郵件訂閱
2015年 第37卷 第3期
顯示方式:
2015, 37(3): 509-515.
doi: 10.11999/JEIT140799
摘要:
針對(duì)概念分解(Concept Factorization, CF)算法沒(méi)有同時(shí)考慮樣本中存在的類(lèi)別信息及數(shù)據(jù)間多元幾何結(jié)構(gòu)信息的問(wèn)題，該文提出一種基于超圖正則化受限的概念分解(Hyper-graph regularized Constrained Concept Factorization, HCCF)算法。HCCF算法通過(guò)構(gòu)建一個(gè)無(wú)向加權(quán)的拉普拉斯超圖正則項(xiàng)，提取數(shù)據(jù)間的多元幾何結(jié)構(gòu)信息，克服了傳統(tǒng)圖模型只能表達(dá)數(shù)據(jù)間成對(duì)關(guān)系的缺陷；同時(shí)采用硬約束的方式使樣本的類(lèi)別信息在低維空間中保持一致，充分利用了標(biāo)記樣本的類(lèi)別信息。該文采用乘性迭代的方法求解HCCF算法的目標(biāo)函數(shù)并證明了其收斂性。在TDT2庫(kù)、Reuters庫(kù)和PIE庫(kù)上的實(shí)驗(yàn)結(jié)果表明，HCCF算法提高了聚類(lèi)的準(zhǔn)確率和歸一化互信息，驗(yàn)證了算法的有效性。
針對(duì)概念分解(Concept Factorization, CF)算法沒(méi)有同時(shí)考慮樣本中存在的類(lèi)別信息及數(shù)據(jù)間多元幾何結(jié)構(gòu)信息的問(wèn)題，該文提出一種基于超圖正則化受限的概念分解(Hyper-graph regularized Constrained Concept Factorization, HCCF)算法。HCCF算法通過(guò)構(gòu)建一個(gè)無(wú)向加權(quán)的拉普拉斯超圖正則項(xiàng)，提取數(shù)據(jù)間的多元幾何結(jié)構(gòu)信息，克服了傳統(tǒng)圖模型只能表達(dá)數(shù)據(jù)間成對(duì)關(guān)系的缺陷；同時(shí)采用硬約束的方式使樣本的類(lèi)別信息在低維空間中保持一致，充分利用了標(biāo)記樣本的類(lèi)別信息。該文采用乘性迭代的方法求解HCCF算法的目標(biāo)函數(shù)并證明了其收斂性。在TDT2庫(kù)、Reuters庫(kù)和PIE庫(kù)上的實(shí)驗(yàn)結(jié)果表明，HCCF算法提高了聚類(lèi)的準(zhǔn)確率和歸一化互信息，驗(yàn)證了算法的有效性。
2015, 37(3): 516-521.
doi: 10.11999/JEIT140931
摘要:
為了提高基于稀疏編碼的視頻目標(biāo)跟蹤算法的魯棒性，該文將原始稀疏編碼問(wèn)題分解為兩個(gè)子稀疏編碼問(wèn)題，在大大增加字典原子個(gè)數(shù)的同時(shí)，降低了稀疏性求解過(guò)程的計(jì)算量。并且為了減少1范數(shù)最小化的計(jì)算次數(shù)，利用基于嶺回歸的重構(gòu)誤差先對(duì)候選目標(biāo)進(jìn)行粗估計(jì)，而后選取重構(gòu)誤差較小的若干個(gè)粒子求解其在兩個(gè)子字典下的稀疏表示，最后將目標(biāo)的高維稀疏表示代入事先訓(xùn)練好的分類(lèi)器，選取分類(lèi)器響應(yīng)最大的候選位置作為目標(biāo)的跟蹤位置。實(shí)驗(yàn)結(jié)果表明由于笛卡爾乘積字典的應(yīng)用使得算法的魯棒性得到一定程度的提高。
為了提高基于稀疏編碼的視頻目標(biāo)跟蹤算法的魯棒性，該文將原始稀疏編碼問(wèn)題分解為兩個(gè)子稀疏編碼問(wèn)題，在大大增加字典原子個(gè)數(shù)的同時(shí)，降低了稀疏性求解過(guò)程的計(jì)算量。并且為了減少1范數(shù)最小化的計(jì)算次數(shù)，利用基于嶺回歸的重構(gòu)誤差先對(duì)候選目標(biāo)進(jìn)行粗估計(jì)，而后選取重構(gòu)誤差較小的若干個(gè)粒子求解其在兩個(gè)子字典下的稀疏表示，最后將目標(biāo)的高維稀疏表示代入事先訓(xùn)練好的分類(lèi)器，選取分類(lèi)器響應(yīng)最大的候選位置作為目標(biāo)的跟蹤位置。實(shí)驗(yàn)結(jié)果表明由于笛卡爾乘積字典的應(yīng)用使得算法的魯棒性得到一定程度的提高。
2015, 37(3): 522-528.
doi: 10.11999/JEIT140481
摘要:
基于壓縮感知的超分辨率圖像復(fù)原方法通常采用局部稀疏編碼策略，對(duì)每一圖像塊獨(dú)立編碼，易產(chǎn)生人工的分塊效應(yīng)。針對(duì)上述問(wèn)題，該文提出一種基于非局部稀疏編碼的超分辨率圖像復(fù)原方法。該算法在字典訓(xùn)練和圖像編碼過(guò)程中分別運(yùn)用圖像的非局部自相似先驗(yàn)知識(shí)，即利用低分辨率圖像的插值圖像訓(xùn)練字典，并通過(guò)計(jì)算相似塊局部編碼的加權(quán)平均，得到每一圖像塊的非局部稀疏編碼。仿真實(shí)驗(yàn)表明，所提算法能夠獲得更優(yōu)的復(fù)原效果，并且對(duì)于含噪圖像具有較強(qiáng)的魯棒性。
基于壓縮感知的超分辨率圖像復(fù)原方法通常采用局部稀疏編碼策略，對(duì)每一圖像塊獨(dú)立編碼，易產(chǎn)生人工的分塊效應(yīng)。針對(duì)上述問(wèn)題，該文提出一種基于非局部稀疏編碼的超分辨率圖像復(fù)原方法。該算法在字典訓(xùn)練和圖像編碼過(guò)程中分別運(yùn)用圖像的非局部自相似先驗(yàn)知識(shí)，即利用低分辨率圖像的插值圖像訓(xùn)練字典，并通過(guò)計(jì)算相似塊局部編碼的加權(quán)平均，得到每一圖像塊的非局部稀疏編碼。仿真實(shí)驗(yàn)表明，所提算法能夠獲得更優(yōu)的復(fù)原效果，并且對(duì)于含噪圖像具有較強(qiáng)的魯棒性。
2015, 37(3): 529-535.
doi: 10.11999/JEIT140374
摘要:
該文針對(duì)真實(shí)場(chǎng)景下視頻跟蹤過(guò)程中可能出現(xiàn)的目標(biāo)形變、運(yùn)動(dòng)和遮擋等問(wèn)題，該文分別構(gòu)建了基于超像素局部信息的判別式模型和基于顏色與梯度全局信息的產(chǎn)生式模型，通過(guò)兩者的結(jié)合提升了目標(biāo)表觀特征描述的可區(qū)分性和不變性；此外，提出一種基于稀疏主成分分析的更新策略，在更新特征字典的同時(shí)減少其冗余度，在判別式模型的更新階段分別對(duì)每幀圖像獲得的跟蹤結(jié)果進(jìn)行二次判別從而避免漂移現(xiàn)象的發(fā)生。實(shí)驗(yàn)結(jié)果表明，與其它跟蹤算法相比，該算法在應(yīng)對(duì)目標(biāo)姿態(tài)變化、背景干擾以及遮擋等復(fù)雜情況時(shí)具有更好的穩(wěn)定性和魯棒性。
該文針對(duì)真實(shí)場(chǎng)景下視頻跟蹤過(guò)程中可能出現(xiàn)的目標(biāo)形變、運(yùn)動(dòng)和遮擋等問(wèn)題，該文分別構(gòu)建了基于超像素局部信息的判別式模型和基于顏色與梯度全局信息的產(chǎn)生式模型，通過(guò)兩者的結(jié)合提升了目標(biāo)表觀特征描述的可區(qū)分性和不變性；此外，提出一種基于稀疏主成分分析的更新策略，在更新特征字典的同時(shí)減少其冗余度，在判別式模型的更新階段分別對(duì)每幀圖像獲得的跟蹤結(jié)果進(jìn)行二次判別從而避免漂移現(xiàn)象的發(fā)生。實(shí)驗(yàn)結(jié)果表明，與其它跟蹤算法相比，該算法在應(yīng)對(duì)目標(biāo)姿態(tài)變化、背景干擾以及遮擋等復(fù)雜情況時(shí)具有更好的穩(wěn)定性和魯棒性。
2015, 37(3): 536-542.
doi: 10.11999/JEIT140507
摘要:
L1跟蹤對(duì)適度的遮擋具有魯棒性，但是存在速度慢和易產(chǎn)生模型漂移的不足。為了解決上述兩個(gè)問(wèn)題，該文首先提出一種基于稀疏稠密結(jié)構(gòu)的魯棒表示模型。該模型對(duì)目標(biāo)模板系數(shù)和小模板系數(shù)分別進(jìn)行L2范數(shù)和L1范數(shù)正則化增強(qiáng)了對(duì)離群模板的魯棒性。為了提高目標(biāo)跟蹤速度，基于塊坐標(biāo)優(yōu)化原理，用嶺回歸和軟閾值操作建立了該模型的快速算法。其次，為降低模型漂移的發(fā)生，該文提出一種在線魯棒的字典學(xué)習(xí)算法用于模板更新。在粒子濾波框架下，用該表示模型和字典學(xué)習(xí)算法實(shí)現(xiàn)了魯棒快速的跟蹤方法。在多個(gè)具有挑戰(zhàn)性的圖像序列上的實(shí)驗(yàn)結(jié)果表明：與現(xiàn)有跟蹤方法相比，所提跟蹤方法具有較優(yōu)的跟蹤性能。
L1跟蹤對(duì)適度的遮擋具有魯棒性，但是存在速度慢和易產(chǎn)生模型漂移的不足。為了解決上述兩個(gè)問(wèn)題，該文首先提出一種基于稀疏稠密結(jié)構(gòu)的魯棒表示模型。該模型對(duì)目標(biāo)模板系數(shù)和小模板系數(shù)分別進(jìn)行L2范數(shù)和L1范數(shù)正則化增強(qiáng)了對(duì)離群模板的魯棒性。為了提高目標(biāo)跟蹤速度，基于塊坐標(biāo)優(yōu)化原理，用嶺回歸和軟閾值操作建立了該模型的快速算法。其次，為降低模型漂移的發(fā)生，該文提出一種在線魯棒的字典學(xué)習(xí)算法用于模板更新。在粒子濾波框架下，用該表示模型和字典學(xué)習(xí)算法實(shí)現(xiàn)了魯棒快速的跟蹤方法。在多個(gè)具有挑戰(zhàn)性的圖像序列上的實(shí)驗(yàn)結(jié)果表明：與現(xiàn)有跟蹤方法相比，所提跟蹤方法具有較優(yōu)的跟蹤性能。
2015, 37(3): 543-551.
doi: 10.11999/JEIT140433
摘要:
頭部姿態(tài)估計(jì)是人類(lèi)行為和注意力的關(guān)鍵，受到光照、噪聲、身份、遮擋等許多因素的影響。為了提高非約束環(huán)境下的估計(jì)準(zhǔn)確率和魯棒性，該論文提出了樹(shù)結(jié)構(gòu)分層隨機(jī)森林在非約束環(huán)境下的多類(lèi)頭部姿態(tài)估計(jì)。首先，為了消除不同環(huán)境的噪聲影響，提取人臉區(qū)域的組合紋理特征，對(duì)人臉區(qū)域進(jìn)行積極人臉子區(qū)域的分類(lèi)，分類(lèi)結(jié)果作為樹(shù)結(jié)構(gòu)分層隨機(jī)森林的先驗(yàn)知識(shí)輸入；其次，提出了一種樹(shù)結(jié)構(gòu)分層隨機(jī)森林算法，分層估計(jì)多自由度下的頭部姿態(tài)；再次，為了增強(qiáng)算法的分類(lèi)能力，使用自適應(yīng)高斯混合模型作為多層次子森林葉子節(jié)點(diǎn)的投票模型。在多個(gè)公共數(shù)據(jù)集上的多種非約束實(shí)驗(yàn)環(huán)境下進(jìn)行頭部姿態(tài)估計(jì)，最終實(shí)驗(yàn)結(jié)果表明所提算法在不同質(zhì)量的圖像上都有很好的估計(jì)準(zhǔn)確率和魯棒性。
頭部姿態(tài)估計(jì)是人類(lèi)行為和注意力的關(guān)鍵，受到光照、噪聲、身份、遮擋等許多因素的影響。為了提高非約束環(huán)境下的估計(jì)準(zhǔn)確率和魯棒性，該論文提出了樹(shù)結(jié)構(gòu)分層隨機(jī)森林在非約束環(huán)境下的多類(lèi)頭部姿態(tài)估計(jì)。首先，為了消除不同環(huán)境的噪聲影響，提取人臉區(qū)域的組合紋理特征，對(duì)人臉區(qū)域進(jìn)行積極人臉子區(qū)域的分類(lèi)，分類(lèi)結(jié)果作為樹(shù)結(jié)構(gòu)分層隨機(jī)森林的先驗(yàn)知識(shí)輸入；其次，提出了一種樹(shù)結(jié)構(gòu)分層隨機(jī)森林算法，分層估計(jì)多自由度下的頭部姿態(tài)；再次，為了增強(qiáng)算法的分類(lèi)能力，使用自適應(yīng)高斯混合模型作為多層次子森林葉子節(jié)點(diǎn)的投票模型。在多個(gè)公共數(shù)據(jù)集上的多種非約束實(shí)驗(yàn)環(huán)境下進(jìn)行頭部姿態(tài)估計(jì)，最終實(shí)驗(yàn)結(jié)果表明所提算法在不同質(zhì)量的圖像上都有很好的估計(jì)準(zhǔn)確率和魯棒性。
2015, 37(3): 552-559.
doi: 10.11999/JEIT140505
摘要:
圖像去噪是圖像處理鄰域的重要課題，該文在3維直方圖的基礎(chǔ)上定義圖像的3維軸距，分析無(wú)噪聲及椒鹽噪聲影響下圖像3維軸距的分布特點(diǎn)，提出基于3維軸距的去噪算法。算法首先對(duì)圖像進(jìn)行邊沿?cái)U(kuò)展，再利用3維軸距來(lái)檢測(cè)噪聲，最后用非噪聲中值濾波來(lái)消除噪聲。仿真比較了3維軸距去噪算法與中值濾波、自適應(yīng)開(kāi)關(guān)中值、快速自適應(yīng)均值濾波、修正方向加權(quán)中值濾波和自適應(yīng)模糊開(kāi)關(guān)中值濾波算法的去噪性能，結(jié)果證明該文算法的有效性。
圖像去噪是圖像處理鄰域的重要課題，該文在3維直方圖的基礎(chǔ)上定義圖像的3維軸距，分析無(wú)噪聲及椒鹽噪聲影響下圖像3維軸距的分布特點(diǎn)，提出基于3維軸距的去噪算法。算法首先對(duì)圖像進(jìn)行邊沿?cái)U(kuò)展，再利用3維軸距來(lái)檢測(cè)噪聲，最后用非噪聲中值濾波來(lái)消除噪聲。仿真比較了3維軸距去噪算法與中值濾波、自適應(yīng)開(kāi)關(guān)中值、快速自適應(yīng)均值濾波、修正方向加權(quán)中值濾波和自適應(yīng)模糊開(kāi)關(guān)中值濾波算法的去噪性能，結(jié)果證明該文算法的有效性。
2015, 37(3): 560-566.
doi: 10.11999/JEIT140587
摘要:
針對(duì)現(xiàn)有醫(yī)學(xué)超聲圖像去斑方法的不足，該文提出一種基于局部熵的量子衍生醫(yī)學(xué)超聲圖像去斑新方法。首先，將對(duì)數(shù)變換后的圖像進(jìn)行雙樹(shù)復(fù)小波變換(DTCWT)，并對(duì)信號(hào)與噪聲分別建模；然后，提取復(fù)小波中子代與父代小波系數(shù)的實(shí)部，計(jì)算其局部熵并進(jìn)行歸一化乘積，結(jié)合量子衍生理論得到用來(lái)調(diào)整信號(hào)與噪聲出現(xiàn)概率的可調(diào)參數(shù)；最后，利用改進(jìn)的雙變量收縮函數(shù)獲得去斑后的圖像。通過(guò)實(shí)驗(yàn)，結(jié)果表明該方法與已有方法相比能夠更有效地濾除醫(yī)學(xué)超聲圖像中的斑點(diǎn)噪聲并保留細(xì)節(jié)信息。
針對(duì)現(xiàn)有醫(yī)學(xué)超聲圖像去斑方法的不足，該文提出一種基于局部熵的量子衍生醫(yī)學(xué)超聲圖像去斑新方法。首先，將對(duì)數(shù)變換后的圖像進(jìn)行雙樹(shù)復(fù)小波變換(DTCWT)，并對(duì)信號(hào)與噪聲分別建模；然后，提取復(fù)小波中子代與父代小波系數(shù)的實(shí)部，計(jì)算其局部熵并進(jìn)行歸一化乘積，結(jié)合量子衍生理論得到用來(lái)調(diào)整信號(hào)與噪聲出現(xiàn)概率的可調(diào)參數(shù)；最后，利用改進(jìn)的雙變量收縮函數(shù)獲得去斑后的圖像。通過(guò)實(shí)驗(yàn)，結(jié)果表明該方法與已有方法相比能夠更有效地濾除醫(yī)學(xué)超聲圖像中的斑點(diǎn)噪聲并保留細(xì)節(jié)信息。
2015, 37(3): 567-573.
doi: 10.11999/JEIT140419
摘要:
1-Bit壓縮感知(CS)是壓縮感知理論的一個(gè)重要分支。該領(lǐng)域中二進(jìn)制迭代硬閾值(BIHT)算法重構(gòu)精度高且一致性好，是一種有效的重構(gòu)算法。該文針對(duì)BIHT算法重構(gòu)過(guò)程需要信號(hào)稀疏度為先驗(yàn)信息的問(wèn)題，提出一種稀疏度自適應(yīng)二進(jìn)制迭代硬閾值算法，簡(jiǎn)稱(chēng)為SABIHT算法。該算法修正了BIHT算法，首先通過(guò)自適應(yīng)過(guò)程自動(dòng)調(diào)節(jié)硬閾值參數(shù)，然后利用測(cè)試條件估計(jì)信號(hào)的稀疏度，最終實(shí)現(xiàn)不需要確切信號(hào)稀疏度的1-Bit壓縮感知盲重構(gòu)。理論分析和仿真結(jié)果表明，該算法較好地實(shí)現(xiàn)了未知信號(hào)稀疏度的精確重建，并且與BIHT算法相比重構(gòu)精度及算法復(fù)雜度均相當(dāng)。
1-Bit壓縮感知(CS)是壓縮感知理論的一個(gè)重要分支。該領(lǐng)域中二進(jìn)制迭代硬閾值(BIHT)算法重構(gòu)精度高且一致性好，是一種有效的重構(gòu)算法。該文針對(duì)BIHT算法重構(gòu)過(guò)程需要信號(hào)稀疏度為先驗(yàn)信息的問(wèn)題，提出一種稀疏度自適應(yīng)二進(jìn)制迭代硬閾值算法，簡(jiǎn)稱(chēng)為SABIHT算法。該算法修正了BIHT算法，首先通過(guò)自適應(yīng)過(guò)程自動(dòng)調(diào)節(jié)硬閾值參數(shù)，然后利用測(cè)試條件估計(jì)信號(hào)的稀疏度，最終實(shí)現(xiàn)不需要確切信號(hào)稀疏度的1-Bit壓縮感知盲重構(gòu)。理論分析和仿真結(jié)果表明，該算法較好地實(shí)現(xiàn)了未知信號(hào)稀疏度的精確重建，并且與BIHT算法相比重構(gòu)精度及算法復(fù)雜度均相當(dāng)。
2015, 37(3): 574-579.
doi: 10.11999/JEIT140668
摘要:
該文研究基于聲傳感器陣列的單快拍氣流速度估計(jì)問(wèn)題。首先，根據(jù)聲波在亞音速和超音速氣流中的傳播特性，針對(duì)特定的測(cè)量裝置，建立了聲傳感器線性陣列的輸出模型。在此基礎(chǔ)上，提出一種稀疏協(xié)方差矩陣迭代的單快拍(Sparse Covariance Matrix Iteration with a Single Snapshot, SCMISS)氣流速度估計(jì)算法，與其他稀疏估計(jì)方法相比，該文提出的SCMISS算法無(wú)需正則化參數(shù)選擇，計(jì)算量更低，具有更強(qiáng)的實(shí)時(shí)性，且只需單快拍采樣數(shù)據(jù)就可對(duì)亞音速和超音速氣流速度進(jìn)行統(tǒng)一估計(jì)。最后，為了評(píng)價(jià)所提算法的估計(jì)性能，推導(dǎo)了氣流速度估計(jì)的克拉美-羅界(Cramr-Rao Bound, CRB)表達(dá)式。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
該文研究基于聲傳感器陣列的單快拍氣流速度估計(jì)問(wèn)題。首先，根據(jù)聲波在亞音速和超音速氣流中的傳播特性，針對(duì)特定的測(cè)量裝置，建立了聲傳感器線性陣列的輸出模型。在此基礎(chǔ)上，提出一種稀疏協(xié)方差矩陣迭代的單快拍(Sparse Covariance Matrix Iteration with a Single Snapshot, SCMISS)氣流速度估計(jì)算法，與其他稀疏估計(jì)方法相比，該文提出的SCMISS算法無(wú)需正則化參數(shù)選擇，計(jì)算量更低，具有更強(qiáng)的實(shí)時(shí)性，且只需單快拍采樣數(shù)據(jù)就可對(duì)亞音速和超音速氣流速度進(jìn)行統(tǒng)一估計(jì)。最后，為了評(píng)價(jià)所提算法的估計(jì)性能，推導(dǎo)了氣流速度估計(jì)的克拉美-羅界(Cramr-Rao Bound, CRB)表達(dá)式。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
2015, 37(3): 580-586.
doi: 10.11999/JEIT140613
摘要:
稀疏微波成像將稀疏信號(hào)處理理論系統(tǒng)性地引入微波成像中，與傳統(tǒng)合成孔徑雷達(dá)成像相比，具有提高成像質(zhì)量、降低系統(tǒng)復(fù)雜度等優(yōu)點(diǎn)。稀疏采樣方式是影響稀疏微波成像重建質(zhì)量的重要因素。該文主要研究方位向稀疏采樣的優(yōu)化問(wèn)題，分析了稀疏微波成像觀測(cè)矩陣的相關(guān)系數(shù)與重建能力的關(guān)系，在此基礎(chǔ)上提出一種基于相關(guān)系數(shù)的優(yōu)化準(zhǔn)則，并對(duì)方位向稀疏采樣參數(shù)進(jìn)行優(yōu)化。仿真結(jié)果驗(yàn)證了所提優(yōu)化方法的有效性。
稀疏微波成像將稀疏信號(hào)處理理論系統(tǒng)性地引入微波成像中，與傳統(tǒng)合成孔徑雷達(dá)成像相比，具有提高成像質(zhì)量、降低系統(tǒng)復(fù)雜度等優(yōu)點(diǎn)。稀疏采樣方式是影響稀疏微波成像重建質(zhì)量的重要因素。該文主要研究方位向稀疏采樣的優(yōu)化問(wèn)題，分析了稀疏微波成像觀測(cè)矩陣的相關(guān)系數(shù)與重建能力的關(guān)系，在此基礎(chǔ)上提出一種基于相關(guān)系數(shù)的優(yōu)化準(zhǔn)則，并對(duì)方位向稀疏采樣參數(shù)進(jìn)行優(yōu)化。仿真結(jié)果驗(yàn)證了所提優(yōu)化方法的有效性。
2015, 37(3): 587-593.
doi: 10.11999/JEIT140509
摘要:
針對(duì)星載雷達(dá)空間碎片群目標(biāo)回波無(wú)法分離問(wèn)題，該文利用回波在距離向表現(xiàn)出的塊聚集特性，提出一種基于塊稀疏的高分辨ISAR成像方法。基于塊稀疏壓縮感知理論，通過(guò)利用空間碎片群目標(biāo)特性，抽取出各個(gè)碎片的高分辨1維距離像數(shù)據(jù)，并結(jié)合平動(dòng)補(bǔ)償和距離多普勒(RD)算法得到各碎片的ISAR像。在小樣本條件下，該方法能夠有效實(shí)現(xiàn)空間碎片的數(shù)據(jù)分離和高分辨ISAR成像。仿真實(shí)驗(yàn)表明，該方法的重構(gòu)精度以及運(yùn)算速度均優(yōu)于非結(jié)構(gòu)類(lèi)的稀疏ISAR成像方法。
針對(duì)星載雷達(dá)空間碎片群目標(biāo)回波無(wú)法分離問(wèn)題，該文利用回波在距離向表現(xiàn)出的塊聚集特性，提出一種基于塊稀疏的高分辨ISAR成像方法。基于塊稀疏壓縮感知理論，通過(guò)利用空間碎片群目標(biāo)特性，抽取出各個(gè)碎片的高分辨1維距離像數(shù)據(jù)，并結(jié)合平動(dòng)補(bǔ)償和距離多普勒(RD)算法得到各碎片的ISAR像。在小樣本條件下，該方法能夠有效實(shí)現(xiàn)空間碎片的數(shù)據(jù)分離和高分辨ISAR成像。仿真實(shí)驗(yàn)表明，該方法的重構(gòu)精度以及運(yùn)算速度均優(yōu)于非結(jié)構(gòu)類(lèi)的稀疏ISAR成像方法。
2015, 37(3): 594-600.
doi: 10.11999/JEIT140713
摘要:
地面目標(biāo)的SAR圖像中除了包含目標(biāo)散射回波形成的區(qū)域，還包括由目標(biāo)遮擋地面形成的陰影區(qū)域。但是由于這兩種區(qū)域中的圖像特性不相同，所以傳統(tǒng)的SAR圖像自動(dòng)目標(biāo)識(shí)別主要利用目標(biāo)區(qū)域信息進(jìn)行目標(biāo)識(shí)別，或者單獨(dú)使用陰影區(qū)域進(jìn)行識(shí)別。該文提出一種陰影區(qū)域與目標(biāo)區(qū)域圖像聯(lián)合的稀疏表示模型。通過(guò)使用1\2范數(shù)最小化方法求解該模型得到聯(lián)合的稀疏表示，然后根據(jù)聯(lián)合重構(gòu)誤差最小準(zhǔn)則進(jìn)行SAR圖像目標(biāo)識(shí)別。在運(yùn)動(dòng)和靜止目標(biāo)獲取與識(shí)別(MSTAR)數(shù)據(jù)集上的識(shí)別實(shí)驗(yàn)結(jié)果表明，通過(guò)聯(lián)合稀疏表示模型可以有效地將目標(biāo)區(qū)域與陰影區(qū)域信息進(jìn)行融合，相對(duì)于采用單獨(dú)區(qū)域圖像的稀疏表示識(shí)別方法性能更好。
地面目標(biāo)的SAR圖像中除了包含目標(biāo)散射回波形成的區(qū)域，還包括由目標(biāo)遮擋地面形成的陰影區(qū)域。但是由于這兩種區(qū)域中的圖像特性不相同，所以傳統(tǒng)的SAR圖像自動(dòng)目標(biāo)識(shí)別主要利用目標(biāo)區(qū)域信息進(jìn)行目標(biāo)識(shí)別，或者單獨(dú)使用陰影區(qū)域進(jìn)行識(shí)別。該文提出一種陰影區(qū)域與目標(biāo)區(qū)域圖像聯(lián)合的稀疏表示模型。通過(guò)使用1\2范數(shù)最小化方法求解該模型得到聯(lián)合的稀疏表示，然后根據(jù)聯(lián)合重構(gòu)誤差最小準(zhǔn)則進(jìn)行SAR圖像目標(biāo)識(shí)別。在運(yùn)動(dòng)和靜止目標(biāo)獲取與識(shí)別(MSTAR)數(shù)據(jù)集上的識(shí)別實(shí)驗(yàn)結(jié)果表明，通過(guò)聯(lián)合稀疏表示模型可以有效地將目標(biāo)區(qū)域與陰影區(qū)域信息進(jìn)行融合，相對(duì)于采用單獨(dú)區(qū)域圖像的稀疏表示識(shí)別方法性能更好。
2015, 37(3): 601-606.
doi: 10.11999/JEIT140707
摘要:
距離模糊一直是影響合成孔徑雷達(dá)(SAR)成像質(zhì)量的重要因素之一。方位向相位編碼(APC)技術(shù)是一種有效抑制距離模糊的方法，但是由于APC技術(shù)高度依賴(lài)于高過(guò)采樣率，對(duì)于多通道SAR系統(tǒng)，APC技術(shù)的距離模糊抑制效果很有限。該文提出一種新的基于APC技術(shù)的多通道系統(tǒng)距離模糊抑制方法。該方法首先通過(guò)APC技術(shù)將部分距離模糊信號(hào)產(chǎn)生方位平移，通過(guò)額外增加接收通道數(shù)提供的額外信號(hào)自由度，能夠在方位向上通過(guò)合適的數(shù)字波束形成(DBF)技術(shù)同時(shí)濾去距離模糊和重建方位向信號(hào)，因此距離模糊信號(hào)可以被很好地抑制。該文最后給出仿真結(jié)果，證明該方法的有效性。
距離模糊一直是影響合成孔徑雷達(dá)(SAR)成像質(zhì)量的重要因素之一。方位向相位編碼(APC)技術(shù)是一種有效抑制距離模糊的方法，但是由于APC技術(shù)高度依賴(lài)于高過(guò)采樣率，對(duì)于多通道SAR系統(tǒng)，APC技術(shù)的距離模糊抑制效果很有限。該文提出一種新的基于APC技術(shù)的多通道系統(tǒng)距離模糊抑制方法。該方法首先通過(guò)APC技術(shù)將部分距離模糊信號(hào)產(chǎn)生方位平移，通過(guò)額外增加接收通道數(shù)提供的額外信號(hào)自由度，能夠在方位向上通過(guò)合適的數(shù)字波束形成(DBF)技術(shù)同時(shí)濾去距離模糊和重建方位向信號(hào)，因此距離模糊信號(hào)可以被很好地抑制。該文最后給出仿真結(jié)果，證明該方法的有效性。
2015, 37(3): 607-612.
doi: 10.11999/JEIT140659
摘要:
針對(duì)岸基海雜波測(cè)量雷達(dá)下視外定標(biāo)海浪運(yùn)動(dòng)的影響問(wèn)題，該文提出一種基于坐標(biāo)變換的姿態(tài)修正方法，該方法結(jié)合雷達(dá)信號(hào)采集過(guò)程和雷達(dá)方向圖因子，能夠有效解決外定標(biāo)過(guò)程中海面晃動(dòng)對(duì)定標(biāo)精度的影響。利用L波段岸基海雜波測(cè)量雷達(dá)獲取的外定標(biāo)試驗(yàn)數(shù)據(jù)，分析試驗(yàn)結(jié)果并對(duì)比姿態(tài)修正前后定標(biāo)精度的改善效果，結(jié)果表明該方法可大大提高定標(biāo)精度，可為改善岸基海雜波測(cè)量數(shù)據(jù)的普適性提供重要的技術(shù)支持。
針對(duì)岸基海雜波測(cè)量雷達(dá)下視外定標(biāo)海浪運(yùn)動(dòng)的影響問(wèn)題，該文提出一種基于坐標(biāo)變換的姿態(tài)修正方法，該方法結(jié)合雷達(dá)信號(hào)采集過(guò)程和雷達(dá)方向圖因子，能夠有效解決外定標(biāo)過(guò)程中海面晃動(dòng)對(duì)定標(biāo)精度的影響。利用L波段岸基海雜波測(cè)量雷達(dá)獲取的外定標(biāo)試驗(yàn)數(shù)據(jù)，分析試驗(yàn)結(jié)果并對(duì)比姿態(tài)修正前后定標(biāo)精度的改善效果，結(jié)果表明該方法可大大提高定標(biāo)精度，可為改善岸基海雜波測(cè)量數(shù)據(jù)的普適性提供重要的技術(shù)支持。
2015, 37(3): 613-618.
doi: 10.11999/JEIT140626
摘要:
主波束中的車(chē)輛回波信號(hào)會(huì)污染空時(shí)自適應(yīng)處理(STAP)的訓(xùn)練樣本，導(dǎo)致空時(shí)自適應(yīng)處理時(shí)的目標(biāo)自相消，引起漏警。針對(duì)這一問(wèn)題，該文提出一種基于道路信息的知識(shí)輔助(KA)空時(shí)自適應(yīng)處理方法。該方法首先根據(jù)主波束中道路相對(duì)于雷達(dá)的位置估計(jì)道路上車(chē)輛相對(duì)于雷達(dá)的徑向速度，然后得到可能含有主波束車(chē)輛回波信號(hào)的距離-多普勒單元，接著根據(jù)訓(xùn)練樣本與雜波導(dǎo)向矢量和主波束導(dǎo)向矢量的匹配程度判斷這些訓(xùn)練樣本是否包含主波束車(chē)輛回波信號(hào)，最后在進(jìn)行空時(shí)自適應(yīng)處理估計(jì)雜波協(xié)方差矩陣時(shí)剔除被主波束車(chē)輛回波信號(hào)污染的訓(xùn)練樣本。理論分析及實(shí)驗(yàn)結(jié)果表明該方法可以提高道路密集環(huán)境中空時(shí)自適應(yīng)處理的信雜噪比輸出，改善空時(shí)自適應(yīng)處理雷達(dá)的性能。
主波束中的車(chē)輛回波信號(hào)會(huì)污染空時(shí)自適應(yīng)處理(STAP)的訓(xùn)練樣本，導(dǎo)致空時(shí)自適應(yīng)處理時(shí)的目標(biāo)自相消，引起漏警。針對(duì)這一問(wèn)題，該文提出一種基于道路信息的知識(shí)輔助(KA)空時(shí)自適應(yīng)處理方法。該方法首先根據(jù)主波束中道路相對(duì)于雷達(dá)的位置估計(jì)道路上車(chē)輛相對(duì)于雷達(dá)的徑向速度，然后得到可能含有主波束車(chē)輛回波信號(hào)的距離-多普勒單元，接著根據(jù)訓(xùn)練樣本與雜波導(dǎo)向矢量和主波束導(dǎo)向矢量的匹配程度判斷這些訓(xùn)練樣本是否包含主波束車(chē)輛回波信號(hào)，最后在進(jìn)行空時(shí)自適應(yīng)處理估計(jì)雜波協(xié)方差矩陣時(shí)剔除被主波束車(chē)輛回波信號(hào)污染的訓(xùn)練樣本。理論分析及實(shí)驗(yàn)結(jié)果表明該方法可以提高道路密集環(huán)境中空時(shí)自適應(yīng)處理的信雜噪比輸出，改善空時(shí)自適應(yīng)處理雷達(dá)的性能。
2015, 37(3): 619-624.
doi: 10.11999/JEIT140678
摘要:
為了提高海洋探測(cè)精度和范圍，針對(duì)高頻地波雷達(dá)(HFSWR)和自動(dòng)識(shí)別系統(tǒng)(AIS)目標(biāo)點(diǎn)跡的融合利用問(wèn)題，該文提出一種基于JVC(Jonker-Volgenant-Castanon)的點(diǎn)跡分狀態(tài)全局最優(yōu)關(guān)聯(lián)算法。首先，通過(guò)判斷高頻地波雷達(dá)和AIS點(diǎn)跡的徑向速度，將點(diǎn)跡分為準(zhǔn)靜態(tài)目標(biāo)和動(dòng)態(tài)目標(biāo)。接著，選取徑向速度和點(diǎn)跡間的球面距離為特征參數(shù)，對(duì)不同狀態(tài)下目標(biāo)點(diǎn)跡分別進(jìn)行徑向速度和位置間球面距離粗關(guān)聯(lián)。最后，使用相對(duì)距離比的平均值進(jìn)行關(guān)聯(lián)效果的評(píng)價(jià)，通過(guò)選擇合適的關(guān)聯(lián)門(mén)限參數(shù)，使用JVC算法實(shí)現(xiàn)高頻地波雷達(dá)和AIS的點(diǎn)跡最優(yōu)關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明：該算法在關(guān)聯(lián)相同點(diǎn)跡對(duì)數(shù)的情況下，關(guān)聯(lián)精度高于最近鄰(NN)算法和Munkres關(guān)聯(lián)法，關(guān)聯(lián)用時(shí)少于最近鄰算法和Munkres關(guān)聯(lián)法。通過(guò)近3年內(nèi)3組不同時(shí)刻實(shí)測(cè)目標(biāo)點(diǎn)跡的驗(yàn)證，該算法可以滿(mǎn)足關(guān)聯(lián)的實(shí)用性和實(shí)時(shí)性要求。
為了提高海洋探測(cè)精度和范圍，針對(duì)高頻地波雷達(dá)(HFSWR)和自動(dòng)識(shí)別系統(tǒng)(AIS)目標(biāo)點(diǎn)跡的融合利用問(wèn)題，該文提出一種基于JVC(Jonker-Volgenant-Castanon)的點(diǎn)跡分狀態(tài)全局最優(yōu)關(guān)聯(lián)算法。首先，通過(guò)判斷高頻地波雷達(dá)和AIS點(diǎn)跡的徑向速度，將點(diǎn)跡分為準(zhǔn)靜態(tài)目標(biāo)和動(dòng)態(tài)目標(biāo)。接著，選取徑向速度和點(diǎn)跡間的球面距離為特征參數(shù)，對(duì)不同狀態(tài)下目標(biāo)點(diǎn)跡分別進(jìn)行徑向速度和位置間球面距離粗關(guān)聯(lián)。最后，使用相對(duì)距離比的平均值進(jìn)行關(guān)聯(lián)效果的評(píng)價(jià)，通過(guò)選擇合適的關(guān)聯(lián)門(mén)限參數(shù)，使用JVC算法實(shí)現(xiàn)高頻地波雷達(dá)和AIS的點(diǎn)跡最優(yōu)關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明：該算法在關(guān)聯(lián)相同點(diǎn)跡對(duì)數(shù)的情況下，關(guān)聯(lián)精度高于最近鄰(NN)算法和Munkres關(guān)聯(lián)法，關(guān)聯(lián)用時(shí)少于最近鄰算法和Munkres關(guān)聯(lián)法。通過(guò)近3年內(nèi)3組不同時(shí)刻實(shí)測(cè)目標(biāo)點(diǎn)跡的驗(yàn)證，該算法可以滿(mǎn)足關(guān)聯(lián)的實(shí)用性和實(shí)時(shí)性要求。
2015, 37(3): 625-630.
doi: 10.11999/JEIT140584
摘要:
該文研究了一種基于壓縮多信號(hào)分類(lèi)算法的森林區(qū)域極化SAR層析成像方法。其具體步驟包括：全極化的SAR接收成像區(qū)域的反射回波，利用各極化通道的信號(hào)建立多觀測(cè)向量模型；應(yīng)用小波基對(duì)高程向結(jié)構(gòu)進(jìn)行稀疏表示，采用壓縮多信號(hào)分類(lèi)算法對(duì)觀測(cè)區(qū)域的高程向后向散射系數(shù)進(jìn)行重建，實(shí)現(xiàn)對(duì)森林區(qū)域?qū)游龀上?。最后，通過(guò)仿真實(shí)驗(yàn)、PolSARpro仿真數(shù)據(jù)和德宇航E-SAR的P-波段數(shù)據(jù)驗(yàn)證了該方法在同等測(cè)量精度的要求下可以有效減少SAR層析成像所需的航過(guò)數(shù)，同時(shí)降低了虛假目標(biāo)的出現(xiàn)概率。
該文研究了一種基于壓縮多信號(hào)分類(lèi)算法的森林區(qū)域極化SAR層析成像方法。其具體步驟包括：全極化的SAR接收成像區(qū)域的反射回波，利用各極化通道的信號(hào)建立多觀測(cè)向量模型；應(yīng)用小波基對(duì)高程向結(jié)構(gòu)進(jìn)行稀疏表示，采用壓縮多信號(hào)分類(lèi)算法對(duì)觀測(cè)區(qū)域的高程向后向散射系數(shù)進(jìn)行重建，實(shí)現(xiàn)對(duì)森林區(qū)域?qū)游龀上?。最后，通過(guò)仿真實(shí)驗(yàn)、PolSARpro仿真數(shù)據(jù)和德宇航E-SAR的P-波段數(shù)據(jù)驗(yàn)證了該方法在同等測(cè)量精度的要求下可以有效減少SAR層析成像所需的航過(guò)數(shù)，同時(shí)降低了虛假目標(biāo)的出現(xiàn)概率。
2015, 37(3): 631-636.
doi: 10.11999/JEIT140697
摘要:
針對(duì)機(jī)載氣象雷達(dá)在探測(cè)低空風(fēng)切變時(shí)，有用信號(hào)會(huì)淹沒(méi)在強(qiáng)雜波背景中的問(wèn)題，該文提出一種基于空時(shí)自適應(yīng)處理(STAP)的低空風(fēng)切變風(fēng)速估計(jì)方法。該方法首先利用空時(shí)插值原理校正機(jī)載前視陣地雜波的距離依賴(lài)性，獲得多個(gè)獨(dú)立同分布(IID)樣本后估計(jì)地雜波協(xié)方差矩陣，然后構(gòu)造適用于分布式低空風(fēng)切變目標(biāo)的空時(shí)自適應(yīng)處理器，在自適應(yīng)抑制地雜波的同時(shí)積累低空風(fēng)切變信號(hào)，最終實(shí)現(xiàn)風(fēng)場(chǎng)速度的精確估計(jì)。仿真結(jié)果表明，在高雜噪比、低信噪比的情況下，該方法可有效地自適應(yīng)抑制地雜波并精確地估計(jì)風(fēng)場(chǎng)速度。
針對(duì)機(jī)載氣象雷達(dá)在探測(cè)低空風(fēng)切變時(shí)，有用信號(hào)會(huì)淹沒(méi)在強(qiáng)雜波背景中的問(wèn)題，該文提出一種基于空時(shí)自適應(yīng)處理(STAP)的低空風(fēng)切變風(fēng)速估計(jì)方法。該方法首先利用空時(shí)插值原理校正機(jī)載前視陣地雜波的距離依賴(lài)性，獲得多個(gè)獨(dú)立同分布(IID)樣本后估計(jì)地雜波協(xié)方差矩陣，然后構(gòu)造適用于分布式低空風(fēng)切變目標(biāo)的空時(shí)自適應(yīng)處理器，在自適應(yīng)抑制地雜波的同時(shí)積累低空風(fēng)切變信號(hào)，最終實(shí)現(xiàn)風(fēng)場(chǎng)速度的精確估計(jì)。仿真結(jié)果表明，在高雜噪比、低信噪比的情況下，該方法可有效地自適應(yīng)抑制地雜波并精確地估計(jì)風(fēng)場(chǎng)速度。
2015, 37(3): 637-642.
doi: 10.11999/JEIT140824
摘要:
該文基于常規(guī)二進(jìn)制偏移載波(BOC)調(diào)制體制的數(shù)學(xué)模型，提出一種新型的基于掃頻二進(jìn)制偏移載波調(diào)制(FC-BOC)的偽碼擴(kuò)頻體制。在這種調(diào)制體制中，BOC調(diào)制體制數(shù)學(xué)模型中的固定頻率二進(jìn)制偏移載波被改進(jìn)為線性掃頻二進(jìn)制偏移載波，使之不僅繼承了BOC信號(hào)的性質(zhì)，還具有更加獨(dú)特的性質(zhì)。仿真研究和算法實(shí)驗(yàn)表明：FC-BOC調(diào)制體制保留了BOC調(diào)制體制的主要優(yōu)點(diǎn)，特別是具有狹窄的主相關(guān)峰和出色的副峰抑制特征而避免了多相關(guān)峰模糊性，功率譜密度函數(shù)呈現(xiàn)類(lèi)似帶通白噪聲功率譜密度函數(shù)的形態(tài)。FC-BOC調(diào)制體制信號(hào)生成算法、接收算法的結(jié)構(gòu)與常規(guī)BOC調(diào)制體制類(lèi)似，算法復(fù)雜度相當(dāng)于常規(guī)BOC調(diào)制體制，適合純數(shù)字編程設(shè)計(jì)實(shí)現(xiàn)。
該文基于常規(guī)二進(jìn)制偏移載波(BOC)調(diào)制體制的數(shù)學(xué)模型，提出一種新型的基于掃頻二進(jìn)制偏移載波調(diào)制(FC-BOC)的偽碼擴(kuò)頻體制。在這種調(diào)制體制中，BOC調(diào)制體制數(shù)學(xué)模型中的固定頻率二進(jìn)制偏移載波被改進(jìn)為線性掃頻二進(jìn)制偏移載波，使之不僅繼承了BOC信號(hào)的性質(zhì)，還具有更加獨(dú)特的性質(zhì)。仿真研究和算法實(shí)驗(yàn)表明：FC-BOC調(diào)制體制保留了BOC調(diào)制體制的主要優(yōu)點(diǎn)，特別是具有狹窄的主相關(guān)峰和出色的副峰抑制特征而避免了多相關(guān)峰模糊性，功率譜密度函數(shù)呈現(xiàn)類(lèi)似帶通白噪聲功率譜密度函數(shù)的形態(tài)。FC-BOC調(diào)制體制信號(hào)生成算法、接收算法的結(jié)構(gòu)與常規(guī)BOC調(diào)制體制類(lèi)似，算法復(fù)雜度相當(dāng)于常規(guī)BOC調(diào)制體制，適合純數(shù)字編程設(shè)計(jì)實(shí)現(xiàn)。
2015, 37(3): 643-650.
doi: 10.11999/JEIT140575
摘要:
針對(duì)脈沖雷達(dá)相位測(cè)距技術(shù)在相位解模糊和測(cè)量機(jī)理方面存在的局限性，該文提出一種基于分布式雷達(dá)的3維測(cè)距機(jī)制，建立分布式雷達(dá)3維測(cè)距信號(hào)模型。利用天線空間布局引起的序列相位差代替常規(guī)由序列脈沖累積引起的相位差，結(jié)合微波3維成像處理的基本原理，通過(guò)相干積累實(shí)現(xiàn)空中觀測(cè)目標(biāo)的3維測(cè)量和軌跡測(cè)量，并利用觀測(cè)區(qū)域的目標(biāo)空間稀疏分布特性，給出一種基于CLEAN的寬帶脈沖雷達(dá)高精度3維測(cè)距方法。仿真驗(yàn)證和分析結(jié)果表明，該文設(shè)計(jì)的分布式雷達(dá)3維測(cè)距機(jī)制和方法不僅較好地避免了高動(dòng)態(tài)遠(yuǎn)距離測(cè)量環(huán)境中的相位解模糊問(wèn)題，而且還能快速獲取觀測(cè)目標(biāo)的序列3維圖像和位置信息，有效避免了傳統(tǒng)單站脈沖相位測(cè)量體制只能實(shí)現(xiàn)1維測(cè)距的能力，為雷達(dá)測(cè)距應(yīng)用提供一種新的方法與技術(shù)支撐。
針對(duì)脈沖雷達(dá)相位測(cè)距技術(shù)在相位解模糊和測(cè)量機(jī)理方面存在的局限性，該文提出一種基于分布式雷達(dá)的3維測(cè)距機(jī)制，建立分布式雷達(dá)3維測(cè)距信號(hào)模型。利用天線空間布局引起的序列相位差代替常規(guī)由序列脈沖累積引起的相位差，結(jié)合微波3維成像處理的基本原理，通過(guò)相干積累實(shí)現(xiàn)空中觀測(cè)目標(biāo)的3維測(cè)量和軌跡測(cè)量，并利用觀測(cè)區(qū)域的目標(biāo)空間稀疏分布特性，給出一種基于CLEAN的寬帶脈沖雷達(dá)高精度3維測(cè)距方法。仿真驗(yàn)證和分析結(jié)果表明，該文設(shè)計(jì)的分布式雷達(dá)3維測(cè)距機(jī)制和方法不僅較好地避免了高動(dòng)態(tài)遠(yuǎn)距離測(cè)量環(huán)境中的相位解模糊問(wèn)題，而且還能快速獲取觀測(cè)目標(biāo)的序列3維圖像和位置信息，有效避免了傳統(tǒng)單站脈沖相位測(cè)量體制只能實(shí)現(xiàn)1維測(cè)距的能力，為雷達(dá)測(cè)距應(yīng)用提供一種新的方法與技術(shù)支撐。
2015, 37(3): 651-657.
doi: 10.11999/JEIT140466
摘要:
針對(duì)多站無(wú)源雷達(dá)背景下多起伏目標(biāo)同時(shí)檢測(cè)和跟蹤的問(wèn)題，該文提出一種基于多目標(biāo)多伯努利(MeMBer)濾波器的多起伏目標(biāo)檢測(cè)前跟蹤(TBD)算法。由于起伏目標(biāo)的平均信噪比(SNR)未知使得目標(biāo)的回波幅度似然函數(shù)不確定，該文假定包絡(luò)檢波器的輸出平均SNR服從先驗(yàn)的均勻分布，并對(duì)可能取值區(qū)間進(jìn)行邊緣化處理，得到一個(gè)估計(jì)的似然函數(shù)，基于該估計(jì)的似然函數(shù)，融合中心利用所有收發(fā)對(duì)的幅度觀測(cè)信息對(duì)MeMBer濾波器的各個(gè)預(yù)測(cè)分量進(jìn)行更新。仿真結(jié)果表明，該算法能夠有效地同時(shí)檢測(cè)和跟蹤多起伏目標(biāo)，并且在平均SNR大于9 dB時(shí)，其性能與平均SNR已知情況下的性能近似。
針對(duì)多站無(wú)源雷達(dá)背景下多起伏目標(biāo)同時(shí)檢測(cè)和跟蹤的問(wèn)題，該文提出一種基于多目標(biāo)多伯努利(MeMBer)濾波器的多起伏目標(biāo)檢測(cè)前跟蹤(TBD)算法。由于起伏目標(biāo)的平均信噪比(SNR)未知使得目標(biāo)的回波幅度似然函數(shù)不確定，該文假定包絡(luò)檢波器的輸出平均SNR服從先驗(yàn)的均勻分布，并對(duì)可能取值區(qū)間進(jìn)行邊緣化處理，得到一個(gè)估計(jì)的似然函數(shù)，基于該估計(jì)的似然函數(shù)，融合中心利用所有收發(fā)對(duì)的幅度觀測(cè)信息對(duì)MeMBer濾波器的各個(gè)預(yù)測(cè)分量進(jìn)行更新。仿真結(jié)果表明，該算法能夠有效地同時(shí)檢測(cè)和跟蹤多起伏目標(biāo)，并且在平均SNR大于9 dB時(shí)，其性能與平均SNR已知情況下的性能近似。
2015, 37(3): 658-664.
doi: 10.11999/JEIT140679
摘要:
密集欺騙式干擾不僅會(huì)引起大量虛警，還會(huì)抬高恒虛警檢測(cè)器的門(mén)限，導(dǎo)致機(jī)載雷達(dá)的動(dòng)目標(biāo)檢測(cè)性能?chē)?yán)重下降。針對(duì)此問(wèn)題，該文提出一種基于數(shù)據(jù)擬合的機(jī)載雷達(dá)抗密集欺騙式干擾的動(dòng)目標(biāo)檢測(cè)算法。該算法選取待檢測(cè)單元附近的數(shù)據(jù)樣本構(gòu)造基矩陣，對(duì)待處理數(shù)據(jù)進(jìn)行最小二乘擬合；同時(shí)，對(duì)擬合系數(shù)的邊界進(jìn)行自適應(yīng)約束以保護(hù)可能存在的目標(biāo)信號(hào)。該算法可以有效濾除密集欺騙式干擾，消除其帶來(lái)的虛警，能夠顯著改善機(jī)載雷達(dá)的動(dòng)目標(biāo)檢測(cè)性能。基于實(shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
密集欺騙式干擾不僅會(huì)引起大量虛警，還會(huì)抬高恒虛警檢測(cè)器的門(mén)限，導(dǎo)致機(jī)載雷達(dá)的動(dòng)目標(biāo)檢測(cè)性能?chē)?yán)重下降。針對(duì)此問(wèn)題，該文提出一種基于數(shù)據(jù)擬合的機(jī)載雷達(dá)抗密集欺騙式干擾的動(dòng)目標(biāo)檢測(cè)算法。該算法選取待檢測(cè)單元附近的數(shù)據(jù)樣本構(gòu)造基矩陣，對(duì)待處理數(shù)據(jù)進(jìn)行最小二乘擬合；同時(shí)，對(duì)擬合系數(shù)的邊界進(jìn)行自適應(yīng)約束以保護(hù)可能存在的目標(biāo)信號(hào)。該算法可以有效濾除密集欺騙式干擾，消除其帶來(lái)的虛警，能夠顯著改善機(jī)載雷達(dá)的動(dòng)目標(biāo)檢測(cè)性能。基于實(shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法的有效性。
2015, 37(3): 665-671.
doi: 10.11999/JEIT140672
摘要:
該文提出一種利用地球同步軌道(GEO)通信衛(wèi)星信號(hào)轉(zhuǎn)發(fā)實(shí)現(xiàn)衛(wèi)星導(dǎo)航信號(hào)增強(qiáng)的方法。在信號(hào)發(fā)射端，利用衛(wèi)星導(dǎo)航信號(hào)直接序列擴(kuò)頻(DSSS)的低功率信號(hào)特性，在滿(mǎn)足一定通信信號(hào)誤碼率(BER)要求的前提下，將導(dǎo)航中心產(chǎn)生的功率受控弱衛(wèi)星導(dǎo)航增強(qiáng)信號(hào)在所選GEO衛(wèi)星通信頻段上進(jìn)行載波調(diào)制與轉(zhuǎn)發(fā)。而在接收端，利用頻移(FRESH)濾波器以及一定的自適應(yīng)信號(hào)抵消算法，可有效去除強(qiáng)通信信號(hào)的干擾并分離出弱衛(wèi)星導(dǎo)航增強(qiáng)信號(hào)。仿真結(jié)果表明，對(duì)于分離出的弱衛(wèi)星導(dǎo)航增強(qiáng)信號(hào)，在其對(duì)應(yīng)的功率控制范圍內(nèi)可具有較好的跟蹤與捕獲性能，由此也驗(yàn)證了所提方法的有效性。
該文提出一種利用地球同步軌道(GEO)通信衛(wèi)星信號(hào)轉(zhuǎn)發(fā)實(shí)現(xiàn)衛(wèi)星導(dǎo)航信號(hào)增強(qiáng)的方法。在信號(hào)發(fā)射端，利用衛(wèi)星導(dǎo)航信號(hào)直接序列擴(kuò)頻(DSSS)的低功率信號(hào)特性，在滿(mǎn)足一定通信信號(hào)誤碼率(BER)要求的前提下，將導(dǎo)航中心產(chǎn)生的功率受控弱衛(wèi)星導(dǎo)航增強(qiáng)信號(hào)在所選GEO衛(wèi)星通信頻段上進(jìn)行載波調(diào)制與轉(zhuǎn)發(fā)。而在接收端，利用頻移(FRESH)濾波器以及一定的自適應(yīng)信號(hào)抵消算法，可有效去除強(qiáng)通信信號(hào)的干擾并分離出弱衛(wèi)星導(dǎo)航增強(qiáng)信號(hào)。仿真結(jié)果表明，對(duì)于分離出的弱衛(wèi)星導(dǎo)航增強(qiáng)信號(hào)，在其對(duì)應(yīng)的功率控制范圍內(nèi)可具有較好的跟蹤與捕獲性能，由此也驗(yàn)證了所提方法的有效性。
2015, 37(3): 672-678.
doi: 10.11999/JEIT140371
摘要:
現(xiàn)有的多目標(biāo)進(jìn)化聚類(lèi)算法應(yīng)用于圖像分割時(shí)，沒(méi)有考慮圖像的任何空間信息，使得該類(lèi)算法在含噪圖像上的分割性能不理想。該文鑒于圖像的局部空間信息和非局部空間信息的互補(bǔ)性，試圖將這兩種空間信息同時(shí)引入到聚類(lèi)有效性函數(shù)中，構(gòu)造了融合互補(bǔ)空間信息的目標(biāo)函數(shù)，進(jìn)而提出了應(yīng)用于圖像分割的基于互補(bǔ)空間信息的多目標(biāo)進(jìn)化聚類(lèi)算法。該算法采用染色體可變長(zhǎng)編碼策略在進(jìn)化過(guò)程中自動(dòng)確定圖像分割數(shù)目，減少了人為干預(yù)。自然圖像的分割實(shí)驗(yàn)表明，該算法不但能在含噪圖像上取得較為滿(mǎn)意的分割性能，而且適用于多種類(lèi)型的含噪圖像。
現(xiàn)有的多目標(biāo)進(jìn)化聚類(lèi)算法應(yīng)用于圖像分割時(shí)，沒(méi)有考慮圖像的任何空間信息，使得該類(lèi)算法在含噪圖像上的分割性能不理想。該文鑒于圖像的局部空間信息和非局部空間信息的互補(bǔ)性，試圖將這兩種空間信息同時(shí)引入到聚類(lèi)有效性函數(shù)中，構(gòu)造了融合互補(bǔ)空間信息的目標(biāo)函數(shù)，進(jìn)而提出了應(yīng)用于圖像分割的基于互補(bǔ)空間信息的多目標(biāo)進(jìn)化聚類(lèi)算法。該算法采用染色體可變長(zhǎng)編碼策略在進(jìn)化過(guò)程中自動(dòng)確定圖像分割數(shù)目，減少了人為干預(yù)。自然圖像的分割實(shí)驗(yàn)表明，該算法不但能在含噪圖像上取得較為滿(mǎn)意的分割性能，而且適用于多種類(lèi)型的含噪圖像。
2015, 37(3): 679-685.
doi: 10.11999/JEIT140437
摘要:
針對(duì)信息物理融合系統(tǒng)(CPS)感知層數(shù)據(jù)的不確定性與隨機(jī)性，該文提出一種CPS中感知數(shù)據(jù)的可信性分析框架。摒棄以往以傳感器為中心的建模思路，該文充分考慮被監(jiān)測(cè)對(duì)象因素，建立傳感器-目標(biāo)關(guān)聯(lián)圖模型，以此為基礎(chǔ)設(shè)計(jì)了傳感數(shù)據(jù)可信性推理算法。同時(shí)，為提高算法的實(shí)時(shí)性，減少傳感器-目標(biāo)關(guān)聯(lián)圖的搜索空間與時(shí)間，設(shè)計(jì)了基于可信目標(biāo)篩選的改進(jìn)推理算法。通過(guò)實(shí)例驗(yàn)證表明，該算法能實(shí)時(shí)、有效地濾掉CPS中感知數(shù)據(jù)中的虛假信息，極大提高感知數(shù)據(jù)的可信性。
針對(duì)信息物理融合系統(tǒng)(CPS)感知層數(shù)據(jù)的不確定性與隨機(jī)性，該文提出一種CPS中感知數(shù)據(jù)的可信性分析框架。摒棄以往以傳感器為中心的建模思路，該文充分考慮被監(jiān)測(cè)對(duì)象因素，建立傳感器-目標(biāo)關(guān)聯(lián)圖模型，以此為基礎(chǔ)設(shè)計(jì)了傳感數(shù)據(jù)可信性推理算法。同時(shí)，為提高算法的實(shí)時(shí)性，減少傳感器-目標(biāo)關(guān)聯(lián)圖的搜索空間與時(shí)間，設(shè)計(jì)了基于可信目標(biāo)篩選的改進(jìn)推理算法。通過(guò)實(shí)例驗(yàn)證表明，該算法能實(shí)時(shí)、有效地濾掉CPS中感知數(shù)據(jù)中的虛假信息，極大提高感知數(shù)據(jù)的可信性。
2015, 37(3): 686-692.
doi: 10.11999/JEIT140491
摘要:
通過(guò)研究以Xen為代表的虛擬工具中資源調(diào)度算法，得知它們無(wú)法保證虛擬路由器中資源共享的公平性。該文提出一種基于歷史轉(zhuǎn)發(fā)開(kāi)銷(xiāo)的資源調(diào)度算法，用來(lái)確保路由器實(shí)例占用資源的公平性，尤其物理平臺(tái)的輸入/輸出(I/O)資源。該算法通過(guò)統(tǒng)計(jì)路由器實(shí)例最近的報(bào)文轉(zhuǎn)發(fā)開(kāi)銷(xiāo)來(lái)計(jì)算出路由器實(shí)例調(diào)度的優(yōu)先級(jí)，確保平均吞吐量較低的路由器實(shí)例獲得被調(diào)度的機(jī)會(huì)。同時(shí)，該算法通過(guò)設(shè)置優(yōu)先級(jí)計(jì)算公式中處理延遲的值，達(dá)到對(duì)延遲敏感強(qiáng)的路由器實(shí)例的支持，以及通過(guò)預(yù)測(cè)報(bào)文處理時(shí)間決定待處理報(bào)文是否丟棄，避免不必要的系統(tǒng)開(kāi)銷(xiāo)。通過(guò)實(shí)驗(yàn)測(cè)試，相對(duì)于Credit算法，該文算法在確保虛擬路由器資源共享的公平性方面存在明顯優(yōu)勢(shì)，并且能為延遲敏感的路由器實(shí)例提供支持。
通過(guò)研究以Xen為代表的虛擬工具中資源調(diào)度算法，得知它們無(wú)法保證虛擬路由器中資源共享的公平性。該文提出一種基于歷史轉(zhuǎn)發(fā)開(kāi)銷(xiāo)的資源調(diào)度算法，用來(lái)確保路由器實(shí)例占用資源的公平性，尤其物理平臺(tái)的輸入/輸出(I/O)資源。該算法通過(guò)統(tǒng)計(jì)路由器實(shí)例最近的報(bào)文轉(zhuǎn)發(fā)開(kāi)銷(xiāo)來(lái)計(jì)算出路由器實(shí)例調(diào)度的優(yōu)先級(jí)，確保平均吞吐量較低的路由器實(shí)例獲得被調(diào)度的機(jī)會(huì)。同時(shí)，該算法通過(guò)設(shè)置優(yōu)先級(jí)計(jì)算公式中處理延遲的值，達(dá)到對(duì)延遲敏感強(qiáng)的路由器實(shí)例的支持，以及通過(guò)預(yù)測(cè)報(bào)文處理時(shí)間決定待處理報(bào)文是否丟棄，避免不必要的系統(tǒng)開(kāi)銷(xiāo)。通過(guò)實(shí)驗(yàn)測(cè)試，相對(duì)于Credit算法，該文算法在確保虛擬路由器資源共享的公平性方面存在明顯優(yōu)勢(shì)，并且能為延遲敏感的路由器實(shí)例提供支持。
2015, 37(3): 693-699.
doi: 10.11999/JEIT140557
摘要:
交換超立方體互連網(wǎng)絡(luò)作為大規(guī)模處理器系統(tǒng)網(wǎng)絡(luò)模型的重要候選之一，其可靠性問(wèn)題一直為人們所關(guān)注。該文利用額外連通度作為評(píng)價(jià)可靠性的重要度量，對(duì)交換超立方體互連網(wǎng)絡(luò)的可靠性進(jìn)行分析，得到了交換超立方體網(wǎng)絡(luò)的2-額外點(diǎn)連通度(k2(EH(s, t)))和2-額外邊連通度(2(EH(s, t)))，證明了當(dāng)ts2時(shí)，(k2(EH(s, t))=3s-2；當(dāng)ts3時(shí)，2(EH(s, t))=3s-1。分析說(shuō)明了對(duì)交換超立方體互連網(wǎng)絡(luò)的可靠性評(píng)價(jià)時(shí)，2-額外連通度較之傳統(tǒng)連通度更具有優(yōu)勢(shì)性。
交換超立方體互連網(wǎng)絡(luò)作為大規(guī)模處理器系統(tǒng)網(wǎng)絡(luò)模型的重要候選之一，其可靠性問(wèn)題一直為人們所關(guān)注。該文利用額外連通度作為評(píng)價(jià)可靠性的重要度量，對(duì)交換超立方體互連網(wǎng)絡(luò)的可靠性進(jìn)行分析，得到了交換超立方體網(wǎng)絡(luò)的2-額外點(diǎn)連通度(k2(EH(s, t)))和2-額外邊連通度(2(EH(s, t)))，證明了當(dāng)ts2時(shí)，(k2(EH(s, t))=3s-2；當(dāng)ts3時(shí)，2(EH(s, t))=3s-1。分析說(shuō)明了對(duì)交換超立方體互連網(wǎng)絡(luò)的可靠性評(píng)價(jià)時(shí)，2-額外連通度較之傳統(tǒng)連通度更具有優(yōu)勢(shì)性。
2015, 37(3): 700-707.
doi: 10.11999/JEIT140527
摘要:
針對(duì)內(nèi)容中心網(wǎng)絡(luò)(CCN)節(jié)點(diǎn)暫態(tài)緩存的高效利用問(wèn)題，將數(shù)據(jù)場(chǎng)的思想引入到CCN轉(zhuǎn)發(fā)決策中，該文提出一種基于差異化緩存通告的混合路由機(jī)制。緩存通告時(shí)，依據(jù)內(nèi)容活躍等級(jí)和緩存駐留概率，執(zhí)行差異化的內(nèi)容通告和勢(shì)能輻射；路由查找時(shí)，針對(duì)持久穩(wěn)定的內(nèi)容源和動(dòng)態(tài)可變的臨時(shí)緩存副本，分別構(gòu)建全局導(dǎo)向和局域吸引勢(shì)能輻射場(chǎng)，實(shí)現(xiàn)興趣包請(qǐng)求的全局路由和局部就近應(yīng)答。仿真結(jié)果表明，該機(jī)制減小了內(nèi)容請(qǐng)求時(shí)延，提高了緩存命中率，以少量額外的開(kāi)銷(xiāo)提升了CCN網(wǎng)絡(luò)整體的內(nèi)容分發(fā)性能。
針對(duì)內(nèi)容中心網(wǎng)絡(luò)(CCN)節(jié)點(diǎn)暫態(tài)緩存的高效利用問(wèn)題，將數(shù)據(jù)場(chǎng)的思想引入到CCN轉(zhuǎn)發(fā)決策中，該文提出一種基于差異化緩存通告的混合路由機(jī)制。緩存通告時(shí)，依據(jù)內(nèi)容活躍等級(jí)和緩存駐留概率，執(zhí)行差異化的內(nèi)容通告和勢(shì)能輻射；路由查找時(shí)，針對(duì)持久穩(wěn)定的內(nèi)容源和動(dòng)態(tài)可變的臨時(shí)緩存副本，分別構(gòu)建全局導(dǎo)向和局域吸引勢(shì)能輻射場(chǎng)，實(shí)現(xiàn)興趣包請(qǐng)求的全局路由和局部就近應(yīng)答。仿真結(jié)果表明，該機(jī)制減小了內(nèi)容請(qǐng)求時(shí)延，提高了緩存命中率，以少量額外的開(kāi)銷(xiāo)提升了CCN網(wǎng)絡(luò)整體的內(nèi)容分發(fā)性能。
2015, 37(3): 708-714.
doi: 10.11999/JEIT140408
摘要:
針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中分散在各節(jié)點(diǎn)上的訓(xùn)練數(shù)據(jù)傳輸?shù)綌?shù)據(jù)融合中心集中訓(xùn)練支持向量機(jī)(Support Vector Machine, SVM)時(shí)存在的高通信代價(jià)和高能量消耗問(wèn)題，該文研究了僅依靠相鄰節(jié)點(diǎn)間的相互協(xié)作，在網(wǎng)內(nèi)分布式協(xié)同訓(xùn)練線性SVM的方法。首先，在各節(jié)點(diǎn)分類(lèi)器決策變量與集中式分類(lèi)器決策變量相一致的約束下，對(duì)集中式SVM訓(xùn)練問(wèn)題進(jìn)行等價(jià)分解，然后利用增廣拉格朗日乘子法，對(duì)分解后的SVM問(wèn)題進(jìn)行求解和推導(dǎo)，進(jìn)而提出基于全局平均一致性的線性SVM分布式訓(xùn)練算法(Average Consensus based Distributed Supported Vector Machine, AC-DSVM)；為了降低AC-DSVM算法中全局平均一致性的通信開(kāi)銷(xiāo)，利用相鄰節(jié)點(diǎn)間的局部平均一致性近似全局平均一致性，提出基于一次全局平均一致性的線性SVM分布式訓(xùn)練算法(Once Average Consensus based Distributed Supported Vector Machine, 1-AC-DSVM)。仿真實(shí)驗(yàn)結(jié)果表明，與已有算法相比，AC-DSVM算法的迭代次數(shù)和數(shù)據(jù)傳輸量略高，但其能夠完全收斂到集中式訓(xùn)練結(jié)果；1-AC-DSVM算法具有較好的收斂性，而且在收斂速度和數(shù)據(jù)傳輸量上也表現(xiàn)出顯著優(yōu)勢(shì)。
針對(duì)無(wú)線傳感器網(wǎng)絡(luò)中分散在各節(jié)點(diǎn)上的訓(xùn)練數(shù)據(jù)傳輸?shù)綌?shù)據(jù)融合中心集中訓(xùn)練支持向量機(jī)(Support Vector Machine, SVM)時(shí)存在的高通信代價(jià)和高能量消耗問(wèn)題，該文研究了僅依靠相鄰節(jié)點(diǎn)間的相互協(xié)作，在網(wǎng)內(nèi)分布式協(xié)同訓(xùn)練線性SVM的方法。首先，在各節(jié)點(diǎn)分類(lèi)器決策變量與集中式分類(lèi)器決策變量相一致的約束下，對(duì)集中式SVM訓(xùn)練問(wèn)題進(jìn)行等價(jià)分解，然后利用增廣拉格朗日乘子法，對(duì)分解后的SVM問(wèn)題進(jìn)行求解和推導(dǎo)，進(jìn)而提出基于全局平均一致性的線性SVM分布式訓(xùn)練算法(Average Consensus based Distributed Supported Vector Machine, AC-DSVM)；為了降低AC-DSVM算法中全局平均一致性的通信開(kāi)銷(xiāo)，利用相鄰節(jié)點(diǎn)間的局部平均一致性近似全局平均一致性，提出基于一次全局平均一致性的線性SVM分布式訓(xùn)練算法(Once Average Consensus based Distributed Supported Vector Machine, 1-AC-DSVM)。仿真實(shí)驗(yàn)結(jié)果表明，與已有算法相比，AC-DSVM算法的迭代次數(shù)和數(shù)據(jù)傳輸量略高，但其能夠完全收斂到集中式訓(xùn)練結(jié)果；1-AC-DSVM算法具有較好的收斂性，而且在收斂速度和數(shù)據(jù)傳輸量上也表現(xiàn)出顯著優(yōu)勢(shì)。
2015, 37(3): 715-720.
doi: 10.11999/JEIT140704
摘要:
針對(duì)容量有限的透明IP over WDM網(wǎng)絡(luò)模型，該文提出一種基于路徑的整數(shù)線性規(guī)劃(ILP)方法來(lái)優(yōu)化網(wǎng)絡(luò)的能耗。相對(duì)基于連接的整數(shù)線性規(guī)劃方法，該方法可以在光層提供更多的路徑選擇組合。仿真結(jié)果顯示，基于路徑的整數(shù)線性規(guī)劃方法能夠通過(guò)選擇更優(yōu)的光路組合進(jìn)一步降低網(wǎng)絡(luò)的能耗。
針對(duì)容量有限的透明IP over WDM網(wǎng)絡(luò)模型，該文提出一種基于路徑的整數(shù)線性規(guī)劃(ILP)方法來(lái)優(yōu)化網(wǎng)絡(luò)的能耗。相對(duì)基于連接的整數(shù)線性規(guī)劃方法，該方法可以在光層提供更多的路徑選擇組合。仿真結(jié)果顯示，基于路徑的整數(shù)線性規(guī)劃方法能夠通過(guò)選擇更優(yōu)的光路組合進(jìn)一步降低網(wǎng)絡(luò)的能耗。
2015, 37(3): 721-726.
doi: 10.11999/JEIT140708
摘要:
部分頻帶噪聲干擾(PBNJ)是一種主要的窄帶干擾，它對(duì)通信系統(tǒng)性能的影響十分突出。該文針對(duì)FH/ MFSK系統(tǒng)中，傳統(tǒng)的部分頻帶干擾模型的干擾帶寬最小分辨率是一個(gè)跳頻子帶帶寬(即MFSK信號(hào)的帶寬)，研究了更具有實(shí)際價(jià)值的新的部分頻帶干擾模型，即將干擾帶寬最小分辨率精確到MFSK信號(hào)帶寬的1/M。該文推導(dǎo)了萊斯衰落信道下的誤比特率(BER)公式，給出了其閉合表達(dá)式，并通過(guò)計(jì)算機(jī)仿真驗(yàn)證了理論推導(dǎo)的正確性。理論分析與仿真結(jié)果表明，M,Nh,越小，傳統(tǒng)與新PBNJ模型下FH/MFSK信號(hào)的BER性能差異就越大。
部分頻帶噪聲干擾(PBNJ)是一種主要的窄帶干擾，它對(duì)通信系統(tǒng)性能的影響十分突出。該文針對(duì)FH/ MFSK系統(tǒng)中，傳統(tǒng)的部分頻帶干擾模型的干擾帶寬最小分辨率是一個(gè)跳頻子帶帶寬(即MFSK信號(hào)的帶寬)，研究了更具有實(shí)際價(jià)值的新的部分頻帶干擾模型，即將干擾帶寬最小分辨率精確到MFSK信號(hào)帶寬的1/M。該文推導(dǎo)了萊斯衰落信道下的誤比特率(BER)公式，給出了其閉合表達(dá)式，并通過(guò)計(jì)算機(jī)仿真驗(yàn)證了理論推導(dǎo)的正確性。理論分析與仿真結(jié)果表明，M,Nh,越小，傳統(tǒng)與新PBNJ模型下FH/MFSK信號(hào)的BER性能差異就越大。
2015, 37(3): 727-732.
doi: 10.11999/JEIT140725
摘要:
針對(duì)可見(jiàn)光室內(nèi)定位問(wèn)題，該文基于接收信號(hào)強(qiáng)度(RSS)定位技術(shù)，提出一種利用多個(gè)LED發(fā)射端實(shí)現(xiàn)室內(nèi)定位的方法，即MLED-RSS定位算法。該方法在充分考慮LED拓?fù)浣Y(jié)構(gòu)對(duì)定位性能影響的基礎(chǔ)上，利用部署在室內(nèi)的多個(gè)LED，合理選擇其中3個(gè)LED作為發(fā)射節(jié)點(diǎn)，采用改進(jìn)的三邊定位法獲得定位目標(biāo)位置信息。定位算法可以有效地解決可見(jiàn)光定位存在的遮擋效應(yīng)。仿真實(shí)驗(yàn)表明，MLED-RSS算法可以實(shí)現(xiàn)高定位精度。
針對(duì)可見(jiàn)光室內(nèi)定位問(wèn)題，該文基于接收信號(hào)強(qiáng)度(RSS)定位技術(shù)，提出一種利用多個(gè)LED發(fā)射端實(shí)現(xiàn)室內(nèi)定位的方法，即MLED-RSS定位算法。該方法在充分考慮LED拓?fù)浣Y(jié)構(gòu)對(duì)定位性能影響的基礎(chǔ)上，利用部署在室內(nèi)的多個(gè)LED，合理選擇其中3個(gè)LED作為發(fā)射節(jié)點(diǎn)，采用改進(jìn)的三邊定位法獲得定位目標(biāo)位置信息。定位算法可以有效地解決可見(jiàn)光定位存在的遮擋效應(yīng)。仿真實(shí)驗(yàn)表明，MLED-RSS算法可以實(shí)現(xiàn)高定位精度。
2015, 37(3): 733-738.
doi: 10.11999/JEIT140665
摘要:
現(xiàn)有水聲通信中的多普勒估計(jì)方法一般都假定多徑信道每條路徑的多普勒因子相等，當(dāng)各路徑多普勒因子存在差異時(shí)，該類(lèi)方法往往無(wú)法正確估計(jì)出每徑的多普勒因子，導(dǎo)致補(bǔ)償后的信號(hào)存在較大誤差。為此該文在分析水聲信道稀疏特性的基礎(chǔ)上，提出一種基于稀疏表示理論的非一致多普勒估計(jì)方法。該方法結(jié)合水聲多徑信道與非一致多普勒稀疏特性生成包含信道信息的超完備字典，將每徑的非一致多普勒因子估計(jì)轉(zhuǎn)化為基于超完備字典的稀疏重構(gòu)求解，實(shí)現(xiàn)非一致多普勒因子的準(zhǔn)確估計(jì)。仿真結(jié)果表明，所提方法不僅能估計(jì)出差異較大的非一致多普勒因子，而且對(duì)于大多普勒頻偏的估計(jì)也相當(dāng)有效，特別適合于高速移動(dòng)水聲通信中的多普勒估計(jì)。
現(xiàn)有水聲通信中的多普勒估計(jì)方法一般都假定多徑信道每條路徑的多普勒因子相等，當(dāng)各路徑多普勒因子存在差異時(shí)，該類(lèi)方法往往無(wú)法正確估計(jì)出每徑的多普勒因子，導(dǎo)致補(bǔ)償后的信號(hào)存在較大誤差。為此該文在分析水聲信道稀疏特性的基礎(chǔ)上，提出一種基于稀疏表示理論的非一致多普勒估計(jì)方法。該方法結(jié)合水聲多徑信道與非一致多普勒稀疏特性生成包含信道信息的超完備字典，將每徑的非一致多普勒因子估計(jì)轉(zhuǎn)化為基于超完備字典的稀疏重構(gòu)求解，實(shí)現(xiàn)非一致多普勒因子的準(zhǔn)確估計(jì)。仿真結(jié)果表明，所提方法不僅能估計(jì)出差異較大的非一致多普勒因子，而且對(duì)于大多普勒頻偏的估計(jì)也相當(dāng)有效，特別適合于高速移動(dòng)水聲通信中的多普勒估計(jì)。
2015, 37(3): 739-745.
doi: 10.11999/JEIT140486
摘要:
該文在分析計(jì)算金屬光子晶體的正三角形晶格TE模式的色散特性、全局帶隙分布圖的基礎(chǔ)上，針對(duì)金屬光子晶體結(jié)構(gòu)諧振腔Q值較高的問(wèn)題，對(duì)降低光子晶體諧振腔Q值的方法進(jìn)行了分析和設(shè)計(jì)。采用加載介質(zhì)柱的混合結(jié)構(gòu)和介質(zhì)微擾兩種方法分別對(duì)諧振腔的Q值進(jìn)行有效的控制，并分析了兩種方法對(duì)諧振腔模式選擇性的影響。結(jié)果表明，兩種方法都能在不改變諧振腔模式選擇性和場(chǎng)分布的基礎(chǔ)上有效降低Q值，而介質(zhì)微擾的方法還同時(shí)清除了與TE04競(jìng)爭(zhēng)的兩種雜模，提高了模式選擇性。
該文在分析計(jì)算金屬光子晶體的正三角形晶格TE模式的色散特性、全局帶隙分布圖的基礎(chǔ)上，針對(duì)金屬光子晶體結(jié)構(gòu)諧振腔Q值較高的問(wèn)題，對(duì)降低光子晶體諧振腔Q值的方法進(jìn)行了分析和設(shè)計(jì)。采用加載介質(zhì)柱的混合結(jié)構(gòu)和介質(zhì)微擾兩種方法分別對(duì)諧振腔的Q值進(jìn)行有效的控制，并分析了兩種方法對(duì)諧振腔模式選擇性的影響。結(jié)果表明，兩種方法都能在不改變諧振腔模式選擇性和場(chǎng)分布的基礎(chǔ)上有效降低Q值，而介質(zhì)微擾的方法還同時(shí)清除了與TE04競(jìng)爭(zhēng)的兩種雜模，提高了模式選擇性。
2015, 37(3): 746-752.
doi: 10.11999/JEIT140518
摘要:
為解決現(xiàn)有方法在處理微帶線邊緣電磁場(chǎng)的奇異性時(shí)，存在計(jì)算效率和精度之間的矛盾，該文提出一種在局部1維時(shí)域有限差分法(LOD-FDTD)基礎(chǔ)上，結(jié)合微帶線邊緣電磁場(chǎng)分布函數(shù)，并通過(guò)坐標(biāo)變換可處理導(dǎo)體嵌入網(wǎng)格面積大于1/2時(shí)的情況，因而適用性更廣的微帶線邊緣奇異性處理技術(shù)。與現(xiàn)有奇異性處理技術(shù)對(duì)比證明，該算法在采用的時(shí)間步長(zhǎng)小于等于Courant-Friedrichs-Lewy(CFL)穩(wěn)定性條件所允許最大時(shí)間步長(zhǎng)5倍的情況下，具有更高的計(jì)算精度。且與一般LOD-FDTD算法對(duì)比證明，引入的微帶線邊緣電磁場(chǎng)分布函數(shù)使得該算法在節(jié)省計(jì)算資源和提高計(jì)算效率的同時(shí)，保持了更高的計(jì)算精度。
為解決現(xiàn)有方法在處理微帶線邊緣電磁場(chǎng)的奇異性時(shí)，存在計(jì)算效率和精度之間的矛盾，該文提出一種在局部1維時(shí)域有限差分法(LOD-FDTD)基礎(chǔ)上，結(jié)合微帶線邊緣電磁場(chǎng)分布函數(shù)，并通過(guò)坐標(biāo)變換可處理導(dǎo)體嵌入網(wǎng)格面積大于1/2時(shí)的情況，因而適用性更廣的微帶線邊緣奇異性處理技術(shù)。與現(xiàn)有奇異性處理技術(shù)對(duì)比證明，該算法在采用的時(shí)間步長(zhǎng)小于等于Courant-Friedrichs-Lewy(CFL)穩(wěn)定性條件所允許最大時(shí)間步長(zhǎng)5倍的情況下，具有更高的計(jì)算精度。且與一般LOD-FDTD算法對(duì)比證明，引入的微帶線邊緣電磁場(chǎng)分布函數(shù)使得該算法在節(jié)省計(jì)算資源和提高計(jì)算效率的同時(shí)，保持了更高的計(jì)算精度。
2015, 37(3): 753-757.
doi: 10.11999/JEIT140598
摘要:
信道時(shí)間相關(guān)多輸入多輸出(MIMO)系統(tǒng)中一種重要有限反饋策略為差分反饋，該文提出一種適用于單用戶(hù)多輸入單輸出(SU-MISO)系統(tǒng)的自適應(yīng)球帽差分反饋算法。首先，運(yùn)用相鄰時(shí)刻信道間的擾動(dòng)規(guī)律設(shè)計(jì)自適應(yīng)差分反饋策略；其次，不同于現(xiàn)有差分碼本的非線性構(gòu)造方法，提出一種基于矢量伸縮和合成的球帽差分碼本算法；最后，聯(lián)合球帽碼本空間分布規(guī)律和時(shí)間相關(guān)信道的統(tǒng)計(jì)規(guī)律推導(dǎo)出球帽半徑計(jì)算方法。仿真結(jié)果說(shuō)明，該算法能準(zhǔn)確跟蹤信道并較現(xiàn)有算法有一定性能提高。
信道時(shí)間相關(guān)多輸入多輸出(MIMO)系統(tǒng)中一種重要有限反饋策略為差分反饋，該文提出一種適用于單用戶(hù)多輸入單輸出(SU-MISO)系統(tǒng)的自適應(yīng)球帽差分反饋算法。首先，運(yùn)用相鄰時(shí)刻信道間的擾動(dòng)規(guī)律設(shè)計(jì)自適應(yīng)差分反饋策略；其次，不同于現(xiàn)有差分碼本的非線性構(gòu)造方法，提出一種基于矢量伸縮和合成的球帽差分碼本算法；最后，聯(lián)合球帽碼本空間分布規(guī)律和時(shí)間相關(guān)信道的統(tǒng)計(jì)規(guī)律推導(dǎo)出球帽半徑計(jì)算方法。仿真結(jié)果說(shuō)明，該算法能準(zhǔn)確跟蹤信道并較現(xiàn)有算法有一定性能提高。
2015, 37(3): 758-762.
doi: 10.11999/JEIT140579
摘要:
為了展寬天線的波束寬度，在磁電(ME)偶極子天線的基礎(chǔ)上，該文設(shè)計(jì)出一種低交叉極化寬頻帶寬波束的新型磁電偶極子天線。通過(guò)將振子傾斜彎折，展寬了天線的波束寬度；結(jié)合6個(gè)寄生振子的對(duì)稱(chēng)加載，提高了輻射方向圖的一致性。在型饋電結(jié)構(gòu)基礎(chǔ)上，優(yōu)化天線的振子間距和振子長(zhǎng)度，實(shí)現(xiàn)了天線58.5%的相對(duì)帶寬(S11-10 dB)，頻帶范圍為2.3~4.2 GHz；對(duì)振子傾斜角度以及寄生振子的參數(shù)進(jìn)行優(yōu)化，在2.4~4.0 GHz的頻帶內(nèi)實(shí)現(xiàn)了輻射方向圖E面和H面同時(shí)達(dá)到120以上的半功率波束寬度(HPBW)。測(cè)試與仿真有較好的一致性，證明了所設(shè)計(jì)天線不僅具有寬頻帶寬波束特性，同時(shí)在整個(gè)頻帶范圍內(nèi)方向圖的一致性得到了極大地提高。
為了展寬天線的波束寬度，在磁電(ME)偶極子天線的基礎(chǔ)上，該文設(shè)計(jì)出一種低交叉極化寬頻帶寬波束的新型磁電偶極子天線。通過(guò)將振子傾斜彎折，展寬了天線的波束寬度；結(jié)合6個(gè)寄生振子的對(duì)稱(chēng)加載，提高了輻射方向圖的一致性。在型饋電結(jié)構(gòu)基礎(chǔ)上，優(yōu)化天線的振子間距和振子長(zhǎng)度，實(shí)現(xiàn)了天線58.5%的相對(duì)帶寬(S11-10 dB)，頻帶范圍為2.3~4.2 GHz；對(duì)振子傾斜角度以及寄生振子的參數(shù)進(jìn)行優(yōu)化，在2.4~4.0 GHz的頻帶內(nèi)實(shí)現(xiàn)了輻射方向圖E面和H面同時(shí)達(dá)到120以上的半功率波束寬度(HPBW)。測(cè)試與仿真有較好的一致性，證明了所設(shè)計(jì)天線不僅具有寬頻帶寬波束特性，同時(shí)在整個(gè)頻帶范圍內(nèi)方向圖的一致性得到了極大地提高。
