稀疏阵列波达方向估计研究进展

波达方向(direction of arrival, DOA)估计是阵列信号处理领域的重要研究方向,也是电子侦察与电子攻击领域的关键技术之一。以提高DOA估计精度和降低计算复杂度为导向,结合模型驱动和数据驱动方法的各自优势,提出了基于深度展开网络的DOA估计统一框架,阐述了稀疏阵列离网格DOA估计、无网格DOA估计以及混合信号参数估计等方面的研究进展。对复杂信号模型下的DOA估计、深度展开网络性能分析与挖掘以及分布式稀疏阵列回波信号融合处理等后续的研究内容进行了展望。     

基于改进麻雀搜索算法优化BN的变压器故障诊断研究

针对变压器故障诊断准确率低和稳定性差的问题,文中提出了一种改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断方法。首先,通过计算互信息建立最大支撑树并进行定向处理得到贝叶斯网络初始结构即初始种群。然后,在算法中引入一种新的合作机制和正弦余弦算法,提高算法收敛速度和全局搜索能力,并利用油中溶解气体分析,创建基于改进麻雀搜索算法优化贝叶斯网络的变压器故障诊断模型。最后,为了证明所提方法的优越性,将所提的方法与现有变压器故障诊断方法进行对比。结果表明,文中所提出的方法故障诊断率最高,可以更精准地对变压器进行故障诊断。     

时变信道下线性网络分批稀疏码秩分布研究

作为一种应用于多跳网络的低复杂度两步式编码技术,分批稀疏（batched sparse,BATS）码的传输性能与传输矩阵的秩分布直接相关。现有文献在假设各链路丢包率均为常数的前提下,研究了分批稀疏码在纠删信道下的秩分布。然而,在一些场景（如工业互联网）,大量的移动节点部署在整个网络中,可能导致节点之间的信道变成时变信道,即链路上的丢包率随时间变化而变化。因此在假定网络中各节点之间链路丢包率随机变化的场景下,研究了随机线性网络编码（random linear network coding, RLNC）和系统重编码作为内码编码方案时,分批稀疏码传输矩阵的秩分布,推导了链路丢包率服从有限区间正态分布情况下归一化秩期望的闭合解,并通过蒙特卡洛仿真验证了该闭合解的正确性。     

基于动态贝叶斯网络的低慢小目标威胁评估北大核心CSCD

针对复杂地形下低慢小目标难以防御的难题,本文分析并研究对于与低慢小目标威胁评估具有影响作用的因素,提出一种基于动态贝叶斯网络的威胁评估方法。基于低慢小目标的威胁属性,构建动态贝叶斯网络拓扑,利用贝叶斯理论推理出威胁值;并通过仿真试验验证该种基于动态贝叶斯网络的方法在对低慢小目标进行威胁评估是可行的。     

基于稀疏迭代的非连续谱高频雷达信号处理方法

在拥挤频谱环境中,雷达系统在多个非连续频段发射信号并在接收端进行综合相干处理,是一种获得等效大带宽的方式. 本文专门就非连续谱调频连续波(discontinuous spectrum-frequency modulated continuous wave, DS-FMCW)及其在高频雷达中的应用展开研究. 首先提出采样点平移方法,建立DS-FMCW快时间维的非均匀采样序列谱估计模型;随后,进一步建立DS-FMCW距离-多普勒二维谱估计模型,提出解决距离徙动的方案;最后为解决距离高旁瓣问题,基于一种适用于单次快拍的迭代式稀疏重构算法提出DS-FMCW的距离与距离-多普勒谱估计方法,并提出相应的快速谱求解方法. 仿真试验表明:所提DS-FMCW距离-多普勒处理方案能有效补偿距离徙动;当频带利用率大于20%时,所提谱估计方法能够稳定地分辨距离维间隔为雷达固有距离分辨率的1/3的两个目标,且距离估计精度优于经典最小二乘算法以及正交匹配追踪算法;所提快速算法单次迭代运算量低,适用于实时系统.     

基于二维随机投影特征典型相关分析融合的SAR ATR方法

合成孔径雷达（Synthetic aperture radar,SAR）自动目标识别（Automatic target recognition,ATR）是现代战场情报侦察、精确打击的重要支撑技术。为提升SAR ATR整体性能,提出基于二维投影特征多重集典型相关分析（Multiset canonical correlations analysis,MCCA）的方法。首先,采用若干二维随机投影矩阵对SAR图像进行特征提取,获得多层次特征描述。考虑到这些结果之间的相关性和可能存在的冗余及干扰,进一步通过MCCA对它们进行融合处理,获取单一特征矢量。基于稀疏表示分类器（Sparse representation-based classification,SRC）对融合特征矢量进行处理,判决目标类别。实验基于MSTAR数据集开展,对方法性能进行检验确认,结果能够验证其有效性。     

基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀)

针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。     

基于稀疏傅里叶变换的电子通信弱信号采集系统设计

本文设计了基于稀疏傅里叶变换的电子通信弱信号采集系统。在系统硬件上,增加带有滤波功效的积分器,将信号采集器改为双向路线,在控制器中增加驱动芯片,再利用核心处理器实现整体控制。在系统软件上,建立稀疏傅里叶变换信号感知模型,增加通信信号预处理功能,设计弱信号特征量提取功能,设计分段增益模块并采集弱信号。实验结果表明：设计系统能够满足电子通信弱信号采集的需求。     

基于CNN的高动态范围图像压缩稀疏编码方法

波域图像的子带区域划分混乱,导致图像编码序列偏移量过高,图像压缩编码精度较低等问题。基于此,提出基于CNN的高动态范围图像压缩稀疏编码方法。采集高动态范围图像压缩稀疏编码样本,将波域图像的子带区域划分成多个坐标集合,利用图像压缩数据处理稀疏编码样本字符集,确定单点子带与系数幅值的差异,在此基础上,利用编码数据合成频带稀疏矩阵,并借助卷积神经网络训练编码数据,完成高动态范围图像压缩系数编码。实验结果表明：文中方法的图像编码序列偏移量维持在0.2E上下,且有效提升了高动态范围图像压缩编码的精度。