部分均匀环境中存在干扰时机载雷达广义似然比检测

针对部分均匀环境中存在干扰时的机载雷达检测问题,该文提出一步广义似然比(1S-GLRT)和两步GLRT(2S-GLRT)检测器。基于上述检测器,在小训练样本情况下进一步提出了降秩GLRT(RR-GLRT)和对角加载GLRT(DL-GLRT)。新检测器均能有效地抑制干扰并实现目标检测,在小训练样本情况下RR-GLRT和DL- GLRT比1S-GLRT和2S-GLRT具有更好的检测性能。1S-GLRT和2S-GLRT均具有恒虚警(CFAR)特性,RR- GLRT和DL-GLRT具有渐近CFAR特性。最后通过计算机仿真验证了所提多通道空时自适应检测器的有效性。     

一种三容错数据布局

随着存储介质的增多,单容错、双容错的数据布局方案已经无法满足现有分布式存储系统对可靠性要求。该文在双容错行对角奇偶校验(Row Diagonal Parity, RDP)码的基础上,提出一种新的扩展行对角奇偶校验 (Extending Row Diagonal Parity, E-RDP)码,能够容许任何3存储节点出错,具有最大距离可分(Maximum Distance Separable, MDS)编码特性,冗余率与纠错能力达到3容错编码最优。并采用不同斜率几何直线图描述编译码过程,给出了一种快速译码算法,易于软硬件实现。与其它纠删码数据布局方案进行比较,理论分析结果表明,E-RDP码的空间利用率、编译码效率、小写性能以及平衡性的综合性能达到最优,具有实用价值。     

锅炉过热汽温系统的DRNN网络自整定PID控制

火电厂过热汽温控制系统具有大惯性、大迟延、参数慢时变的特点，受到的扰动因素较多；随机组负荷的变化又表现出参数快时变的特性，常规的按照典型工况整定的固定参数PID控制难以适应负荷变化，往往未能取得满意的调节效果。为此，提出一种基于DRNN的两级神经网络的过热汽温系统自整定PID控制策略，其中两级神经网络分别为静态网络SNN和动态网络DNN，SNN依据机组运行工况如负荷进行PID参数的粗调整定，以适应机组负荷的较大范围变化，如参与调峰；DNN依据偏差和偏差变化率进行PID参数的细调整定，以克服机组负荷的小范围变化、参数的慢时变漂移和各种扰动。为了克服系统的大惯性和大迟延，引入灰色预测器对未来信号进行预测，预测结果作为DNN使用的整定信息。对某汽温系统的计算机仿真研究结果表明：基于两级神经网络自整定控制策略的主汽温控制系统获得了良好的动态调节品质，具有较强的鲁棒性。     

Robust multiuser detection based on variable loading RLS technique

A variable loading recursive least squares (VLRLS) multiuser detection based on the generalized sidelobe canceller is presented to realize the suppression of multiple access interference in code division multiple access (CDMA) systems. In conjunction with a subweight partition approach, the VLRLS detector demonstrates the advantages of insensitivity to dynamic estimate modeling error, less computational load, and more robust to against spreading code mismatches compared to the conventional VLRLS and RLS-based detectors. Simulation results illustrate the effectiveness of the proposed detector.     

Modeling animal-vehicle collisions using diagonal inflated bivariate Poisson regression

Two types of animal-vehicle collision (AVC) data are commonly adopted for AVC-related risk analysis research: reported AVC data and carcass removal data. One issue with these two data sets is that they were found to have significant discrepancies by previous studies. In order to model these two types of data together and provide a better understanding of highway AVCs, this study adopts a diagonal inflated bivariate Poisson regression method, an inflated version of bivariate Poisson regression model, to fit the reported AVC and carcass removal data sets collected in Washington State during 2002–2006. The diagonal inflated bivariate Poisson model not only can model paired data with correlation, but also handle under- or over-dispersed data sets as well.Compared with three other types of models, double Poisson, bivariate Poisson, and zero-inflated double Poisson, the diagonal inflated bivariate Poisson model demonstrates its capability of fitting two data sets with remarkable overlapping portions resulting from the same stochastic process. Therefore, the diagonal inflated bivariate Poisson model provides researchers a new approach to investigating AVCs from a different perspective involving the three distribution parameters (λ₁, λ₂ and λ₃). The modeling results show the impacts of traffic elements, geometric design and geographic characteristics on the occurrences of both reported AVC and carcass removal data. It is found that the increase of some associated factors, such as speed limit, annual average daily traffic, and shoulder width, will increase the numbers of reported AVCs and carcass removals. Conversely, the presence of some geometric factors, such as rolling and mountainous terrain, will decrease the number of reported AVCs.     

一种基于多级维纳滤波的多通道SAR动目标检测算法

该文针对机载多通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测算法。新算法利用多级维纳滤波器实现多通道SAR系统杂波抑制,同时结合对角加载技术和非均匀检测器,进一步改善SAR系统在非均匀环境下的动目标检测性能。实测数据实验结果表明：与常规的自适应检测方法相比,新算法能够明显提高系统对杂波的抑制能力及非均匀环境下系统的动目标检测性能。     

一种新的波束形成零陷展宽算法

针对自适应波束形成器在干扰位置出现扰动时的输出性能下降问题,该文提出一种新的零陷展宽算法。该算法基于投影变换与对角加载技术的结合,首先利用投影变换技术对阵列接收数据进行预处理,结合对角加载技术,以此构造出一个新的协方差矩阵替代原来的协方差矩阵,再利用自适应波束形成技术得到零陷展宽后的波束图。仿真结果表明,该方法能有效展宽波束零陷宽度,加深零陷深度,达到抑制位置出现扰动的强干扰信号目的。该算法易于求解,对参数的选取具有较强稳健性,在低快拍条件下,依然能有效地工作,增强了自适应波束形成器稳定性。     

基于LCMV线性约束的自适应方向图控制

该文提出一种基于线性最小方差约束(LCMV)的自适应方向图控制方法,在约束条件中增加了对静态方向图的拟合条件,可以在自适应抗干扰的同时形成期望副瓣形状,分析了小快拍条件下自适应方向图副瓣起伏机理,并把对角加载与本方法结合,极大改善了副瓣收敛速度,并在小快拍时就能有较好的性能。随后的计算机仿真证明了本文方法的有效性。     

基于对角加载的STAP性能改善

空时自适应处理(STAP)作为动目标检测的关键技术,但是非均匀环境将会造成协方差矩阵的估计误差,进而严重影响STAP性能。对角加载主要用于改善空间滤波器对于有用信号空域特征失配和空域协方差矩阵失配的稳健性。该文考虑将对角加载应用于STAP协方差矩阵失配(统计失配)时的性能改善,即在实际的协方差矩阵和其估计值之间存在误差时,通过对角加载改善STAP的稳健性。文中给出了加载电平的选择方法,并进行了详细的性能分析,即合理的对角加载可以提高检测概率和输出信噪比。仿真分析验证了理论分析的正确性。     

基于神经网络自抗扰控制的结晶器液位拉速协调系统研究

结晶器内钢水液位和铸坯拉速机理上是耦合关系. 为能控制更合理的钢水节奏, 提出了不同于现在各自单变量控制的液位和拉速综合控制方法. 通过实际对象, 从机理角度推出模型, 然后基于神经网络整定的自抗扰控制 (ADRC) 算法, 对结晶器液位拉速协调控制系统进行仿真试验. 仿真结果和现场曲线对该控制模型的准确性, 可行性和有效性进行了验证.