机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。     

基于多帧观测联合感知的空时自适应处理

在机载雷达体制中,空时自适应处理STAP(Space-Time Adaptive Processing)可有效抑制杂波并显著提高雷达对慢动目标的检测性能.但是在非均匀环境中,缺乏独立同分布的训练样本会使STAP性能严重下降.针对这个问题,本文提出一种基于多帧观测联合感知的空时自适应处理方法.该方法交替发射正交信号和普通的相控阵信号.检测前,通过当前及先前的环境回波感知观测场景获取杂波信息;检测时,先利用杂波信息结合平台参数及系统参数估计杂波协方差矩阵,再将估计的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器,抑制杂波,提高输出信杂比.仿真结果表明,与现有的知识辅助类STAP算法和降维算法相比,该方法在缺乏准确先验知识的情况下,可以有效地抑制非均匀杂波.     

一种新的相控阵机载预警雷达孤立干扰抑制方法

在非均匀(Non-homogeneous)杂波环境中,孤立干扰若得不到有效抑制必将引起目标检测性能严重变差。对此该文提出了一种新的非均匀环境下两级空时自适应处理的级联算法,即首先根据均匀杂波的分布特性选取辅助波束用辅助通道法滤除均匀杂波,然后用直接数据域算法抑制孤立干扰。该方法具有性能优良、鲁棒性好和计算量低等优点,其有效性为计算机仿真实验结果所验证。     

基于环境动态感知的空时自适应处理

在非均匀环境中,缺乏独立同分布的训练样本会使空时自适应处理(Space-Time Adaptive Processing, STAP)算法性能严重下降。针对这个问题,该文提出一种基于环境动态感知的空时自适应处理方法。该方法首先通过发射一组正交信号感知观测场景获取杂波信息;然后利用杂波信息结合平台参数及系统参数预测未来一段时间内杂波的协方差矩阵;最后将预测的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器。仿真结果表明,与传统的知识辅助类STAP算法相比,该方法在缺乏准确先验知识的情况下依然可以有效地抑制非均匀环境中的杂波。     

基于时变空时自回归模型的STAP算法

针对空时自适应处理(STAP)中时域非平稳杂波过程造成的空时自回归(STAR)算法失效问题,文中将时变自回归(TVAR)模型引入STAP处理中,提出了一种新的时变空时自回归(TV-STAR)算法。TV-STAR算法能够有效弥补平稳自回归(AR)模型与实际非平稳杂波环境失配造成的STAR算法性能损耗,在非平稳杂波环境中具有良好的检测性能。同时,TV-STAR算法由于引入了低阶数的TVAR模型,其收敛速度显著优于降秩STAP算法。文中分别通过仿真实验以及机载雷达实测数据的处理对算法有效性进行了验证。     

基于自适应局域变换的离散干扰抑制算法

在非均匀杂波环境中,针对待检测距离单元的离散干扰严重影响统计空时自适应处理(STAP)杂波抑制性能的问题,提出了基于自适应局域变换的离散干扰抑制算法。该方法利用自适应局域变换矩阵具有局域变换和自适应滤波的双重特性,在较低计算复杂度条件下有效消除离散干扰对统计STAP方法的影响。仿真数据和MCARM实测数据分析表明,该方法能有效抑制待检测距离单元中的离散干扰和均匀杂波,显著改善STAP在非均匀杂波中的性能。     

基于联合稀疏功率谱恢复的机载雷达稳健STAP算法研究

机载雷达信号的空时自适应处理（STAP,Space-Time Adaptive Processing）需要利用样本数据来估计杂波协方差矩阵.非均匀杂波环境中的离群点会使协方差矩阵的估计出现偏差,从而导致信号相消现象.针对此问题,本文提出一种基于联合稀疏功率谱恢复的STAP算法（JSR-STAP）处理非均匀杂波,以克服离群点对正侧视模式机载雷达的STAP性能的影响.JSR-STAP算法在高分辨稀疏恢复的条件下,利用多快拍间杂波和离群点的分布规律和相关性不同,通过范数选择合适的稀疏恢复系数来实现离群点的抑制.Monte Carlo实验证明JSR-STAP算法的稳健性和动目标检测性能均优于传统的STAP算法.     

基于俯仰维信息的机载雷达非均匀杂波抑制方法

 针对机载雷达天线非正侧放置导致的非均匀杂波抑制问题,从利用阵面俯仰维信息的角度出发给出了一类解决方法.本文首先分析了机载雷达阵面非正侧放置情况下待检测距离单元的杂波构成,得到由俯仰副瓣引入的近程杂波是导致杂波非均匀的关键因素这一结论;然后给出了利用俯仰自适应波束形成级联两维空时自适应处理(2D STAP)方法来抑制非均匀杂波,同时从本质上阐述了俯仰-方位-多普勒3D STAP方法在非均匀杂波环境下具有良好杂波抑制性能的内在机理.最后通过仿真验证表明,利用俯仰维信息类STAP方法在非正侧阵导致的非均匀杂波环境下具有良好的杂波抑制性能.     

和差波束直接数据域处理动目标检测方法研究

研究了和差波束直接数据域处理(∑△-DDD)动目标检测的算法和杂波抑制机理,提出了对DDD处理后数据进一步进行相干积累,补偿信号滤除引起的孔径损失,同时利用非检测多普勒单元输出信号采用单元平均CFAR算法来检测动目标.仿真实验表明,改进算法进一步提高了改善因子,同时有效解决了∑△-DDD算法的检测门限确定问题.该算法无需计算杂波协方差矩阵,运算量小,易于工程实时处理.     

并行实现空时自适应算法

针对多片DSP(数字信号处理器)并行处理系统,研究了空时自适应处理(STAP)算法的实时实现.在分析了部分自适应STAP算法内在并行性的基础上,提出了一种任务级的STAP并行处理算法.给出了该算法在多DSP并行处理系统上的算法映射.通过数据实验证明这种基于多DSP并行处理系统的STAP并行算法具有较高的实时性能.     

一种微纳光纤损耗测试方法的实验研究

实验研究了微纳光纤传输损耗的测试方法.结合标准光纤损耗测试的剪断法和后向散射法的思想,设计了一种微纳光纤损耗测试的反射剪断法,对实验拉制的样品进行测试,结果表明该方法对微纳光纤损耗测试行之有效.     

一种改进的基于自动形态学的端元提取算法

自动形态学端元提取（AMEE）算法中的形态学算子在纯像元集中分布的区域无法得到正确的结果。现有膨胀操作在每个结构元素内只能提取一个候选端元,会造成重要像元丢失。为了解决这些问题,采用改进的形态学算子和结构元素对AMEE算法进行了改进。首先引入参考光谱向量的概念构建了改进的形态学算子,并给出了形态学离心率指数新的计算方法,然后利用偶数大小、改进的结构元素,从每个结构元素内选出4个候选端元,最后对改进的基于自动形态学的端元提取算法进行了分析和实验验证。结果表明,改进的方法能从纯像元集中分布的区域获得正确的候选端元,并在一定程度上避免膨胀过程中的信息遗失,从而能够有效地提升端元提取的精度和像元解混的效果。     

FEC在3G多媒体实时传输系统中的应用

3G无线传输是多媒体实时传输的新方式,比传统方式更加灵活、便捷。为了克服在3G无线网络传输中的数据丢包问题,提出了利用FEC和交织来提高数据传输正确率的方法,主要研究了交织和RS(204,188)纠错码的在3G传输系统中的设计和实现,最后对整个系统在不同丢包率信道下的性能进行了对比测试。     

A directional margin paradigm for noise suppression in face recognition

Convolutional neural networks (CNN) have achieved outstanding face recognition (FR) performance with increasing large-scale face datasets. With face dataset size grown, noisy data will inevitably increase, undoubtedly bringing difficulties to data cleaning. In this paper, the probability that the sample belongs to noise can be determined based on the cosine distance (cos$\theta$) of normalized angle center and face feature vector in the margin-based loss functions. According to this finding, we propose a two-step learning method integrated into the loss function. The new proposed directional margin loss function combines the noise probability with the label as the supervision information. Experiments show that our method can tolerate noisy data and get high FR accuracy when the training datasets mix with more than 30% noise. Our approach can also achieve a great result of 79.33% in MegaFace challenge one using a noisy training dataset.     

基于GPIB技术的光插回损耗自动测试系统

针对传统光纤元件插回损耗测试方法效率低、易出错的缺点,基于GPIB技术开发了一种新型的光插回损耗自动测试系统.该系统通过GPIB总线实现计算机与多台测试仪器相互通信,利用VB编写测控软件实现光插回损耗的自动测试.所采集数据利用Access数据库统一管理.应用结果表明,该系统运行稳定,操作简便,具有一定的实用性和推广价值.     

一种精确测量超导薄膜表面电阻的新方法

本文对介质谐振器法测量高温超导薄膜微波表面电阻的方法进行了详细的研究，并提出了新的计算方法．由两个不同直径、相同高度的蓝宝石构成两个谐振器，对同一组铜膜进行测量，根据金属表面电阻与频率的关系，确定测试装置的损耗，从而更精确地测出薄膜的表面电阻．经实验证明，此方法能得到比传统计算方法更为精确的测量结果。     

基于邻接点的VMM动态完整性度量方法

对于虚拟机监控器的动态完整性度量,由于其位于特权层,且复杂多变,一直是领域内的研究难点。提出了一种基于邻接点的动态完整性度量方法,利用邻接点作为度量模块的宿主,通过面向内存页的完整性模型和评估算法,实现了动态完整性度量。实验表明,能够准确地检测到完整性受到破坏,且仅对计算密集型任务造成适中的性能损耗。     

In-service monitoring for cell loss quality of service violationsin ATM networks

A new method for in-service cell loss ratio (CLR) QoS estimation for asynchronous transfer mode (ATM) networks has been developed. For a typical CLR, a large number of cells must be observed before statistically meaningful results can be achieved. These results may be obsolete resulting in ineffective network management reactions. For a variety of arrival processes, many analyses have shown there exists a relationship between the logarithm of the cell loss probability and buffer size. For models that do not possess long-range dependence, this relationship is often linear. On the other hand, for the fractional Brownian motion model that captures long-range dependent traffic behavior, this relationship has a polynomial form. The proposed method uses these relationships and observations of cell loss for several small pseudo-buffers to characterize the behavior of the actual system. Specifically, a real-time technique to dynamically detect the failure of meeting a cell loss quality of service (QoS) objective has been developed. The method requires a short observation period and is suitable for in-service monitoring of CLR QoS. Simulation studies show the effectiveness of this method for both modeled traffic and measured network trace data     

基于改进循环生成式对抗网络的图像风格迁移

图像间的风格迁移是一类将图片在不同领域进行转换的方法。随着生成式对抗网络在深度学习中的快速发展,其在图像风格迁移领域中的应用被日益关注。但经典算法存在配对训练数据较难获取,生成图片效果差的缺点。该文提出一种改进循环生成式对抗网络(CycleGAN++),取消了环形网络,并在图像生成阶段将目标域与源域的先验信息与相应图片进行纵深级联;优化了损失函数,采用分类损失代替循环一致损失,实现了不依赖训练数据映射的图像风格迁移。采用CelebA和Cityscapes数据集进行实验评测,结果表明在亚马逊劳务平台感知研究(AMT perceptual studies)与全卷积网络得分(FCN score)两个经典测试指标中,该文算法比CycleGAN, IcGAN, CoGAN, DIAT等经典算法取得了更高的精度。     

New upper and lower bounds line of sight path loss model for mobile propagation in buildings

This paper proposes a method to predict line-of-sight (LOS) path loss in buildings. We performed measurements in two different types of buildings at a frequency of 1.8 GHz and propose a new path loss model with its upper and lower bounds. The upper and lower bounds depend on max and min values of sampled path loss data. This makes our model limit path loss within the boundary lines. The model includes time-variant effects from the object movement from people in the building and cars in parking areas. These influence reasonably on wave propagation. The results have shown that the proposed model will be useful for the design of the indoor wireless communication systems.