郵件訂閱
2015年 第37卷 第4期
2015, 37(4): 763-769.
doi: 10.11999/JEIT140875
摘要:
確定性測量矩陣構(gòu)造是近期壓縮感知領(lǐng)域的一個重要研究問題。該文基于Berlekamp-Justesen(B-J)碼，構(gòu)造了兩類確定性測量矩陣。首先，給出一類相關(guān)性漸近最優(yōu)的稀疏測量矩陣，從而保證其具有較好的限定等距性(RIP)。接著，構(gòu)造一類確定性復(fù)測量矩陣，這類矩陣可以通過刪除部分行列使其大小靈活變化。第1類矩陣具有很高的稀疏性，第2類則是基于循環(huán)矩陣，因此它們的存儲開銷較小，編碼和重構(gòu)復(fù)雜度也相對較低。仿真結(jié)果表明，這兩類矩陣常常有優(yōu)于或相當(dāng)于現(xiàn)有的隨機和確定性測量矩陣的重建性能。
確定性測量矩陣構(gòu)造是近期壓縮感知領(lǐng)域的一個重要研究問題。該文基于Berlekamp-Justesen(B-J)碼，構(gòu)造了兩類確定性測量矩陣。首先，給出一類相關(guān)性漸近最優(yōu)的稀疏測量矩陣，從而保證其具有較好的限定等距性(RIP)。接著，構(gòu)造一類確定性復(fù)測量矩陣，這類矩陣可以通過刪除部分行列使其大小靈活變化。第1類矩陣具有很高的稀疏性，第2類則是基于循環(huán)矩陣，因此它們的存儲開銷較小，編碼和重構(gòu)復(fù)雜度也相對較低。仿真結(jié)果表明，這兩類矩陣常常有優(yōu)于或相當(dāng)于現(xiàn)有的隨機和確定性測量矩陣的重建性能。
2015, 37(4): 770-776.
doi: 10.11999/JEIT140949
摘要:
圖像復(fù)原是一個長期的且極具挑戰(zhàn)性的逆問題。為了實現(xiàn)模糊圖像的盲復(fù)原，該文提出一種多正則化混合約束的模糊圖像盲復(fù)原方法。首先，運用一種圖像的局部結(jié)構(gòu)提取策略(Local Structure Extraction Scheme, LSES)將圖像中的大尺度圖像邊緣準(zhǔn)確地提取出來。然后，在模糊核(Blur Kernel, BK)的估計階段，將提取的大尺度圖像邊緣與前期研究中所提出的一種結(jié)合稀疏性和平滑特性的雙重正則化約束模型相結(jié)合，實現(xiàn)模糊核更加準(zhǔn)確的估計。在圖像的復(fù)原階段，為了得到高質(zhì)量的復(fù)原圖像，提出一種結(jié)合全變差(Total Variation, TV)模型和Shock濾波器不變特性的多正則化約束模型，從而實現(xiàn)模糊圖像的清晰化復(fù)原。最后，通過半二次性的變量分裂策略對提出的模型進(jìn)行最優(yōu)化求解，能夠在準(zhǔn)確地估計出BK的同時得到高質(zhì)量的復(fù)原圖像。在人造的模糊圖像和真實的模糊圖像中進(jìn)行了大量的實驗，證明了所提方法的有效性，且與近幾年的一些極具代表性的模糊圖像盲復(fù)原方法相比，不僅主觀視覺效果得到了顯著的增強，而且客觀評價指標(biāo)也得到了明顯的改進(jìn)。
圖像復(fù)原是一個長期的且極具挑戰(zhàn)性的逆問題。為了實現(xiàn)模糊圖像的盲復(fù)原，該文提出一種多正則化混合約束的模糊圖像盲復(fù)原方法。首先，運用一種圖像的局部結(jié)構(gòu)提取策略(Local Structure Extraction Scheme, LSES)將圖像中的大尺度圖像邊緣準(zhǔn)確地提取出來。然后，在模糊核(Blur Kernel, BK)的估計階段，將提取的大尺度圖像邊緣與前期研究中所提出的一種結(jié)合稀疏性和平滑特性的雙重正則化約束模型相結(jié)合，實現(xiàn)模糊核更加準(zhǔn)確的估計。在圖像的復(fù)原階段，為了得到高質(zhì)量的復(fù)原圖像，提出一種結(jié)合全變差(Total Variation, TV)模型和Shock濾波器不變特性的多正則化約束模型，從而實現(xiàn)模糊圖像的清晰化復(fù)原。最后，通過半二次性的變量分裂策略對提出的模型進(jìn)行最優(yōu)化求解，能夠在準(zhǔn)確地估計出BK的同時得到高質(zhì)量的復(fù)原圖像。在人造的模糊圖像和真實的模糊圖像中進(jìn)行了大量的實驗，證明了所提方法的有效性，且與近幾年的一些極具代表性的模糊圖像盲復(fù)原方法相比，不僅主觀視覺效果得到了顯著的增強，而且客觀評價指標(biāo)也得到了明顯的改進(jìn)。
2015, 37(4): 777-783.
doi: 10.11999/JEIT140739
摘要:
在基于鄰域嵌入人臉圖像的超分辨率重建算法中，訓(xùn)練和重建均在特征空間進(jìn)行，因此，特征選擇對算法性能具有較大影響。另外，算法模型對重建權(quán)重未加限定，導(dǎo)致負(fù)數(shù)權(quán)重出現(xiàn)而產(chǎn)生過擬合效應(yīng)，使得重建人臉圖像質(zhì)量衰退?？紤]到人臉圖像的特征選擇以及權(quán)重符號限定的重要作用，該文提出一種基于2維主成分分析(2D- PCA)特征描述的非負(fù)權(quán)重鄰域嵌入人臉超分辨率重建算法。首先將人臉圖像分成若干子塊，利用K均值聚類獲得圖像子塊的局部視覺基元，并利用得到的局部視覺基元對圖像子塊分類。然后，利用2D-PCA對每一類人臉圖像子塊提取特征，并建立高、低分辨率樣本庫。最后，在重建過程中使用新的非負(fù)權(quán)重求解方法求取權(quán)重。仿真實驗結(jié)果表明，相比其他基于鄰域嵌入人臉超分辨率重建方法，所提算法可有效提高權(quán)重的穩(wěn)定性，減少過擬合效應(yīng)，其重建人臉圖像具有較好的主客觀質(zhì)量。
在基于鄰域嵌入人臉圖像的超分辨率重建算法中，訓(xùn)練和重建均在特征空間進(jìn)行，因此，特征選擇對算法性能具有較大影響。另外，算法模型對重建權(quán)重未加限定，導(dǎo)致負(fù)數(shù)權(quán)重出現(xiàn)而產(chǎn)生過擬合效應(yīng)，使得重建人臉圖像質(zhì)量衰退?？紤]到人臉圖像的特征選擇以及權(quán)重符號限定的重要作用，該文提出一種基于2維主成分分析(2D- PCA)特征描述的非負(fù)權(quán)重鄰域嵌入人臉超分辨率重建算法。首先將人臉圖像分成若干子塊，利用K均值聚類獲得圖像子塊的局部視覺基元，并利用得到的局部視覺基元對圖像子塊分類。然后，利用2D-PCA對每一類人臉圖像子塊提取特征，并建立高、低分辨率樣本庫。最后，在重建過程中使用新的非負(fù)權(quán)重求解方法求取權(quán)重。仿真實驗結(jié)果表明，相比其他基于鄰域嵌入人臉超分辨率重建方法，所提算法可有效提高權(quán)重的穩(wěn)定性，減少過擬合效應(yīng)，其重建人臉圖像具有較好的主客觀質(zhì)量。
2015, 37(4): 784-790.
doi: 10.11999/JEIT141282
摘要:
設(shè)計一個穩(wěn)健的自動圖像標(biāo)注系統(tǒng)的重要環(huán)節(jié)是提取能夠有效描述圖像語義的視覺特征。由于顏色、紋理和形狀等異構(gòu)視覺特征在表示特定圖像語義時所起作用的重要程度不同且同一類特征之間具有一定的相關(guān)性，該文提出了一種圖正則化約束下的非負(fù)組稀疏(Graph Regularized Non-negative Group Sparsity, GRNGS)模型來實現(xiàn)圖像標(biāo)注，并通過一種非負(fù)矩陣分解方法來計算其模型參數(shù)。該模型結(jié)合了圖正則化與l2,1-范數(shù)約束，使得標(biāo)注過程中所選的組群特征能體現(xiàn)一定的視覺相似性和語義相關(guān)性。在Corel5K和ESP Game等圖像數(shù)據(jù)集上的實驗結(jié)果表明：相較于一些最新的圖像標(biāo)注模型，GRNGS模型的魯棒性更強，標(biāo)注結(jié)果更精確。
設(shè)計一個穩(wěn)健的自動圖像標(biāo)注系統(tǒng)的重要環(huán)節(jié)是提取能夠有效描述圖像語義的視覺特征。由于顏色、紋理和形狀等異構(gòu)視覺特征在表示特定圖像語義時所起作用的重要程度不同且同一類特征之間具有一定的相關(guān)性，該文提出了一種圖正則化約束下的非負(fù)組稀疏(Graph Regularized Non-negative Group Sparsity, GRNGS)模型來實現(xiàn)圖像標(biāo)注，并通過一種非負(fù)矩陣分解方法來計算其模型參數(shù)。該模型結(jié)合了圖正則化與l2,1-范數(shù)約束，使得標(biāo)注過程中所選的組群特征能體現(xiàn)一定的視覺相似性和語義相關(guān)性。在Corel5K和ESP Game等圖像數(shù)據(jù)集上的實驗結(jié)果表明：相較于一些最新的圖像標(biāo)注模型，GRNGS模型的魯棒性更強，標(biāo)注結(jié)果更精確。
2015, 37(4): 791-797.
doi: 10.11999/JEIT140743
摘要:
針對傳統(tǒng)編碼模型中存在的編碼歧義性問題，該文提出一種考慮特征上下文的語義增強線性編碼方法。首先，通過學(xué)習(xí)局部鄰域中特征共生關(guān)系矩陣來表示上下文信息。然后，在編碼過程中同時引入學(xué)習(xí)而得的上下文信息與特征上下文匹配權(quán)重得到語義增強編碼模型。由于上下文信息與上下文匹配權(quán)重的功能，使得此編碼方法不僅豐富了編碼的語義信息，還能夠有效避免噪聲帶來的影響。在3個基準(zhǔn)數(shù)據(jù)集(Scene15, Caltech101以及 Caltech256)上充分的實驗驗證了該方法的有效性。
針對傳統(tǒng)編碼模型中存在的編碼歧義性問題，該文提出一種考慮特征上下文的語義增強線性編碼方法。首先，通過學(xué)習(xí)局部鄰域中特征共生關(guān)系矩陣來表示上下文信息。然后，在編碼過程中同時引入學(xué)習(xí)而得的上下文信息與特征上下文匹配權(quán)重得到語義增強編碼模型。由于上下文信息與上下文匹配權(quán)重的功能，使得此編碼方法不僅豐富了編碼的語義信息，還能夠有效避免噪聲帶來的影響。在3個基準(zhǔn)數(shù)據(jù)集(Scene15, Caltech101以及 Caltech256)上充分的實驗驗證了該方法的有效性。
2015, 37(4): 798-803.
doi: 10.11999/JEIT140560
摘要:
為實現(xiàn)對目標(biāo)位置和速度的精確定位，該文提出一種基于正則化理論的時差頻差定位技術(shù)。該算法首先利用最大似然方法確定目標(biāo)函數(shù)，然后通過傳統(tǒng)牛頓法對目標(biāo)位置和速度進(jìn)行迭代求解。眾所周知傳統(tǒng)牛頓法對初始值要求較高，較差初始值會導(dǎo)致Hess矩陣趨于病態(tài)，從而致使迭代發(fā)散，該文引入正則化理論修正Hess矩陣，使其更加合理，保證算法穩(wěn)健收斂。實驗結(jié)果表明：相對于傳統(tǒng)牛頓法，該文算法在初始值的選取上具有穩(wěn)健性，對誤差選取較大的初始值，仍能夠保證算法的收斂性；相對于現(xiàn)有閉合式定位方法，該文算法在噪聲較大時具有較好的定位精度，定位精度接近于Cramer-Rao界，具有廣泛的實用價值。
為實現(xiàn)對目標(biāo)位置和速度的精確定位，該文提出一種基于正則化理論的時差頻差定位技術(shù)。該算法首先利用最大似然方法確定目標(biāo)函數(shù)，然后通過傳統(tǒng)牛頓法對目標(biāo)位置和速度進(jìn)行迭代求解。眾所周知傳統(tǒng)牛頓法對初始值要求較高，較差初始值會導(dǎo)致Hess矩陣趨于病態(tài)，從而致使迭代發(fā)散，該文引入正則化理論修正Hess矩陣，使其更加合理，保證算法穩(wěn)健收斂。實驗結(jié)果表明：相對于傳統(tǒng)牛頓法，該文算法在初始值的選取上具有穩(wěn)健性，對誤差選取較大的初始值，仍能夠保證算法的收斂性；相對于現(xiàn)有閉合式定位方法，該文算法在噪聲較大時具有較好的定位精度，定位精度接近于Cramer-Rao界，具有廣泛的實用價值。
2015, 37(4): 804-810.
doi: 10.11999/JEIT140511
摘要:
針對基于特征值分解的Wigner-Ville分布信號重構(gòu)算法運算復(fù)雜度高這一問題，該文提出一種高效多分量信號重構(gòu)算法。首先，通過分析Wigner-Ville逆變換公式，推導(dǎo)出瞬時時刻重構(gòu)序列與原序列之間的聯(lián)系，提出一種高效的信號重構(gòu)算法。然后，采用平滑偽Wigner-Ville分布作為時頻掩膜抑制Wigner-Ville分布的交叉項，并通過在時頻面內(nèi)滑窗的方法逐一提取各分量信號。最后，結(jié)合高效信號重構(gòu)算法和時頻面滑窗掩膜技術(shù)，實現(xiàn)多分量信號快速準(zhǔn)確重構(gòu)。仿真實驗證明了該算法的有效性和可行性。
針對基于特征值分解的Wigner-Ville分布信號重構(gòu)算法運算復(fù)雜度高這一問題，該文提出一種高效多分量信號重構(gòu)算法。首先，通過分析Wigner-Ville逆變換公式，推導(dǎo)出瞬時時刻重構(gòu)序列與原序列之間的聯(lián)系，提出一種高效的信號重構(gòu)算法。然后，采用平滑偽Wigner-Ville分布作為時頻掩膜抑制Wigner-Ville分布的交叉項，并通過在時頻面內(nèi)滑窗的方法逐一提取各分量信號。最后，結(jié)合高效信號重構(gòu)算法和時頻面滑窗掩膜技術(shù)，實現(xiàn)多分量信號快速準(zhǔn)確重構(gòu)。仿真實驗證明了該算法的有效性和可行性。
2015, 37(4): 811-816.
doi: 10.11999/JEIT141034
摘要:
子空間類超分辨波達(dá)方向(DOA)估計算法需預(yù)先估計信號個數(shù)，當(dāng)信號個數(shù)估計錯誤時，其性能會嚴(yán)重下降。該文提出一種新穎的半實值Capon(SRV-Capon)DOA估計算法。該算法繼承了Capon算法無需信號個數(shù)估計的優(yōu)點并克服了現(xiàn)存實值算法僅適用于中心對稱陣列(CSA)的缺點。相比于Capon算法，SRV-Capon僅利用陣列接收數(shù)據(jù)協(xié)方差矩陣的實部求逆構(gòu)建空間譜函數(shù)，實現(xiàn)了譜值計算的半實值化并將譜搜索的范圍壓縮至原來的一半，從而至少降低約75%的計算量。理論分析和仿真實驗證明了該算法的有效性。
子空間類超分辨波達(dá)方向(DOA)估計算法需預(yù)先估計信號個數(shù)，當(dāng)信號個數(shù)估計錯誤時，其性能會嚴(yán)重下降。該文提出一種新穎的半實值Capon(SRV-Capon)DOA估計算法。該算法繼承了Capon算法無需信號個數(shù)估計的優(yōu)點并克服了現(xiàn)存實值算法僅適用于中心對稱陣列(CSA)的缺點。相比于Capon算法，SRV-Capon僅利用陣列接收數(shù)據(jù)協(xié)方差矩陣的實部求逆構(gòu)建空間譜函數(shù)，實現(xiàn)了譜值計算的半實值化并將譜搜索的范圍壓縮至原來的一半，從而至少降低約75%的計算量。理論分析和仿真實驗證明了該算法的有效性。
2015, 37(4): 817-823.
doi: 10.11999/JEIT140937
摘要:
基于多任務(wù)貝葉斯壓縮感知(BCS)理論，該文提出一種使用Laplace先驗的目標(biāo)到達(dá)角(DOA)估計算法。該算法利用陣元輸出為觀測值，將DOA估計轉(zhuǎn)化為Laplace先驗約束下的BCS求解稀疏信號問題，使用Laplace先驗獲得比傳統(tǒng)BCS更好的稀疏性。該算法不需要信源個數(shù)的先驗信息和進(jìn)行特征值分解，能夠適應(yīng)相干信源場景，仿真結(jié)果表明該算法具有比傳統(tǒng)BCS方法和經(jīng)典MUSIC算法更好的DOA估計性能。
基于多任務(wù)貝葉斯壓縮感知(BCS)理論，該文提出一種使用Laplace先驗的目標(biāo)到達(dá)角(DOA)估計算法。該算法利用陣元輸出為觀測值，將DOA估計轉(zhuǎn)化為Laplace先驗約束下的BCS求解稀疏信號問題，使用Laplace先驗獲得比傳統(tǒng)BCS更好的稀疏性。該算法不需要信源個數(shù)的先驗信息和進(jìn)行特征值分解，能夠適應(yīng)相干信源場景，仿真結(jié)果表明該算法具有比傳統(tǒng)BCS方法和經(jīng)典MUSIC算法更好的DOA估計性能。
2015, 37(4): 824-829.
doi: 10.11999/JEIT140903
摘要:
為了自動識別胸阻抗(TransThoracic Impedance, TTI)信號中的按壓和通氣波形，完成相關(guān)重要參數(shù)的計算，從而實現(xiàn)對心肺復(fù)蘇質(zhì)量的監(jiān)測評估，該文提出一種基于密度加權(quán)與偏好信息的胸阻抗信號自動檢測算法。該方法針對實驗采集的豬的電誘導(dǎo)心臟驟停模型TTI信號，通過預(yù)處理和多分辨率窗口搜索法完成潛在按壓和通氣波形的標(biāo)記；接著，提取每個標(biāo)記波形的寬度、幅值以及相鄰波形特征差作為特征，并按標(biāo)記波形寬度對信號進(jìn)行分段；之后，再對信號進(jìn)行小波分解，提取其小波系數(shù)每段的能量與原始波形幅值之比作為特征；最后采用基于密度加權(quán)與偏好信息的K均值聚類分析法對標(biāo)記的波形進(jìn)行分類識別。實驗結(jié)果表明，該算法對TTI信號中按壓波形和波形分析識別的正確率和敏感度均較高，魯棒性好，且運行時間(0.43 s0.07 s)滿足實時性要求。
為了自動識別胸阻抗(TransThoracic Impedance, TTI)信號中的按壓和通氣波形，完成相關(guān)重要參數(shù)的計算，從而實現(xiàn)對心肺復(fù)蘇質(zhì)量的監(jiān)測評估，該文提出一種基于密度加權(quán)與偏好信息的胸阻抗信號自動檢測算法。該方法針對實驗采集的豬的電誘導(dǎo)心臟驟停模型TTI信號，通過預(yù)處理和多分辨率窗口搜索法完成潛在按壓和通氣波形的標(biāo)記；接著，提取每個標(biāo)記波形的寬度、幅值以及相鄰波形特征差作為特征，并按標(biāo)記波形寬度對信號進(jìn)行分段；之后，再對信號進(jìn)行小波分解，提取其小波系數(shù)每段的能量與原始波形幅值之比作為特征；最后采用基于密度加權(quán)與偏好信息的K均值聚類分析法對標(biāo)記的波形進(jìn)行分類識別。實驗結(jié)果表明，該算法對TTI信號中按壓波形和波形分析識別的正確率和敏感度均較高，魯棒性好，且運行時間(0.43 s0.07 s)滿足實時性要求。
2015, 37(4): 830-835.
doi: 10.11999/JEIT140893
摘要:
有效抑制由血管或血管周圍組織時變運動引起的非平穩(wěn)雜波對于提高診斷超聲彩色血流成像中血流動力學(xué)參數(shù)描述的準(zhǔn)確性有著極其重要的意義。該文基于奇異值濾波技術(shù)提出一種改進(jìn)的非平穩(wěn)雜波自適應(yīng)抑制方法。該方法逐次利用單個慢時多普勒回波采樣矢量構(gòu)建Hankel矩陣，然后根據(jù)奇異值分解后得到的正交Hankel主成份所代表的頻域內(nèi)容，動態(tài)選取高階Hankel主成份重構(gòu)多普勒血流信號，實現(xiàn)非平穩(wěn)雜波的有效抑制。為驗證算法的有效性，分別對多普勒回波仿真模型合成數(shù)據(jù)與利用彩色超聲設(shè)備(Sonix RP)采集的頸動脈血流基帶回波信號進(jìn)行濾波處理，然后采用滯一自相關(guān)估計法計算血流平均速度與功率并進(jìn)行成像。處理結(jié)果表明，相對于傳統(tǒng)IIR濾波方法與多項式回歸濾波技術(shù)，利用該文所提算法可對高強度、非平穩(wěn)雜波進(jìn)行充分抑制，提高血流估計精度，此外，該算法具有空間自適應(yīng)性，無需人為設(shè)定閾值參數(shù)以估計雜波空間維數(shù)，與現(xiàn)有基于特征分解的自適應(yīng)濾波方法相比，可以有效提高組織空間高強度時變運動時血流與組織的區(qū)分能力。
有效抑制由血管或血管周圍組織時變運動引起的非平穩(wěn)雜波對于提高診斷超聲彩色血流成像中血流動力學(xué)參數(shù)描述的準(zhǔn)確性有著極其重要的意義。該文基于奇異值濾波技術(shù)提出一種改進(jìn)的非平穩(wěn)雜波自適應(yīng)抑制方法。該方法逐次利用單個慢時多普勒回波采樣矢量構(gòu)建Hankel矩陣，然后根據(jù)奇異值分解后得到的正交Hankel主成份所代表的頻域內(nèi)容，動態(tài)選取高階Hankel主成份重構(gòu)多普勒血流信號，實現(xiàn)非平穩(wěn)雜波的有效抑制。為驗證算法的有效性，分別對多普勒回波仿真模型合成數(shù)據(jù)與利用彩色超聲設(shè)備(Sonix RP)采集的頸動脈血流基帶回波信號進(jìn)行濾波處理，然后采用滯一自相關(guān)估計法計算血流平均速度與功率并進(jìn)行成像。處理結(jié)果表明，相對于傳統(tǒng)IIR濾波方法與多項式回歸濾波技術(shù)，利用該文所提算法可對高強度、非平穩(wěn)雜波進(jìn)行充分抑制，提高血流估計精度，此外，該算法具有空間自適應(yīng)性，無需人為設(shè)定閾值參數(shù)以估計雜波空間維數(shù)，與現(xiàn)有基于特征分解的自適應(yīng)濾波方法相比，可以有效提高組織空間高強度時變運動時血流與組織的區(qū)分能力。
2015, 37(4): 836-840.
doi: 10.11999/JEIT140908
摘要:
差分跳頻(DFH)信號具有良好的抗多徑衰落、抗干擾及高速數(shù)據(jù)傳輸能力，在短波和水聲軍事通信領(lǐng)域得到廣泛應(yīng)用。但是，在有限的傳輸帶寬內(nèi)差分跳頻信號編碼增益受限，特別是每跳攜帶多個比特時，該文提出一種壓縮頻譜DFH(CS-DFH)方法，可以在相同的比特每跳(BPH)和帶寬下提高DFH信號的編碼增益。對CS-DFH信號在萊斯(Rice)衰落信道下的誤比特率(BER)理論上界進(jìn)行了推導(dǎo)，并通過仿真驗證。結(jié)果表明，萊斯信道中，在相同BPH、帶寬條件下，與常規(guī)DFH相比，CS-DFH是一種可以獲得更高BER增益的方法，特別是當(dāng)萊斯因子K很小的時候。
差分跳頻(DFH)信號具有良好的抗多徑衰落、抗干擾及高速數(shù)據(jù)傳輸能力，在短波和水聲軍事通信領(lǐng)域得到廣泛應(yīng)用。但是，在有限的傳輸帶寬內(nèi)差分跳頻信號編碼增益受限，特別是每跳攜帶多個比特時，該文提出一種壓縮頻譜DFH(CS-DFH)方法，可以在相同的比特每跳(BPH)和帶寬下提高DFH信號的編碼增益。對CS-DFH信號在萊斯(Rice)衰落信道下的誤比特率(BER)理論上界進(jìn)行了推導(dǎo)，并通過仿真驗證。結(jié)果表明，萊斯信道中，在相同BPH、帶寬條件下，與常規(guī)DFH相比，CS-DFH是一種可以獲得更高BER增益的方法，特別是當(dāng)萊斯因子K很小的時候。
2015, 37(4): 841-847.
doi: 10.11999/JEIT140892
摘要:
為提高跳頻通信系統(tǒng)的被截獲性能，該文以跳頻周期和跳頻間隔為研究對象，提出一種基于最大條件熵的跳頻周期、跳頻間隔射頻隱身聯(lián)合設(shè)計方法。該方法以跳頻系統(tǒng)先驗數(shù)據(jù)為樣本空間，以拉格朗日乘子為優(yōu)化粒子，利用混合混沌粒子群優(yōu)化(HCPSO)算法對最大條件熵的對偶規(guī)劃進(jìn)行優(yōu)化計算。與單閾值方法(STM)和雙閾值方法(DTM)的對比仿真結(jié)果表明：該文提出的最大熵方法(MEM)具有最大的跳頻周期、跳頻間隔不確定性和最小的截獲概率，且針對不同威脅因子具有較高的環(huán)境區(qū)分度。因此，MEM具有較好的射頻隱身性能，可以有效提高搭載平臺的生存能力。
為提高跳頻通信系統(tǒng)的被截獲性能，該文以跳頻周期和跳頻間隔為研究對象，提出一種基于最大條件熵的跳頻周期、跳頻間隔射頻隱身聯(lián)合設(shè)計方法。該方法以跳頻系統(tǒng)先驗數(shù)據(jù)為樣本空間，以拉格朗日乘子為優(yōu)化粒子，利用混合混沌粒子群優(yōu)化(HCPSO)算法對最大條件熵的對偶規(guī)劃進(jìn)行優(yōu)化計算。與單閾值方法(STM)和雙閾值方法(DTM)的對比仿真結(jié)果表明：該文提出的最大熵方法(MEM)具有最大的跳頻周期、跳頻間隔不確定性和最小的截獲概率，且針對不同威脅因子具有較高的環(huán)境區(qū)分度。因此，MEM具有較好的射頻隱身性能，可以有效提高搭載平臺的生存能力。
2015, 37(4): 848-854.
doi: 10.11999/JEIT140817
摘要:
大規(guī)模多輸入多輸出(Massive MIMO)技術(shù)通過在基站端配置大規(guī)模天線能有效提升5G蜂窩系統(tǒng)容量?？紤]信道估計誤差對系統(tǒng)性能的影響，該文在多小區(qū)大規(guī)模MIMO系統(tǒng)中形成了用戶信干噪比的非溢出概率約束下最小化系統(tǒng)功率的優(yōu)化問題。針對非凸概率約束中下行波束難于求解的問題，該文根據(jù)矩陣跡的性質(zhì)將優(yōu)化問題中的非凸約束縮放，進(jìn)而提出上下行對偶算法求解波束矢量。為進(jìn)一步減少多小區(qū)系統(tǒng)中信令開銷，基于大系統(tǒng)分析，提出了僅采用大尺度信息的分布式算法。仿真結(jié)果表明，所提的分布式算法與對偶算法相比，在保證用戶信干噪比的概率約束時，降低了大規(guī)模MIMO系統(tǒng)中傳輸瞬時信道狀態(tài)信息的開銷，同時具有良好的魯棒性。
大規(guī)模多輸入多輸出(Massive MIMO)技術(shù)通過在基站端配置大規(guī)模天線能有效提升5G蜂窩系統(tǒng)容量?？紤]信道估計誤差對系統(tǒng)性能的影響，該文在多小區(qū)大規(guī)模MIMO系統(tǒng)中形成了用戶信干噪比的非溢出概率約束下最小化系統(tǒng)功率的優(yōu)化問題。針對非凸概率約束中下行波束難于求解的問題，該文根據(jù)矩陣跡的性質(zhì)將優(yōu)化問題中的非凸約束縮放，進(jìn)而提出上下行對偶算法求解波束矢量。為進(jìn)一步減少多小區(qū)系統(tǒng)中信令開銷，基于大系統(tǒng)分析，提出了僅采用大尺度信息的分布式算法。仿真結(jié)果表明，所提的分布式算法與對偶算法相比，在保證用戶信干噪比的概率約束時，降低了大規(guī)模MIMO系統(tǒng)中傳輸瞬時信道狀態(tài)信息的開銷，同時具有良好的魯棒性。
2015, 37(4): 855-862.
doi: 10.11999/JEIT140661
摘要:
無線局域網(wǎng)(WLAN)中可以對無線接入點(Access Point, AP)進(jìn)行定位。該文提出一種基于概率密度的AP定位算法(Probability Density algorithm for Access Point Localization, PDAPL)。首先對實驗區(qū)域進(jìn)行分區(qū)；然后根據(jù)定向天線在不同位置和不同角度收到的信號強度，計算AP落在各區(qū)域的概率，形成與密度有關(guān)的概率統(tǒng)計表；最后對AP的位置進(jìn)行評估。實驗結(jié)果表明，該文提出的算法采集數(shù)據(jù)少，只需在少量點和少量角度采集信號就可以得到較高的定位精度。與DrivebyLoc, Distance和AoA相比，得到相同的定位精度PDAPL所需要的測量點和測量角度只是DrivebyLoc的一半左右，比Distance和AoA所需要的更少；測量點和測量角度數(shù)量相同時，PDAPL的定位精度相對于DrivebyLoc提升了50%左右。
無線局域網(wǎng)(WLAN)中可以對無線接入點(Access Point, AP)進(jìn)行定位。該文提出一種基于概率密度的AP定位算法(Probability Density algorithm for Access Point Localization, PDAPL)。首先對實驗區(qū)域進(jìn)行分區(qū)；然后根據(jù)定向天線在不同位置和不同角度收到的信號強度，計算AP落在各區(qū)域的概率，形成與密度有關(guān)的概率統(tǒng)計表；最后對AP的位置進(jìn)行評估。實驗結(jié)果表明，該文提出的算法采集數(shù)據(jù)少，只需在少量點和少量角度采集信號就可以得到較高的定位精度。與DrivebyLoc, Distance和AoA相比，得到相同的定位精度PDAPL所需要的測量點和測量角度只是DrivebyLoc的一半左右，比Distance和AoA所需要的更少；測量點和測量角度數(shù)量相同時，PDAPL的定位精度相對于DrivebyLoc提升了50%左右。
2015, 37(4): 863-867.
doi: 10.11999/JEIT140644
摘要:
在現(xiàn)代無線通信系統(tǒng)中，采用正交空時分組碼(STBC)的多天線發(fā)射技術(shù)是提高通信速率和可靠性，并且能夠?qū)崿F(xiàn)簡單譯碼的關(guān)鍵技術(shù)。該文針對瑞利信道系統(tǒng)模型，提出一種適用于多入單出正交空時分組碼(OSTBC)的調(diào)制識別算法。該算法通過對接收到的數(shù)據(jù)進(jìn)行重排，將多入單出的系統(tǒng)模型轉(zhuǎn)化為類似多入多出的系統(tǒng)模型，并且根據(jù)信源的特殊性用最大似然的思想實現(xiàn)調(diào)制類型的識別。仿真結(jié)果驗證了所提算法的有效性。
在現(xiàn)代無線通信系統(tǒng)中，采用正交空時分組碼(STBC)的多天線發(fā)射技術(shù)是提高通信速率和可靠性，并且能夠?qū)崿F(xiàn)簡單譯碼的關(guān)鍵技術(shù)。該文針對瑞利信道系統(tǒng)模型，提出一種適用于多入單出正交空時分組碼(OSTBC)的調(diào)制識別算法。該算法通過對接收到的數(shù)據(jù)進(jìn)行重排，將多入單出的系統(tǒng)模型轉(zhuǎn)化為類似多入多出的系統(tǒng)模型，并且根據(jù)信源的特殊性用最大似然的思想實現(xiàn)調(diào)制類型的識別。仿真結(jié)果驗證了所提算法的有效性。
2015, 37(4): 868-873.
doi: 10.11999/JEIT140959
摘要:
為提高頻譜利用率，該文利用非線性動力學(xué)理論對頻譜狀態(tài)持續(xù)時長序列進(jìn)行建模并預(yù)測。以實際采集的頻譜數(shù)據(jù)作為研究對象，采用指向?qū)?shù)法對該時長序列進(jìn)行非一致延長時間相空間重構(gòu)，利用基于尺度的Lyapunov指數(shù)判定其混沌特性。以基于Davidon-Fletcher-Powell方法的二階Volterra預(yù)測模型 (DFPSOVF)為基礎(chǔ)，提出一種基于限域擬牛頓方法的Volterra自適應(yīng)濾波器系數(shù)調(diào)整模型，并將該模型應(yīng)用于具有混沌特性的短時頻譜狀態(tài)持續(xù)時長預(yù)測，通過自適應(yīng)剔除對預(yù)測貢獻(xiàn)小的濾波器系數(shù)，降低預(yù)測模型的復(fù)雜度。實驗結(jié)果表明該算法在保證預(yù)測精度的同時降低運算復(fù)雜度。
為提高頻譜利用率，該文利用非線性動力學(xué)理論對頻譜狀態(tài)持續(xù)時長序列進(jìn)行建模并預(yù)測。以實際采集的頻譜數(shù)據(jù)作為研究對象，采用指向?qū)?shù)法對該時長序列進(jìn)行非一致延長時間相空間重構(gòu)，利用基于尺度的Lyapunov指數(shù)判定其混沌特性。以基于Davidon-Fletcher-Powell方法的二階Volterra預(yù)測模型 (DFPSOVF)為基礎(chǔ)，提出一種基于限域擬牛頓方法的Volterra自適應(yīng)濾波器系數(shù)調(diào)整模型，并將該模型應(yīng)用于具有混沌特性的短時頻譜狀態(tài)持續(xù)時長預(yù)測，通過自適應(yīng)剔除對預(yù)測貢獻(xiàn)小的濾波器系數(shù)，降低預(yù)測模型的復(fù)雜度。實驗結(jié)果表明該算法在保證預(yù)測精度的同時降低運算復(fù)雜度。
2015, 37(4): 874-880.
doi: 10.11999/JEIT140845
摘要:
在車輛異構(gòu)網(wǎng)絡(luò)中，針對垂直切換決策時刻之后網(wǎng)絡(luò)狀態(tài)的動態(tài)變化，提高切換性能問題，提出一種基于馬爾可夫過程的預(yù)測垂直切換(M-VHO)算法。算法考慮了切換決策后網(wǎng)絡(luò)狀態(tài)的動態(tài)變化對車輛終端服務(wù)質(zhì)量(QoS)的影響。其基本思路是：在需要垂直切換時，利用馬爾可夫過程的轉(zhuǎn)移概率預(yù)測未來網(wǎng)絡(luò)狀態(tài)的變化；另外，采用模糊邏輯方法確定評價屬性參數(shù)權(quán)重；最后，比較切換決策、切換執(zhí)行和切換之后時刻的總收益來優(yōu)化選擇最佳切換網(wǎng)絡(luò)。仿真結(jié)果證明，該算法在確保較高負(fù)載均衡的情況下，可有效改進(jìn)車輛終端的平均阻塞率及丟包率，降低乒乓效應(yīng)，確保了車輛終端的QoS。
在車輛異構(gòu)網(wǎng)絡(luò)中，針對垂直切換決策時刻之后網(wǎng)絡(luò)狀態(tài)的動態(tài)變化，提高切換性能問題，提出一種基于馬爾可夫過程的預(yù)測垂直切換(M-VHO)算法。算法考慮了切換決策后網(wǎng)絡(luò)狀態(tài)的動態(tài)變化對車輛終端服務(wù)質(zhì)量(QoS)的影響。其基本思路是：在需要垂直切換時，利用馬爾可夫過程的轉(zhuǎn)移概率預(yù)測未來網(wǎng)絡(luò)狀態(tài)的變化；另外，采用模糊邏輯方法確定評價屬性參數(shù)權(quán)重；最后，比較切換決策、切換執(zhí)行和切換之后時刻的總收益來優(yōu)化選擇最佳切換網(wǎng)絡(luò)。仿真結(jié)果證明，該算法在確保較高負(fù)載均衡的情況下，可有效改進(jìn)車輛終端的平均阻塞率及丟包率，降低乒乓效應(yīng)，確保了車輛終端的QoS。
2015, 37(4): 881-886.
doi: 10.11999/JEIT140831
摘要:
目前基于標(biāo)簽的Grbner基算法大多是Buchberger型的，涉及矩陣型算法的文獻(xiàn)往往是為了進(jìn)行復(fù)雜度分析，而不考慮實際的效率。該文從實際應(yīng)用出發(fā)，給出矩陣型Gao-Volny-Wang(GVW)算法的一個實例，提出算法層次的優(yōu)化設(shè)計方法。同時，該文還給出一個高效的約化準(zhǔn)則。通過實驗，該文比較了算法可用的各項準(zhǔn)則及策略。實驗結(jié)果表明，該文的矩陣型GVW實例在準(zhǔn)則和策略的選取上是最優(yōu)的。并且，矩陣型GVW在某些多項式系統(tǒng)(例如，Cyclic系列和Katsura系列多項式系統(tǒng))下比Buchberger型GVW要快2~6倍。
目前基于標(biāo)簽的Grbner基算法大多是Buchberger型的，涉及矩陣型算法的文獻(xiàn)往往是為了進(jìn)行復(fù)雜度分析，而不考慮實際的效率。該文從實際應(yīng)用出發(fā)，給出矩陣型Gao-Volny-Wang(GVW)算法的一個實例，提出算法層次的優(yōu)化設(shè)計方法。同時，該文還給出一個高效的約化準(zhǔn)則。通過實驗，該文比較了算法可用的各項準(zhǔn)則及策略。實驗結(jié)果表明，該文的矩陣型GVW實例在準(zhǔn)則和策略的選取上是最優(yōu)的。并且，矩陣型GVW在某些多項式系統(tǒng)(例如，Cyclic系列和Katsura系列多項式系統(tǒng))下比Buchberger型GVW要快2~6倍。
2015, 37(4): 887-893.
doi: 10.11999/JEIT140820
摘要:
針對流量測量中IP長流的檢測問題，該文設(shè)計了計數(shù)布魯姆過濾器(Count Bloom Filter, CBF)與超時布魯姆過濾器(Timeout Bloom Filter, TBF)結(jié)合的長流檢測機制。該機制動態(tài)調(diào)整布魯姆過濾器中的超時時間，及時清理結(jié)束流，解決空間擁塞問題，從而可以適用于無結(jié)束標(biāo)志IP長流檢測。依據(jù)算法整體錯誤率與超時時間的分析，根據(jù)鏈路流到達(dá)強度與布魯姆過濾器向量空間長度自適應(yīng)動態(tài)調(diào)整超時時間，使得算法整體錯誤率保持最低。該算法的性能利用真實網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行驗證，結(jié)果表明，與現(xiàn)有算法相比，該算法的測量準(zhǔn)確性更高。
針對流量測量中IP長流的檢測問題，該文設(shè)計了計數(shù)布魯姆過濾器(Count Bloom Filter, CBF)與超時布魯姆過濾器(Timeout Bloom Filter, TBF)結(jié)合的長流檢測機制。該機制動態(tài)調(diào)整布魯姆過濾器中的超時時間，及時清理結(jié)束流，解決空間擁塞問題，從而可以適用于無結(jié)束標(biāo)志IP長流檢測。依據(jù)算法整體錯誤率與超時時間的分析，根據(jù)鏈路流到達(dá)強度與布魯姆過濾器向量空間長度自適應(yīng)動態(tài)調(diào)整超時時間，使得算法整體錯誤率保持最低。該算法的性能利用真實網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行驗證，結(jié)果表明，與現(xiàn)有算法相比，該算法的測量準(zhǔn)確性更高。
2015, 37(4): 894-899.
doi: 10.11999/JEIT140786
摘要:
貝葉斯網(wǎng)絡(luò)是智能算法領(lǐng)域重要的理論工具，其結(jié)構(gòu)學(xué)習(xí)問題被認(rèn)為是NP-hard問題。該文通過混合學(xué)習(xí)算法的方式，從分析低階條件獨立性測試提供的信息入手，給出了構(gòu)造目標(biāo)網(wǎng)絡(luò)結(jié)構(gòu)空間邊界的方法，并給出了完整的證明。在此基礎(chǔ)上執(zhí)行打分搜索算法獲得最終的網(wǎng)絡(luò)結(jié)構(gòu)。仿真結(jié)果表明該算法與同類算法相比具有更高的精度和更好的執(zhí)行效率。
貝葉斯網(wǎng)絡(luò)是智能算法領(lǐng)域重要的理論工具，其結(jié)構(gòu)學(xué)習(xí)問題被認(rèn)為是NP-hard問題。該文通過混合學(xué)習(xí)算法的方式，從分析低階條件獨立性測試提供的信息入手，給出了構(gòu)造目標(biāo)網(wǎng)絡(luò)結(jié)構(gòu)空間邊界的方法，并給出了完整的證明。在此基礎(chǔ)上執(zhí)行打分搜索算法獲得最終的網(wǎng)絡(luò)結(jié)構(gòu)。仿真結(jié)果表明該算法與同類算法相比具有更高的精度和更好的執(zhí)行效率。
2015, 37(4): 900-906.
doi: 10.11999/JEIT140740
摘要:
衛(wèi)星導(dǎo)航系統(tǒng)容易受到干擾，空時自適應(yīng)處理在導(dǎo)航接收機抗干擾方面擁有明顯的優(yōu)勢，即系統(tǒng)自由度顯著提高，但是傳統(tǒng)空時自適應(yīng)處理應(yīng)用于導(dǎo)航接收機抗干擾中卻面臨信號失真的難題。該文提出一種基于正交約束的導(dǎo)航接收機空時自適應(yīng)處理方法。該方法從空時自適應(yīng)處理的原理入手修改傳統(tǒng)空時自適應(yīng)處理優(yōu)化的約束項，消除了不同時延信號對合成信號的影響，保證了空時自適應(yīng)處理在有效抑制干擾的同時不影響導(dǎo)航信號的捕獲和解碼。理論分析和仿真結(jié)果表明，該方法能有效解決空時自適應(yīng)處理中的導(dǎo)航信號失真問題。
衛(wèi)星導(dǎo)航系統(tǒng)容易受到干擾，空時自適應(yīng)處理在導(dǎo)航接收機抗干擾方面擁有明顯的優(yōu)勢，即系統(tǒng)自由度顯著提高，但是傳統(tǒng)空時自適應(yīng)處理應(yīng)用于導(dǎo)航接收機抗干擾中卻面臨信號失真的難題。該文提出一種基于正交約束的導(dǎo)航接收機空時自適應(yīng)處理方法。該方法從空時自適應(yīng)處理的原理入手修改傳統(tǒng)空時自適應(yīng)處理優(yōu)化的約束項，消除了不同時延信號對合成信號的影響，保證了空時自適應(yīng)處理在有效抑制干擾的同時不影響導(dǎo)航信號的捕獲和解碼。理論分析和仿真結(jié)果表明，該方法能有效解決空時自適應(yīng)處理中的導(dǎo)航信號失真問題。
2015, 37(4): 907-912.
doi: 10.11999/JEIT140878
摘要:
針對窄帶多分量信號頻率估計問題，該文提出一種基于稀疏分解的頻率估計算法，能夠同時對多個窄帶信號的頻率進(jìn)行估計。首先利用傳統(tǒng)方法進(jìn)行頻率預(yù)估計，然后根據(jù)頻率預(yù)估計的結(jié)果建立冗余字典，對信號進(jìn)行稀疏表示，最后通過匹配追蹤算法得到精確的頻率估計。該算法極大地減小了字典的長度和稀疏分解的運算量，而且在迭代過程中利用了全局信息更新殘差向量，估計結(jié)果更為精確，在低信噪比情況下性能也較為穩(wěn)健。仿真結(jié)果驗證該算法的有效性和正確性。
針對窄帶多分量信號頻率估計問題，該文提出一種基于稀疏分解的頻率估計算法，能夠同時對多個窄帶信號的頻率進(jìn)行估計。首先利用傳統(tǒng)方法進(jìn)行頻率預(yù)估計，然后根據(jù)頻率預(yù)估計的結(jié)果建立冗余字典，對信號進(jìn)行稀疏表示，最后通過匹配追蹤算法得到精確的頻率估計。該算法極大地減小了字典的長度和稀疏分解的運算量，而且在迭代過程中利用了全局信息更新殘差向量，估計結(jié)果更為精確，在低信噪比情況下性能也較為穩(wěn)健。仿真結(jié)果驗證該算法的有效性和正確性。
2015, 37(4): 913-918.
doi: 10.11999/JEIT140769
摘要:
干擾機運動能給雙通道干擾對消帶來困難，但連續(xù)運動的干擾機只在一定范圍內(nèi)有較好的干擾效果。旋轉(zhuǎn)干擾機具有運動的重復(fù)性，該文分析了旋轉(zhuǎn)運動的干擾機對InSAR雙通道干擾對消的影響，針對旋臂過長不易實現(xiàn)的問題，提出用分布式的多干擾發(fā)射天線通過分時發(fā)射模擬旋轉(zhuǎn)干擾機的方法，仿真結(jié)果證明了該方法的有效性。
干擾機運動能給雙通道干擾對消帶來困難，但連續(xù)運動的干擾機只在一定范圍內(nèi)有較好的干擾效果。旋轉(zhuǎn)干擾機具有運動的重復(fù)性，該文分析了旋轉(zhuǎn)運動的干擾機對InSAR雙通道干擾對消的影響，針對旋臂過長不易實現(xiàn)的問題，提出用分布式的多干擾發(fā)射天線通過分時發(fā)射模擬旋轉(zhuǎn)干擾機的方法，仿真結(jié)果證明了該方法的有效性。
2015, 37(4): 919-925.
doi: 10.11999/JEIT140710
摘要:
自然場景3維影像重構(gòu)是層析合成孔徑雷達(dá)(TomoSAR)的重要應(yīng)用。傳統(tǒng)方法在沿高程維進(jìn)行層析處理時，均通過對等距線陣模型進(jìn)行加權(quán)的方式，以主瓣展寬為代價來抑制方向圖旁瓣水平。針對該問題，該文建立一種基于非等距線陣的峰值旁瓣比極小極大優(yōu)化模型，即在約束主瓣寬度一定的情況下，通過陣元位置的優(yōu)化配置來獲取觀測場景視角范圍內(nèi)任意指向的最優(yōu)旁瓣水平；提出一種目標(biāo)函數(shù)離散柵格化方法，進(jìn)而采用序列二次規(guī)劃(SQP)方法并結(jié)合差分進(jìn)化算法特有的全局記憶能力，以獲取最優(yōu)陣元配置方案。對PolSARpro全極化層析SAR仿真數(shù)據(jù)的處理結(jié)果表明該方法能夠有效地應(yīng)用于自然場景的3維影像重構(gòu)。
自然場景3維影像重構(gòu)是層析合成孔徑雷達(dá)(TomoSAR)的重要應(yīng)用。傳統(tǒng)方法在沿高程維進(jìn)行層析處理時，均通過對等距線陣模型進(jìn)行加權(quán)的方式，以主瓣展寬為代價來抑制方向圖旁瓣水平。針對該問題，該文建立一種基于非等距線陣的峰值旁瓣比極小極大優(yōu)化模型，即在約束主瓣寬度一定的情況下，通過陣元位置的優(yōu)化配置來獲取觀測場景視角范圍內(nèi)任意指向的最優(yōu)旁瓣水平；提出一種目標(biāo)函數(shù)離散柵格化方法，進(jìn)而采用序列二次規(guī)劃(SQP)方法并結(jié)合差分進(jìn)化算法特有的全局記憶能力，以獲取最優(yōu)陣元配置方案。對PolSARpro全極化層析SAR仿真數(shù)據(jù)的處理結(jié)果表明該方法能夠有效地應(yīng)用于自然場景的3維影像重構(gòu)。
2015, 37(4): 926-932.
doi: 10.11999/JEIT140589
摘要:
基于末制導(dǎo)雷達(dá)搜索艦艇編隊目標(biāo)時獲得的目標(biāo)大角域高分辨距離像(HRRP)信息，該文建立了描述單個HRRP樣本內(nèi)向量之間統(tǒng)計關(guān)系的各態(tài)歷經(jīng)空間隱馬爾可夫模型(SHMM)和描述HRRP樣本之間統(tǒng)計關(guān)系的從左到右時間隱馬爾可夫模型(THMM)。與對一類目標(biāo)全方位角訓(xùn)練數(shù)據(jù)只建立一個THMM模型的方法相比，該方法充分利用目標(biāo)的大角域HRRP信息，提高了識別性能。通過對5類艦船目標(biāo)的仿真和3類民用船只的外場實測數(shù)據(jù)分析表明該方法的有效性。
基于末制導(dǎo)雷達(dá)搜索艦艇編隊目標(biāo)時獲得的目標(biāo)大角域高分辨距離像(HRRP)信息，該文建立了描述單個HRRP樣本內(nèi)向量之間統(tǒng)計關(guān)系的各態(tài)歷經(jīng)空間隱馬爾可夫模型(SHMM)和描述HRRP樣本之間統(tǒng)計關(guān)系的從左到右時間隱馬爾可夫模型(THMM)。與對一類目標(biāo)全方位角訓(xùn)練數(shù)據(jù)只建立一個THMM模型的方法相比，該方法充分利用目標(biāo)的大角域HRRP信息，提高了識別性能。通過對5類艦船目標(biāo)的仿真和3類民用船只的外場實測數(shù)據(jù)分析表明該方法的有效性。
2015, 37(4): 933-938.
doi: 10.11999/JEIT140826
摘要:
該文提出了一種基于雙基地互質(zhì)陣列(CPA)多輸入多輸出(MIMO)雷達(dá)的多目標(biāo)波離方向角(DOD)、波達(dá)方向角(DOA)和多普勒頻率估計算法。收發(fā)陣列各由兩個滿足互質(zhì)結(jié)構(gòu)的稀疏均勻子線陣組成。時域的快拍序列同樣由兩個互質(zhì)的稀疏均勻采樣構(gòu)成。算法利用張量因子分解得到分別包含DOD, DOA和多普勒頻率信息的3個流形矩陣，再從中構(gòu)造出具有范德蒙德矩陣結(jié)構(gòu)的虛擬流形矩陣。為了提高估計精度，還提出了一種基于特征值分解的誤差抑制算法，并通過旋轉(zhuǎn)不變子空間算法(ESPRIT)求取各目標(biāo)的3個待估參數(shù)。與傳統(tǒng)算法相比，該算法通過構(gòu)造均勻虛擬陣列和虛擬快拍提高參數(shù)估計性能，且不會產(chǎn)生模糊，避免了譜峰搜索和額外的配對過程。仿真實驗驗證了該算法有效性。
該文提出了一種基于雙基地互質(zhì)陣列(CPA)多輸入多輸出(MIMO)雷達(dá)的多目標(biāo)波離方向角(DOD)、波達(dá)方向角(DOA)和多普勒頻率估計算法。收發(fā)陣列各由兩個滿足互質(zhì)結(jié)構(gòu)的稀疏均勻子線陣組成。時域的快拍序列同樣由兩個互質(zhì)的稀疏均勻采樣構(gòu)成。算法利用張量因子分解得到分別包含DOD, DOA和多普勒頻率信息的3個流形矩陣，再從中構(gòu)造出具有范德蒙德矩陣結(jié)構(gòu)的虛擬流形矩陣。為了提高估計精度，還提出了一種基于特征值分解的誤差抑制算法，并通過旋轉(zhuǎn)不變子空間算法(ESPRIT)求取各目標(biāo)的3個待估參數(shù)。與傳統(tǒng)算法相比，該算法通過構(gòu)造均勻虛擬陣列和虛擬快拍提高參數(shù)估計性能，且不會產(chǎn)生模糊，避免了譜峰搜索和額外的配對過程。仿真實驗驗證了該算法有效性。
2015, 37(4): 939-945.
doi: 10.11999/JEIT140685
摘要:
目前的頻域成像算法在應(yīng)用于高分辨率寬波束機載合成孔徑雷達(dá)(SAR)時不能精確補償運動誤差，而可以精確成像的時域算法存在計算效率低下的問題。針對上述問題，該文提出一種新的成像算法。該算法通過對信號2維頻譜進(jìn)行擾動操作，將頻域與時域算法結(jié)合互補，在提高運補精度的同時，也提高了后向投影的計算效率，從而在應(yīng)用于高分辨率寬波束機載SAR時得到成像精度與效率的平衡。通過仿真和實際數(shù)據(jù)分析，驗證了該算法應(yīng)用于高分辨率寬波束系統(tǒng)的有效性。
目前的頻域成像算法在應(yīng)用于高分辨率寬波束機載合成孔徑雷達(dá)(SAR)時不能精確補償運動誤差，而可以精確成像的時域算法存在計算效率低下的問題。針對上述問題，該文提出一種新的成像算法。該算法通過對信號2維頻譜進(jìn)行擾動操作，將頻域與時域算法結(jié)合互補，在提高運補精度的同時，也提高了后向投影的計算效率，從而在應(yīng)用于高分辨率寬波束機載SAR時得到成像精度與效率的平衡。通過仿真和實際數(shù)據(jù)分析，驗證了該算法應(yīng)用于高分辨率寬波束系統(tǒng)的有效性。
2015, 37(4): 946-952.
doi: 10.11999/JEIT140717
摘要:
利用圓跡SAR對目標(biāo)的全方位觀測的特點，該文提出一種基于圓跡SAR數(shù)據(jù)的建筑物輪廓信息提取以及所處地面的高度估計的方法。首先，通過雷達(dá)立體測量的方法粗估計出目標(biāo)建筑物所處地面的海拔高度。然后，以該高度為基準(zhǔn)上下一定范圍內(nèi)劃分多個成像平面層，在各個成像平面上對建筑物進(jìn)行圓跡SAR成像。最后，在圓跡SAR圖像中選擇建筑物二次反射亮線構(gòu)成封閉線框的一副圖像，從該幅圖像中提取建筑物在水平面的輪廓信息，同時將該圖像對應(yīng)的成像平面高度確定為目標(biāo)建筑物所在地面的高度。P波段機載圓跡SAR實測數(shù)據(jù)驗證了該方法的有效性。
利用圓跡SAR對目標(biāo)的全方位觀測的特點，該文提出一種基于圓跡SAR數(shù)據(jù)的建筑物輪廓信息提取以及所處地面的高度估計的方法。首先，通過雷達(dá)立體測量的方法粗估計出目標(biāo)建筑物所處地面的海拔高度。然后，以該高度為基準(zhǔn)上下一定范圍內(nèi)劃分多個成像平面層，在各個成像平面上對建筑物進(jìn)行圓跡SAR成像。最后，在圓跡SAR圖像中選擇建筑物二次反射亮線構(gòu)成封閉線框的一副圖像，從該幅圖像中提取建筑物在水平面的輪廓信息，同時將該圖像對應(yīng)的成像平面高度確定為目標(biāo)建筑物所在地面的高度。P波段機載圓跡SAR實測數(shù)據(jù)驗證了該方法的有效性。
2015, 37(4): 953-960.
doi: 10.11999/JEIT140618
摘要:
彈載合成孔徑雷達(dá)(SAR)為滿足機動性和實時性，常采用大斜視子孔徑成像處理；而大斜視SAR成像存在嚴(yán)重的距離方位耦合，時域校正距離走動解決這一問題會帶來方位聚焦深度問題。針對方位聚焦深度問題以及子孔徑特性，該文提出一種新的子孔徑成像算法頻域相位濾波算法(FPFA)，該算法在無近似瞬時斜距模型下，采用時域校正距離走動，頻域校正彎曲，在方位頻域引入相位濾波因子校正多普勒調(diào)頻率和方位向高次項的空變性，并結(jié)合譜分析(SPECAN)技術(shù)實現(xiàn)方位聚焦。仿真和實測數(shù)據(jù)處理驗證了該算法的有效性。
彈載合成孔徑雷達(dá)(SAR)為滿足機動性和實時性，常采用大斜視子孔徑成像處理；而大斜視SAR成像存在嚴(yán)重的距離方位耦合，時域校正距離走動解決這一問題會帶來方位聚焦深度問題。針對方位聚焦深度問題以及子孔徑特性，該文提出一種新的子孔徑成像算法頻域相位濾波算法(FPFA)，該算法在無近似瞬時斜距模型下，采用時域校正距離走動，頻域校正彎曲，在方位頻域引入相位濾波因子校正多普勒調(diào)頻率和方位向高次項的空變性，并結(jié)合譜分析(SPECAN)技術(shù)實現(xiàn)方位聚焦。仿真和實測數(shù)據(jù)處理驗證了該算法的有效性。
2015, 37(4): 961-968.
doi: 10.11999/JEIT140814
摘要:
當(dāng)雷達(dá)對錐體目標(biāo)發(fā)射窄帶信號時，進(jìn)動調(diào)制會使回波中包含的散射中心瞬時頻率發(fā)生周期性變化，這種變化可以反映出目標(biāo)幾何尺寸與結(jié)構(gòu)特性，針對此該文提出一種基于窄帶微多普勒調(diào)制的空間錐體目標(biāo)參數(shù)估計方法。首先對目標(biāo)散射特性進(jìn)行分析，推導(dǎo)進(jìn)動引起的目標(biāo)散射中心瞬時頻率變化公式；然后利用時變自回歸模型估計散射中心瞬時頻率，并對估計結(jié)果進(jìn)行重新關(guān)聯(lián)以消除其中出現(xiàn)的關(guān)聯(lián)錯誤；最后根據(jù)錐頂和錐底散射中心瞬時頻率變化性質(zhì)，結(jié)合目標(biāo)彈道估計得到目標(biāo)幾何尺寸參數(shù)及微動參數(shù)?；陔姶庞嬎銛?shù)據(jù)的實驗結(jié)果驗證了該文所提方法的有效性和精確性。
當(dāng)雷達(dá)對錐體目標(biāo)發(fā)射窄帶信號時，進(jìn)動調(diào)制會使回波中包含的散射中心瞬時頻率發(fā)生周期性變化，這種變化可以反映出目標(biāo)幾何尺寸與結(jié)構(gòu)特性，針對此該文提出一種基于窄帶微多普勒調(diào)制的空間錐體目標(biāo)參數(shù)估計方法。首先對目標(biāo)散射特性進(jìn)行分析，推導(dǎo)進(jìn)動引起的目標(biāo)散射中心瞬時頻率變化公式；然后利用時變自回歸模型估計散射中心瞬時頻率，并對估計結(jié)果進(jìn)行重新關(guān)聯(lián)以消除其中出現(xiàn)的關(guān)聯(lián)錯誤；最后根據(jù)錐頂和錐底散射中心瞬時頻率變化性質(zhì)，結(jié)合目標(biāo)彈道估計得到目標(biāo)幾何尺寸參數(shù)及微動參數(shù)?；陔姶庞嬎銛?shù)據(jù)的實驗結(jié)果驗證了該文所提方法的有效性和精確性。
2015, 37(4): 969-974.
doi: 10.11999/JEIT140675
摘要:
在多通道自聚焦(MCA)和傅里葉域多通道自聚焦(FMCA)的基礎(chǔ)上，該文提出一種基于多普勒域多通道的機載合成孔徑雷達(dá)自聚焦算法。該算法同樣是直接在線性代數(shù)的理論框架下推導(dǎo)得到，能夠在不迭代的情況下進(jìn)行相位誤差的估計和補償以實現(xiàn)SAR圖像的聚焦。該算法不像MCA和FMCA那樣在圖像域估計相位誤差，而是在距離壓縮方位多普勒域(方位未壓縮)里進(jìn)行相位誤差估計。同時該算法不需要SAR成像場景中含有低散射區(qū)的假設(shè)，從而使其能夠應(yīng)用于條帶模式SAR。不同情況下條帶SAR數(shù)據(jù)的處理結(jié)果驗證了該算法的有效性和可行性。
在多通道自聚焦(MCA)和傅里葉域多通道自聚焦(FMCA)的基礎(chǔ)上，該文提出一種基于多普勒域多通道的機載合成孔徑雷達(dá)自聚焦算法。該算法同樣是直接在線性代數(shù)的理論框架下推導(dǎo)得到，能夠在不迭代的情況下進(jìn)行相位誤差的估計和補償以實現(xiàn)SAR圖像的聚焦。該算法不像MCA和FMCA那樣在圖像域估計相位誤差，而是在距離壓縮方位多普勒域(方位未壓縮)里進(jìn)行相位誤差估計。同時該算法不需要SAR成像場景中含有低散射區(qū)的假設(shè)，從而使其能夠應(yīng)用于條帶模式SAR。不同情況下條帶SAR數(shù)據(jù)的處理結(jié)果驗證了該算法的有效性和可行性。
2015, 37(4): 975-981.
doi: 10.11999/JEIT140720
摘要:
該文提出一種通過預(yù)測到達(dá)任務(wù)區(qū)域路徑信噪比，自適應(yīng)地為天波超視距雷達(dá)選擇工作頻點的方法。利用2維陣列的俯仰維分辨能力，克服了傳統(tǒng)方法無法從返回散射電離圖中分離多模/多徑信號的缺陷。雷達(dá)通過電離層探測設(shè)備和2維接收陣列，獲取返回散射數(shù)據(jù)、環(huán)境干擾數(shù)據(jù)和電離層狀態(tài)數(shù)據(jù)。然后利用電離層模型和狀態(tài)數(shù)據(jù)，推算各頻點對任務(wù)區(qū)域的照射路徑。運用2維自適應(yīng)波束形成抑制環(huán)境干擾噪聲，并處理返回散射數(shù)據(jù)以預(yù)測各路徑回波強度。最后計算各頻點路徑在脈沖壓縮后的信噪比，選擇信噪比最大值的頻率為最優(yōu)工作頻點。
該文提出一種通過預(yù)測到達(dá)任務(wù)區(qū)域路徑信噪比，自適應(yīng)地為天波超視距雷達(dá)選擇工作頻點的方法。利用2維陣列的俯仰維分辨能力，克服了傳統(tǒng)方法無法從返回散射電離圖中分離多模/多徑信號的缺陷。雷達(dá)通過電離層探測設(shè)備和2維接收陣列，獲取返回散射數(shù)據(jù)、環(huán)境干擾數(shù)據(jù)和電離層狀態(tài)數(shù)據(jù)。然后利用電離層模型和狀態(tài)數(shù)據(jù)，推算各頻點對任務(wù)區(qū)域的照射路徑。運用2維自適應(yīng)波束形成抑制環(huán)境干擾噪聲，并處理返回散射數(shù)據(jù)以預(yù)測各路徑回波強度。最后計算各頻點路徑在脈沖壓縮后的信噪比，選擇信噪比最大值的頻率為最優(yōu)工作頻點。
2015, 37(4): 982-988.
doi: 10.11999/JEIT140730
摘要:
為了提高航海雷達(dá)目標(biāo)檢測性能，該文主要研究多分形布朗運動在掃描模式下雷達(dá)海雜波分形建模中的應(yīng)用。該文驗證實測海雜波數(shù)據(jù)具有非對稱和尖峰厚尾的非高斯統(tǒng)計分布，并且具有分形特性；同時也證實實測數(shù)據(jù)在一定的情況下滿足多分形布朗運動的假設(shè)條件。在此基礎(chǔ)上，利用多分形布朗運動對實測數(shù)據(jù)進(jìn)行建模，計算得到隨時間變化的Hlder函數(shù)，結(jié)果顯示不同距離區(qū)域的Hlder指數(shù)是不同的，目標(biāo)處的Hlder指數(shù)大于海雜波處的H?lder指數(shù)。該文研究結(jié)果對后續(xù)目標(biāo)檢測方法的提出具有很大的幫助作用。
為了提高航海雷達(dá)目標(biāo)檢測性能，該文主要研究多分形布朗運動在掃描模式下雷達(dá)海雜波分形建模中的應(yīng)用。該文驗證實測海雜波數(shù)據(jù)具有非對稱和尖峰厚尾的非高斯統(tǒng)計分布，并且具有分形特性；同時也證實實測數(shù)據(jù)在一定的情況下滿足多分形布朗運動的假設(shè)條件。在此基礎(chǔ)上，利用多分形布朗運動對實測數(shù)據(jù)進(jìn)行建模，計算得到隨時間變化的Hlder函數(shù)，結(jié)果顯示不同距離區(qū)域的Hlder指數(shù)是不同的，目標(biāo)處的Hlder指數(shù)大于海雜波處的H?lder指數(shù)。該文研究結(jié)果對后續(xù)目標(biāo)檢測方法的提出具有很大的幫助作用。
2015, 37(4): 989-994.
doi: 10.11999/JEIT140856
摘要:
針對在速度拖引干擾和雜波背景下脈沖多普勒(PD)雷達(dá)無法精確跟蹤目標(biāo)的問題，該文提出基于雙模型(DM)和幅度信息(AI)的目標(biāo)跟蹤算法。分別建立基于位置、幅度量測的跟蹤模型和基于位置、速度、幅度量測的跟蹤模型。兩個模型均使用基于幅度信息的概率數(shù)據(jù)互聯(lián)(AI-PDA)盡可能地降低雜波的影響，然后使用常規(guī)方法進(jìn)行濾波估計。若沒有速度拖引干擾，則兩個模型估計具有位置和速度上的相關(guān)性；若存在干擾，由于速度量測是虛假的，則兩個模型估計不具有相關(guān)性。據(jù)此，進(jìn)行卡方檢驗(chi-square test)，分析影響檢驗結(jié)果的因素，進(jìn)而確定最終的估計結(jié)果。仿真驗證了該算法的有效性。
針對在速度拖引干擾和雜波背景下脈沖多普勒(PD)雷達(dá)無法精確跟蹤目標(biāo)的問題，該文提出基于雙模型(DM)和幅度信息(AI)的目標(biāo)跟蹤算法。分別建立基于位置、幅度量測的跟蹤模型和基于位置、速度、幅度量測的跟蹤模型。兩個模型均使用基于幅度信息的概率數(shù)據(jù)互聯(lián)(AI-PDA)盡可能地降低雜波的影響，然后使用常規(guī)方法進(jìn)行濾波估計。若沒有速度拖引干擾，則兩個模型估計具有位置和速度上的相關(guān)性；若存在干擾，由于速度量測是虛假的，則兩個模型估計不具有相關(guān)性。據(jù)此，進(jìn)行卡方檢驗(chi-square test)，分析影響檢驗結(jié)果的因素，進(jìn)而確定最終的估計結(jié)果。仿真驗證了該算法的有效性。
2015, 37(4): 995-1001.
doi: 10.11999/JEIT140600
摘要:
為有效提取出高光譜遙感圖像數(shù)據(jù)的鑒別特征，該文闡述一種融合標(biāo)記樣本中鑒別信息和無標(biāo)記樣本中局部結(jié)構(gòu)信息的半監(jiān)督Laplace鑒別嵌入(SSLDE)算法。該算法利用標(biāo)記樣本的類別信息來保持樣本集的可分性，并通過構(gòu)建標(biāo)記樣本和無標(biāo)記樣本的Laplace矩陣來發(fā)現(xiàn)樣本集中局部流形結(jié)構(gòu)，實現(xiàn)半監(jiān)督的流形鑒別。在KSC 和Urban數(shù)據(jù)集上的實驗結(jié)果說明：該算法具有更高的分類精度，可以有效地提取出鑒別特征信息。在總體分類精度上，該算法比半監(jiān)督最大邊界準(zhǔn)則(SSMMC)算法提升了6.3%~7.4%，比半監(jiān)督流形保持嵌入(SSSMPE)算法提升了1.6%~4.4%。
為有效提取出高光譜遙感圖像數(shù)據(jù)的鑒別特征，該文闡述一種融合標(biāo)記樣本中鑒別信息和無標(biāo)記樣本中局部結(jié)構(gòu)信息的半監(jiān)督Laplace鑒別嵌入(SSLDE)算法。該算法利用標(biāo)記樣本的類別信息來保持樣本集的可分性，并通過構(gòu)建標(biāo)記樣本和無標(biāo)記樣本的Laplace矩陣來發(fā)現(xiàn)樣本集中局部流形結(jié)構(gòu)，實現(xiàn)半監(jiān)督的流形鑒別。在KSC 和Urban數(shù)據(jù)集上的實驗結(jié)果說明：該算法具有更高的分類精度，可以有效地提取出鑒別特征信息。在總體分類精度上，該算法比半監(jiān)督最大邊界準(zhǔn)則(SSMMC)算法提升了6.3%~7.4%，比半監(jiān)督流形保持嵌入(SSSMPE)算法提升了1.6%~4.4%。
2015, 37(4): 1002-1007.
doi: 10.11999/JEIT140807
摘要:
該文基于廣義的Kirchhoff阻抗邊界條件和物理光學(xué)法，對太赫茲頻段介質(zhì)體近場散射特性進(jìn)行了研究，給出了介質(zhì)體近場散射計算公式。針對在太赫茲頻段由于波長較短引起的計算量大幅提升的問題，采用以面元為計算單位、以像素為遮擋判斷單位的太赫茲頻段介質(zhì)體近場散射的快速計算方法，該方法在保證計算精度的基礎(chǔ)上，大大降低了計算復(fù)雜度和時間。計算了圓柱體和鴨嘴形介質(zhì)體在不同距離下的雷達(dá)散射截面，并且分析了電磁場與物體相互作用后，相位項在不同距離、不同頻率下對介質(zhì)體雷達(dá)散射截面的影響。
該文基于廣義的Kirchhoff阻抗邊界條件和物理光學(xué)法，對太赫茲頻段介質(zhì)體近場散射特性進(jìn)行了研究，給出了介質(zhì)體近場散射計算公式。針對在太赫茲頻段由于波長較短引起的計算量大幅提升的問題，采用以面元為計算單位、以像素為遮擋判斷單位的太赫茲頻段介質(zhì)體近場散射的快速計算方法，該方法在保證計算精度的基礎(chǔ)上，大大降低了計算復(fù)雜度和時間。計算了圓柱體和鴨嘴形介質(zhì)體在不同距離下的雷達(dá)散射截面，并且分析了電磁場與物體相互作用后，相位項在不同距離、不同頻率下對介質(zhì)體雷達(dá)散射截面的影響。
2015, 37(4): 1008-1012.
doi: 10.11999/JEIT140816
摘要:
該文設(shè)計一種新穎的樹狀分形超寬帶天線，該天線采用梯形結(jié)構(gòu)的有限接地面。增加樹狀分形結(jié)構(gòu)的迭代次數(shù)和優(yōu)化有限接地面的形狀可以使天線獲得良好的阻抗匹配，進(jìn)而實現(xiàn)天線的超寬帶性能。該天線的工作頻帶為4.2~17.5 GHz(相對帶寬為122.6%)，天線的電尺寸為0.350.35，可應(yīng)用于C波段、X波段、Ku波段和超寬帶(UWB)波段通信，具有廣泛的應(yīng)用前景。實測結(jié)果和仿真結(jié)果吻合，證明了該天線的有效性。
該文設(shè)計一種新穎的樹狀分形超寬帶天線，該天線采用梯形結(jié)構(gòu)的有限接地面。增加樹狀分形結(jié)構(gòu)的迭代次數(shù)和優(yōu)化有限接地面的形狀可以使天線獲得良好的阻抗匹配，進(jìn)而實現(xiàn)天線的超寬帶性能。該天線的工作頻帶為4.2~17.5 GHz(相對帶寬為122.6%)，天線的電尺寸為0.350.35，可應(yīng)用于C波段、X波段、Ku波段和超寬帶(UWB)波段通信，具有廣泛的應(yīng)用前景。實測結(jié)果和仿真結(jié)果吻合，證明了該天線的有效性。
2015, 37(4): 1013-1016.
doi: 10.11999/JEIT140850
摘要:
利用風(fēng)浪經(jīng)驗?zāi)Ｐ蛷母哳l地波雷達(dá)(HFSWR)的回波譜數(shù)據(jù)中反演風(fēng)速需要有效波高等先驗信息，因此風(fēng)速的反演受有效波高反演精度的影響。該文基于風(fēng)浪經(jīng)驗?zāi)Ｐ?，利用風(fēng)速和高頻地波雷達(dá)海面回波二階譜與一階譜能量之比的關(guān)系，發(fā)展了無需波高信息的風(fēng)速直接反演的經(jīng)驗?zāi)Ｐ汀L(fēng)速反演經(jīng)驗?zāi)Ｐ蛻?yīng)用到高頻地波雷達(dá)風(fēng)速的反演中，對兩部不同頻率的雷達(dá)在不同海域獲得的數(shù)據(jù)進(jìn)行了比較分析，結(jié)果表明，該文中采用的經(jīng)驗?zāi)Ｐ湍軌蛴行У貙︼L(fēng)速進(jìn)行反演，其中三參數(shù)模型的結(jié)果略好于雙參數(shù)模型。
利用風(fēng)浪經(jīng)驗?zāi)Ｐ蛷母哳l地波雷達(dá)(HFSWR)的回波譜數(shù)據(jù)中反演風(fēng)速需要有效波高等先驗信息，因此風(fēng)速的反演受有效波高反演精度的影響。該文基于風(fēng)浪經(jīng)驗?zāi)Ｐ?，利用風(fēng)速和高頻地波雷達(dá)海面回波二階譜與一階譜能量之比的關(guān)系，發(fā)展了無需波高信息的風(fēng)速直接反演的經(jīng)驗?zāi)Ｐ汀L(fēng)速反演經(jīng)驗?zāi)Ｐ蛻?yīng)用到高頻地波雷達(dá)風(fēng)速的反演中，對兩部不同頻率的雷達(dá)在不同海域獲得的數(shù)據(jù)進(jìn)行了比較分析，結(jié)果表明，該文中采用的經(jīng)驗?zāi)Ｐ湍軌蛴行У貙︼L(fēng)速進(jìn)行反演，其中三參數(shù)模型的結(jié)果略好于雙參數(shù)模型。
