求解多尺度目标电磁散射的积分方程快速算法

建立了大尺度分层粗糙面散射物理模型, 基于Kirchhoff近似、几何光学和射线追踪方法, 推导给出粗糙面散射场的计算公式, 提出了一种快速模拟机载正下视合成孔径雷达(Synthetic Aperture Radar, SAR)探测冰川回波的数值仿真方法, 以帮助分析实测数据.对SAR系统设计、雷达回波信号处理算法研究都有很大帮助, 可以应用到星体地下结构探测回波的模拟.理论公式及数值仿真结果验证了此数值仿真方法的正确性.在不同的仿真场景和雷达系统参数下, 数值仿真模拟了冰川散射回波, 定量分析了冰层表面粗糙度、次表面粗糙度、山体倾斜度、雷达系统参数等对天底区域和非天底区域散射回波的影响.本文的仿真方法可以快速计算任意大尺度特定地形所对应的雷达探测仪回波数据.     

基于分层调制的物理层网络编码研究

在实际的移动通信环境中,信道的状态复杂多变,该文针对双向中继信道的非对称性,提出采用分层调制方式的物理层网络编码方案。首先构建源节点、中继节点均采用分层(2/4-PSK)调制的双向中继通信系统模型;其次给出了中继节点的物理层网络编码解调及映射规则,推导出加性高斯白噪声下中继误比特率及端到端误比特率理论计算公式;最后仿真验证了理论分析结果。与采用传统QPSK调制技术的物理层网络编码相比,该方案利用分层调制的技术优势,确保较优信道的高速率传输,也兼顾了较差信道的传输可靠性。     

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。     

基于综合孔径辐射计稀疏阵列非均匀采样图像的快速重建

某些分时采样干涉式微波辐射计成像系统,通常采用稀疏阵列,如圆环稀疏阵列。由于天线阵列优化设计时天线排布位置受限以及天线物理尺寸等限制,具有非均匀空间频域采样的特点。传统的图像重构方法是将非均匀空间频域点插值到均匀的笛卡尔坐标下,补偿空间频率密度,再进行逆快速傅里叶变换。这些插值方法不可避免地会引入误差或者混叠,并且是以假设空间频域的光滑性为前提的,具有局限性。与传统的插值方法不同的是,该文采用最小最大优化准则,先假设图像,再进行共轭梯度迭代快速非均匀傅里叶变换匹配的算法,绕开了空间频域光滑的假设。模拟实验结果表明此算法能够更加快速精确地重建图像。     

基于空-时加权全变差正则项的视频复原算法

该文改进空-时全变正则项,提出了基于空-时加权全变差的视频图像重建算法。通过空-时加权全变差正则项的引入,获得新的视频重建模型,并提出了基于分裂 Bregman迭代算法的模型快速求解方法。仿真和数值实验表明,该文算法能够有效地实现高斯白噪声背景下视频序列去模糊问题,而且能够较好地保持复原图像序列的边缘和细节信息,避免传统TV算法产生的过平滑而失去细节信息的缺点,获得更加自然和细节的复原图像。     

地表垂直分层条件下倾斜通道雷电电磁场特性研究

为了得到垂直分层大地电导率和雷电回击通道倾斜角度对雷电电磁脉冲场(LEMP)的影响规律,该文利用时域有限差分法对倾斜通道雷电电磁场进行了建模计算。研究结果表明,当观测点位于倾斜回击通道下方时,地表雷电电磁场峰值会随着回击通道倾斜角度的增加而出现明显的上升,同时电磁场的上升沿变得更加陡峭。观测点与地表雷击点之间的水平距离越大,雷电电磁场的峰值时间也就越大。对地表电磁场而言,观测点同侧大地电导率主要影响雷电水平电场和角向磁场的初始峰值,而观测点另一侧大地电导率的变化则主要影响水平电场和角向磁场波尾幅值。对地下电磁场而言,增加埋地深度对垂直电场的衰减作用十分明显,而对水平电场和角向磁场来说影响极小。     

低信噪比条件下宽带欠定信号高精度DOA估计

为提高低信噪比条件下宽带欠定信号DOA估计精度,该文提出基于网格失配迭代最小化稀疏学习的宽带DOA估计方法。该方法首先对频域协方差矩阵进行矢量化处理实现虚拟阵列扩展,将欠定信号转换为超定信号。其次利用线性变换滤除含有噪声项的虚拟阵元,并对协方差估计误差进行了白化处理,抑制了信号中的干扰项。最后建立了包含不同频点联合稀疏参数和网格失配参数的贝叶斯层次架构,推导了联合稀疏参数、网格失配参数的最小稀疏表达式并进行了迭代学习。较传统方法,该方法不依赖任何先验信息,更好地抑制了虚拟阵元中的噪声和干扰,降低了网格失配对DOA估计的影响,在低信噪比条件下具有更高的DOA估计精度和分辨率。仿真实验验证了该方法的有效性。     

基于分层处理的图像增强算法

由于红外图像的对比度低,在红外图像采集中往往需要对其进行相应的图像处理,以增强图像的可视度。图像增强可分为频率域法和空间域法两大类,单纯的频率域法和空间域法功能比较单一,容易造成图像信息的丢失,适用场合受限。结合以上方法,提出一种基于分层处理的图像增强算法,该算法通过频率域法将原始图像分为高频层和低频层两幅图像,并采用空间域法分别对高、低频图像做相应的灰度拉伸,在增强图像动态范围的同时,最大限度的保留图像的细节信息,从而获得更好的图像可视化效果。     

利用广义内积值迭代加权的空时协方差矩阵估计方法

精确估计协方差矩阵是空时自适应处理(STAP)的核心问题,基于最大似然的样本协方差矩阵估计方法仅适用于均匀检测环境。为了提高非均匀场景下协方差矩阵的估计精度,该文提出迭代加权的空时协方差矩阵估计方法。该方法依据广义内积值(GIP)与其统计均值的距离确定样本的加权系数,并通过建立广义内积直方图及迭代处理的方式进一步提高协方差矩阵的估计精度。仿真结果表明,该方法能够提高非均匀环境下协方差矩阵的估计性能。     

基于灰色简化B型关联度的图像边缘检测

鉴于传统的灰色边缘检测算法在阈值选取上需要人工干预,不具备自适应能力,提出了基于灰色简化B型关联度的自适应阈值选取进行图像边缘检测新算法.首先,用标准差化矩阵算子对图像灰度值进行预处理;其次,在3×3的像素模板上,将预处理后的中心像素点及周围8个像素点的数值一维化作为比较序列,并将这9个像素点的均值作为参考序列;最后,利用简化B型关联度计算两者之间的灰关联度,根据迭代算法求取灰色简化B型关联度的最佳阈值来检测图像边缘.实验结果表明,所提算法对灰度变化剧烈的图像具有较强的适应性,检测边缘清晰准确,比传统的邓氏相关度边缘检测算法能够更好的抑制噪声.