进行计费及其它帐务处理。文中论述了RADIUS对VoIP的支持，提出了一个Gatekeeper与RADIUS结合的整体解决方案。