一种稳健的特征空间线性约束波束形成器

基于特征空间的线性约束最小方差（eigenspace-based linearly constrained minimum variance,ELCMV）算法是一种稳健的波束形成方法,但其性能只能在一定的指向误差范围内保持稳定,当指向误差较大而使期望信号落在预设波束主瓣边缘时,其性能会严重恶化。对ELCMV算法进行改进,提出一种对零点约束方向和指向误差都具有稳健性的波束形成方法。该方法首先利用矢量旋转对预设导向矢量进行校正,再将校正后的导向矢量向信号子空间投影,最后结合线性约束用线性约束最小方差（linearly constrained minimum variance,LCMV）算法来求解权矢量。计算机仿真证实了该方法的有效性。     

基于最陡下降的最优稳健宽带波束形成算法

针对导向矢量失配问题,提出一种基于最陡下降法的最优宽带稳健波束形成算法.该算法基于宽带波束形成的时域模型,根据多频点约束下导向矢量的不确定范围,利用最陡下降法求解最优角加载量,并推导出真实的导向矢量.同时将真实导向矢量和角加载协方差矩阵相结合,求解最优加权值.仿真结果验证了该算法的稳健性.     

迭代寻优的稳健波束形成

针对导向矢量失配程度较大时,常见稳健波束形成算法性能下降问题,提出了一种迭代搜索最优导向矢量的稳健波束形成算法。首先利用修正后的导向矢量构造使波束输出功率最大的目标函数,分别从干扰抑制和噪声抑制2个方面推导了新导向矢量应满足的约束条件。给出了利用矩阵滤波思想构造约束条件的方法并分析其合理性。针对优化问题难以求解的问题,提出了一种迭代寻优的搜索方法,将每次迭代转化为求解一次二阶锥规划问题。仿真分析表明,相比于常见稳健波束形成算法,该算法有更高的抗导向矢量失配的稳健性,且需要的先验信息更容易获取。     

联合协方差矩阵重构和ADMM的鲁棒波束形成

为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers, ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明：对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。     

一种积分约束的波束形成器

为了克服多点约束的波束形成不仅会占用较多的权矢量自由度，而且抑制干扰的性能不稳健的缺点，研究了一种积分约束的波束形成器，它在主瓣以外的方向上对波束形成器的输出功率求积分，并约束该积分值最小，给出了两种确定权值的方法，即加权法和特征空间法，仿真结果表明，积分约束的波束形成器不仅节省了权矢量自由度，而且提高了波束形成器抑制干扰的稳健性。     

基于线性约束最小方差对角加载的稳健频率不变波束形成算法

针对实际环境中因麦克风阵列失配误差导致宽带波束形成器性能下降的问题,提出基于线性约束最小方差对角加载的稳健频率不变波束形成算法.该算法首先在线性约束最小方差准则的基础上,结合空间响应偏差函数,并对波束形成器权矢量的二范数施加不等式约束,再通过拉格朗日乘子法和凸优化工具箱CVX(Con Ve X)分别在不等约束条件下求得权矢量的解析解和全局最佳解,以有效解决麦克风的增益、相位和位置等的不确定性造成的失配误差问题,提高频率不变波束器的稳健性.仿真结果表明:采用拉格朗日乘子法求解该算法的最优权矢量所得到的波束形成器对失配误差最不敏感,性能最稳健.     

抗导向矢量失配的零陷展宽波束形成算法

针对自适应波束形成器在干扰出现扰动或期望信号导向矢量失配时,性能急剧下降的问题,提出一种抗导向矢量失配的零陷展宽波束形成方法.首先通过投影变换技术对阵列接收数据进行投影预处理,构造一个新的协方差矩阵,以扩展干扰入射角度,展宽零陷;再根据期望信号入射的大致方位,对波束主瓣进行幅度响应约束,在约束区域形成稳定的响应幅度,达到抗导向矢量失配的目的.该方法可以转化为松弛半正定规划问题进行求解.仿真结果表明:该方法能有效展宽波束的零陷宽度,加深零陷深度,同时具有良好的抗期望信号导向矢量失配的能力,提高了自适应波束形成器在复杂环境下的稳定性.     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

Weighted eigenvector method for sparse-aperture ISAR phase error correction

The traditional eigenvector method for autofocus can not obtain ideal results in low-SNR (signal-to-noise ratio) cases, because the contribution of the signal in different range bins to the final signal differs greatly. Thus, a weighted eigenvector method for ISAR(inverse synthetic aperture radar) phase error correction is proposed by adding different weights to each range bin according to its SNR. The method can not only deal with normal ISAR signals, but also can handle evenly under-sampled or block sparse, even unevenly sparse data. Finally, actual data processing results confirm the validity of the proposed algorithm.     

特征向量自适应估计算法及在谱估计中的应用

基于KLT与滑动DCT的相似关系,提出了一种新的特征向量自适应递推估计算法。将特征向量等效为自适应滤波器的权向量,通过合理选择该滤波器期望响应递推求解出特征向量。同目前的特征向量求解方法相比(如奇异值分解法),该算法可有效地减少运算量和复杂度,容易实时实现,且具有很高的估计精度。将该算法应用到MUSIC谱估计中,计算机仿真结果表明:利用该算法进行的谱估计精度要高于标准的MUSIC谱估计精度,且计算量大大减小,由此验证了该算法的有效性和优越性。     

一种改进的调和Arnoldi算法及其应用

对标准的调和Arnoldi方法进行改进,改进后的方法在近似特征向量选取方面充分利用m步Arnoldi过程所产生的最后一个基向量vm+1的信息,在实际产生的m+1维的Krylov子空间中寻求使残量范数达到极小的调和Ritz向量作为所求的特征向量的近似.理论分析和数值实验表明了该方法的可行性和有效性.同时,将这种方法应用于图像K-L变换的协方差矩阵的特征值和特征向量的求解,能进行实时图像的压缩,较对图像分块在每个小块上进行K-L变换的方法更有效.     

Hamiltonian矩阵特征谱问题的辛算法

基于前人的工作,在Hamiltonian矩阵约化过程中,采用辛相似变换,使得Hamiltonian矩阵在辛相似变换下仍保持Hamilton结构,这样从根本上确保了特征值的正确性,而且不至于出现特征值混乱的局面     

基于均匀圆阵的矢量重构解相干算法

为解决基于均匀线阵矢量重构法不能直接用于均匀圆阵这一问题,提出一种模式空间矢量重构算法.提取模式变换后最大广义特征值对应的特征矢量,并对修正的信号特征矢量采用前后矢量重构方式构造数据矩阵实现解相干.在变换前提取最大特征值对应的信号特征矢量,充分去除噪声,且无需变换后广义特征分解计算,算法复杂度显著降低.理论分析和仿真结果验证了该算法的有效性.     

求广义特征向量的一种算法

文章提出了初等相似变换的概念，探讨了如何利用初等相似变换法求一个方阵的Jordan标准形及变换矩阵，进而为求一个方阵的广义特征向量创造了条件。该算法对一些特殊方阵，求它的特征值、各级广义特征向量、Jordan标准形及变换矩阵，比用解方程组方法要简单。     

利用改进LSH算法进行层次化新闻话题检测

针对回顾式话题检测方法存在的话题检测时效性较差的问题,提出了改进的位置敏感哈希（LSH）算法,并应用于互联网新闻层次化话题检测. 在挖掘新闻内容特征的同时,应用潜在狄利克雷分布主题模型挖掘新闻的语义特征,将非二进制空间的内容特征向量和主题特征向量转换到二进制特征空间上,依次应用LSH算法对新闻文本基于内容特征和主题特征聚类,得到具有"主题-内容"层次的话题. 实验结果表明,该方法通过挖掘新闻的内容特征和主题特征,能更准确和完整地表现新闻内容;将内容特征和主题特征转换到统一的二进制空间,有效降低了聚类过程的时间复杂度,在保证话题检测准确率和话题在语义层面上扩展性的前提下,提高了话题检测的效率.     

An infrared human face recognition method based on 2DPCA

Aimed at the problems of infrared image recognition under varying illumination,face disguise,etc.,we bring out an infrared human face recognition algorithm based on 2DPCA.The proposed algorithm can work out the covariance matrix of the training sample easily and directly;at the same time,it costs less time to work out the eigenvector.Relevant experiments are carried out,and the result indicates that compared with the traditional recognition algorithm,the proposed recognition method is swift and has a good adaptability to the changes of human face posture.     

一种基于GPS载波单差相位的鲁棒快速迭代定姿算法

针对基于GPS载波单差相位的迭代定姿算法对初值敏感的事实,研究了一种对初值鲁棒的快速迭代定姿算法.基于载波单差相位观测的姿态确定可以归结为一个带约束的参数优化问题.通过拉格朗日乘子法求解该优化问题将参数优化问题转化为一个微分方程的数值积分问题.采用特征向量迭代算法确定迭代初始点,再由4阶龙格库塔算法迭代求解该微分方程得到了快速收敛的迭代定姿算法.在不同天线布局、初值条件下对该算法进行了仿真,仿真结果表明天线布局和初值对算法的收敛精度影响不大.同其它迭代算法进行了对比,结果表明在相同条件下本算法可更快收敛.     

基于SVM及电流牵扯效应的金属缺陷分类识别方法

金属在服役期间经常存在一些由应力、腐蚀和疲劳造成的缺陷,在众多的缺陷检测技术中,交流电位法作为一种无损检测技术在检测腐蚀坑和裂纹方面得到了广泛应用。用交流电位法检测不同缺陷时,由于几何形态的差异,缺陷深度的计算方法也不相同。因此需要在计算缺陷深度之前对所检测区域的缺陷类型做出识别。本文目的在于寻找一种高精度的缺陷分类识别方法。并且针对腐蚀坑和裂纹这两种最常见的金属缺陷,根据其对电流的牵扯效应不同,提出利用邻近检测区域的4个牵扯因子作为缺陷区域的特征向量建立分类模型。在大量仿真计算的基础上,分别建立坑蚀和裂纹的特征向量集,并由这些数据集训练得到基于遗传算法（GA）优化的支持向量机（SVM）分类模型。仿真测试结果中数据测试集分类精度较高,平板实验也得到了较高的识别精度。实验结果表明文中提出的缺陷分类识别方法对腐蚀坑和裂纹的分类识别具有很高的精度。