扩展稀疏表示稳健HRRP目标特征提取方法

为提高低信噪比下高分辨一维距离像目标识别性能，提出扩展稀疏表示的噪声稳健目标特征提取方法。本方法通过对稀疏表示的扩展，实现对目标高分辨一维距离像局部特征与全局特征的提取。其中，在训练阶段利用支持向量理论与字典学习原理，对特征提取字典进行优化提高特征向量的可分性。在测试阶段，利用因子分析模型匹配方法对去噪声字典进行优化，从而实现对噪声的有效抑制，保证了目标识别系统的噪声稳健性。利用实测数据对本方法性能进行测试，结果表明本方法可在低信噪比条件下有效地恢复目标高分辨一维距离像，并实现较高的识别正确率。     

基于双平行互质阵列的二维非网格DOA估计

近年来,基于稀疏表示的DOA估计方法已经被广泛提出,这些方法都需预设离散的网格点,而实际信号来波方向在空间域内具有随机性,任何来波方向都是等概率出现,很有可能信号的来波方向不在网格上,因而会存在网格误差,使DOA估计结果产生较大偏差。为提高DOA估计精度,本文提出了非网格的DOA估计模型。同时,为提高测向自由度,本文应用由两个均匀线阵组成的互质阵列,并且将两个均匀线阵平行放置在同一平面。通过将两均匀线阵的互协方差矩阵向量化成互协方差矢量,可得到一维虚拟扩展的接收数据矢量,并且在稀疏表示框架下应用相应的稀疏恢复算法恢复出跟DOA参数相关的向量,从该向量中得到唯一的并且自动配对的二维DOA估计参数。仿真实验结果验证了本文算法较传统算法具有更好的DOA估计性能。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。     

基于IWO-ESN的网络流量预测研究

为了提高网络流量的预测精度,针对ESN网络预测结果易受谱半径SR、神经元个数N、输入单元尺度IS、连接稀疏度SD以及嵌入维数p等参数的影响,利用IWO算法收敛速度快的特点对ESN模型参数进行优化。研究结果表明,IWO-ESN可以有效提高网络流量的预测精度,同时可以对ESN网络模型参数和嵌入维数p进行自适应选择,为网络管理优化和拥堵控制提供决策依据。     

改进的衡疏分布存储器模型及其学习能力分析

Kanerva的衡疏分布存储器模型（SDM），由于其读写规则采用外积法，因此限制了它的应用，本文对该模型进行改进，改变了原来的读写规则，保留其衡疏分布式存储的特点，得到一个与小脑模型（CMAC）相似的新模型，但它不存在分块效应、不需要HASHING技术。理论分析和示例表明了该改进模型的合理性和有效性。     

稀疏气泡流动的粒子跟踪测速技术研究

采用动态阈值技术实现了对气泡图像的正确分割，利用灰度加权方法提高了气泡颗粒的定位精度。根据稀疏气泡流动图像的特点，提出了一种新的基于相关的粒子跟踪测速算法（2-HPTV）。通过进行两时刻中围绕待研究气泡所取的两个小的诊断窗口的相关运算，成功实现了气泡颗粒的轨迹追踪。实验表明本文算法较传统的PIV技术在测速精度上有很大程度的提高，与4帧粒子跟踪测速算法相比，降低了对摄像机帧频的要求，具有较强的实用性。     

稀疏阵列天线综合的遗传算法优化

通过遗传算法优化选择常规满阵中一定比例的工作单元,使阵列在欠饱和状态下达到窄波束低副瓣的要求。以单元的工作状态和激励幅度为优化参量,波束宽度和副瓣电平为适值函数,通过适值缩放和多种群进化竞争使遗传进化稳定地收敛到全局最优。详细分析了稀疏阵的单元布局、稀疏率及单元激励对优化阵列特性的影响。