郵件訂閱
2018年 第40卷 第5期
2018, 40(5): 1017-1023.
doi: 10.11999/JEIT170772
摘要:
單載波頻域均衡(SC-FDE)系統(tǒng)中，信道的頻域響應(yīng)可以作為隨機(jī)源來生成密鑰。為了提高密鑰容量，該文提出一種利用多徑瑞利信道的頻域響應(yīng)來生成密鑰的機(jī)制(CFR-Key)。首先研究了CFR-Key機(jī)制的原理和密鑰生成速率，通過互信息理論推導(dǎo)出了CFR-Key的密鑰容量；進(jìn)而研究了CFR-Key機(jī)制中算法的量化等級的影響因素，推導(dǎo)驗(yàn)證了量化等級的選擇只與信噪比有關(guān)，當(dāng)信噪比確定的情況下通過選擇最優(yōu)的量化等級可以得到最大的密鑰生成速率；與基于信道沖激響應(yīng)生成密鑰機(jī)制(CIR-Key)對比，證實(shí)了CFR-Key機(jī)制可大幅提高密鑰容量。
單載波頻域均衡(SC-FDE)系統(tǒng)中，信道的頻域響應(yīng)可以作為隨機(jī)源來生成密鑰。為了提高密鑰容量，該文提出一種利用多徑瑞利信道的頻域響應(yīng)來生成密鑰的機(jī)制(CFR-Key)。首先研究了CFR-Key機(jī)制的原理和密鑰生成速率，通過互信息理論推導(dǎo)出了CFR-Key的密鑰容量；進(jìn)而研究了CFR-Key機(jī)制中算法的量化等級的影響因素，推導(dǎo)驗(yàn)證了量化等級的選擇只與信噪比有關(guān)，當(dāng)信噪比確定的情況下通過選擇最優(yōu)的量化等級可以得到最大的密鑰生成速率；與基于信道沖激響應(yīng)生成密鑰機(jī)制(CIR-Key)對比，證實(shí)了CFR-Key機(jī)制可大幅提高密鑰容量。
2018, 40(5): 1024-1030.
doi: 10.11999/JEIT170671
摘要:
針對能量受限的合作認(rèn)知網(wǎng)絡(luò)，該文研究在保證主用戶服務(wù)質(zhì)量要求下，認(rèn)知用戶能量效率最大化問題。認(rèn)知用戶利用信能同傳技術(shù)接收主用戶信號，并采用解碼轉(zhuǎn)發(fā)協(xié)議協(xié)助主用戶通信?；诜质揭?guī)劃和引入輔助變量將原始非凸問題轉(zhuǎn)換為凸優(yōu)化問題進(jìn)行求解，并提出一種迭代的資源分配算法。仿真結(jié)果表明，所提算法能夠快速收斂于最優(yōu)解。與能量合作方案相比，該文所采用方案能量效率顯著提高，同時(shí)能更好地保證主用戶服務(wù)質(zhì)量要求。
針對能量受限的合作認(rèn)知網(wǎng)絡(luò)，該文研究在保證主用戶服務(wù)質(zhì)量要求下，認(rèn)知用戶能量效率最大化問題。認(rèn)知用戶利用信能同傳技術(shù)接收主用戶信號，并采用解碼轉(zhuǎn)發(fā)協(xié)議協(xié)助主用戶通信?；诜质揭?guī)劃和引入輔助變量將原始非凸問題轉(zhuǎn)換為凸優(yōu)化問題進(jìn)行求解，并提出一種迭代的資源分配算法。仿真結(jié)果表明，所提算法能夠快速收斂于最優(yōu)解。與能量合作方案相比，該文所采用方案能量效率顯著提高，同時(shí)能更好地保證主用戶服務(wù)質(zhì)量要求。
2018, 40(5): 1031-1036.
doi: 10.11999/JEIT170751
摘要:
為了提高無線攜能通信(SWIPT)的效率，在基站采用3維(3D)定向天線，通過動態(tài)調(diào)整天線下傾角，來開發(fā)垂直維度，從而增強(qiáng)SWIPT中能量和信息的傳輸效率。該文研究單小區(qū)多輸入多輸出(MIMO)SWIPT系統(tǒng)，基站和用戶分別使用迫零(ZF)預(yù)編碼和功率劃分(PS)技術(shù)。構(gòu)建以最小化發(fā)送功率為目標(biāo)的優(yōu)化問題，在信噪比(SNR)和獲取功率的約束下，聯(lián)合優(yōu)化了天線下傾角，PS比和分配的功率。最佳PS比和最優(yōu)功率分配以閉合表達(dá)式給出。仿真表明，所得到的優(yōu)化解的性能優(yōu)于具有可調(diào)下傾角的常規(guī)MIMO系統(tǒng)和不考慮垂直維度的2維(2D)方案。
為了提高無線攜能通信(SWIPT)的效率，在基站采用3維(3D)定向天線，通過動態(tài)調(diào)整天線下傾角，來開發(fā)垂直維度，從而增強(qiáng)SWIPT中能量和信息的傳輸效率。該文研究單小區(qū)多輸入多輸出(MIMO)SWIPT系統(tǒng)，基站和用戶分別使用迫零(ZF)預(yù)編碼和功率劃分(PS)技術(shù)。構(gòu)建以最小化發(fā)送功率為目標(biāo)的優(yōu)化問題，在信噪比(SNR)和獲取功率的約束下，聯(lián)合優(yōu)化了天線下傾角，PS比和分配的功率。最佳PS比和最優(yōu)功率分配以閉合表達(dá)式給出。仿真表明，所得到的優(yōu)化解的性能優(yōu)于具有可調(diào)下傾角的常規(guī)MIMO系統(tǒng)和不考慮垂直維度的2維(2D)方案。
2018, 40(5): 1037-1043.
doi: 10.11999/JEIT170731
摘要:
針對在一般高斯白噪聲環(huán)境中，傳統(tǒng)的雙門限能量檢測頻譜感知算法忽略確定兩門限之間的感知信息的問題，該文提出一種基于動態(tài)自適應(yīng)雙門限能量檢測的序貫協(xié)作頻譜感知算法。新算法以最優(yōu)化檢測概率為目標(biāo)，采用序貫方式對協(xié)作用戶進(jìn)行動態(tài)自適應(yīng)雙門限建模，并對處于兩門限之間的接收能量值進(jìn)行軟判決。進(jìn)一步地，新算法能自適應(yīng)動態(tài)調(diào)整門限大小和各判決區(qū)域協(xié)作用戶數(shù)，以達(dá)到最大化檢測概率和最優(yōu)化受試工作特征曲線的目的。理論分析和仿真結(jié)果表明，與經(jīng)典的雙門限能量檢測算法相比，提出算法具有更優(yōu)的檢測概率。
針對在一般高斯白噪聲環(huán)境中，傳統(tǒng)的雙門限能量檢測頻譜感知算法忽略確定兩門限之間的感知信息的問題，該文提出一種基于動態(tài)自適應(yīng)雙門限能量檢測的序貫協(xié)作頻譜感知算法。新算法以最優(yōu)化檢測概率為目標(biāo)，采用序貫方式對協(xié)作用戶進(jìn)行動態(tài)自適應(yīng)雙門限建模，并對處于兩門限之間的接收能量值進(jìn)行軟判決。進(jìn)一步地，新算法能自適應(yīng)動態(tài)調(diào)整門限大小和各判決區(qū)域協(xié)作用戶數(shù)，以達(dá)到最大化檢測概率和最優(yōu)化受試工作特征曲線的目的。理論分析和仿真結(jié)果表明，與經(jīng)典的雙門限能量檢測算法相比，提出算法具有更優(yōu)的檢測概率。
2018, 40(5): 1044-1049.
doi: 10.11999/JEIT170647
摘要:
稀疏碼多址接入(Sparse Code Multiple Access, SCMA)作為一種基于多維碼本的非正交多址技術(shù)，能有效滿足5G的巨連接、高頻譜效率和毫秒級時(shí)延需求。針對基于門限的消息傳遞算法(Message Passing Algorithm, MPA)存在低門限時(shí)誤比特率(Bit Error Rate, BER)較高的問題，該文提出一種改進(jìn)的SCMA多用戶檢測算法。所提出的算法在基于門限MPA的基礎(chǔ)上，增加了對用戶節(jié)點(diǎn)穩(wěn)定性必要條件的判決，即只有符合門限條件并通過用戶節(jié)點(diǎn)穩(wěn)定性必要條件判決的用戶才能被提前解碼。這提高了提前判決碼字的可靠性并減少了因變相硬判的檢測機(jī)制造成的后驗(yàn)軟信息損失。與基于門限的MPA相比，所提出的算法可使消息在低門限時(shí)迭代得更加充分，從而在低門限時(shí)仍然能夠使SCMA用戶獲得較好的BER性能。仿真結(jié)果表明，在低門限時(shí)采用該文所提出的算法SCMA用戶BER性能明顯好于僅采用基于門限的MPA的BER性能。
稀疏碼多址接入(Sparse Code Multiple Access, SCMA)作為一種基于多維碼本的非正交多址技術(shù)，能有效滿足5G的巨連接、高頻譜效率和毫秒級時(shí)延需求。針對基于門限的消息傳遞算法(Message Passing Algorithm, MPA)存在低門限時(shí)誤比特率(Bit Error Rate, BER)較高的問題，該文提出一種改進(jìn)的SCMA多用戶檢測算法。所提出的算法在基于門限MPA的基礎(chǔ)上，增加了對用戶節(jié)點(diǎn)穩(wěn)定性必要條件的判決，即只有符合門限條件并通過用戶節(jié)點(diǎn)穩(wěn)定性必要條件判決的用戶才能被提前解碼。這提高了提前判決碼字的可靠性并減少了因變相硬判的檢測機(jī)制造成的后驗(yàn)軟信息損失。與基于門限的MPA相比，所提出的算法可使消息在低門限時(shí)迭代得更加充分，從而在低門限時(shí)仍然能夠使SCMA用戶獲得較好的BER性能。仿真結(jié)果表明，在低門限時(shí)采用該文所提出的算法SCMA用戶BER性能明顯好于僅采用基于門限的MPA的BER性能。
2018, 40(5): 1050-1058.
doi: 10.11999/JEIT170781
摘要:
傳統(tǒng)指紋定位方法由于建庫人力時(shí)間開銷大、系統(tǒng)通用性不強(qiáng)約束著指紋定位系統(tǒng)的推廣，為了解決該問題同時(shí)結(jié)合即時(shí)定位與映射(SLAM)技術(shù)的優(yōu)勢，該文提出一種新的Wi-Fi/微機(jī)電系統(tǒng)(MEMS)融合室內(nèi)運(yùn)動地圖構(gòu)建與定位方法。首先利用行人航跡推算(PDR)、最小描述長度(MDL)原則和基于密度的空間聚類算法(DBSCAN)對眾包運(yùn)動軌跡進(jìn)行預(yù)處理，提出基于軌跡主路徑的運(yùn)動地圖構(gòu)建方法。之后提出基于像素模板的地圖匹配方法獲取地圖的絕對位置，并采用抗差擴(kuò)展卡爾曼濾波(EKF)對目標(biāo)位置進(jìn)行最優(yōu)估計(jì)。實(shí)驗(yàn)結(jié)果表明，所提聚類方法可以準(zhǔn)確構(gòu)建各區(qū)域運(yùn)動地圖，在少量的人力時(shí)間開銷下實(shí)現(xiàn)較高的定位精度。
傳統(tǒng)指紋定位方法由于建庫人力時(shí)間開銷大、系統(tǒng)通用性不強(qiáng)約束著指紋定位系統(tǒng)的推廣，為了解決該問題同時(shí)結(jié)合即時(shí)定位與映射(SLAM)技術(shù)的優(yōu)勢，該文提出一種新的Wi-Fi/微機(jī)電系統(tǒng)(MEMS)融合室內(nèi)運(yùn)動地圖構(gòu)建與定位方法。首先利用行人航跡推算(PDR)、最小描述長度(MDL)原則和基于密度的空間聚類算法(DBSCAN)對眾包運(yùn)動軌跡進(jìn)行預(yù)處理，提出基于軌跡主路徑的運(yùn)動地圖構(gòu)建方法。之后提出基于像素模板的地圖匹配方法獲取地圖的絕對位置，并采用抗差擴(kuò)展卡爾曼濾波(EKF)對目標(biāo)位置進(jìn)行最優(yōu)估計(jì)。實(shí)驗(yàn)結(jié)果表明，所提聚類方法可以準(zhǔn)確構(gòu)建各區(qū)域運(yùn)動地圖，在少量的人力時(shí)間開銷下實(shí)現(xiàn)較高的定位精度。
2018, 40(5): 1059-1065.
doi: 10.11999/JEIT170655
摘要:
在分時(shí)長期演進(jìn)(TD-LTE)室內(nèi)分布式網(wǎng)絡(luò)中，不同位置上的信號差異性不明顯，僅利用標(biāo)定參考點(diǎn)不能實(shí)現(xiàn)準(zhǔn)確位置估計(jì)。該文針對TD-LTE室內(nèi)分布式網(wǎng)絡(luò)下不同位置處的信號相似性問題，提出基于相關(guān)性測序的定位算法。首先，利用相鄰位置的信號信息構(gòu)建運(yùn)動序列數(shù)據(jù)庫。其次，通過相關(guān)性測序算法，得到在線接收信號參考強(qiáng)度(RSRP)序列與運(yùn)動序列間的匹配度，確定備選定位序列集。然后，計(jì)算備選定位序列與在線RSRP序列間的相關(guān)系數(shù)及平均歐氏距離。最后，根據(jù)匹配度、相關(guān)系數(shù)及平均歐氏距離，選取最優(yōu)備選定位序列，實(shí)現(xiàn)對目標(biāo)的位置估計(jì)。實(shí)驗(yàn)結(jié)果表明，該文所提定位算法有效提高了室內(nèi)分布式天線系統(tǒng)下的定位精度。
在分時(shí)長期演進(jìn)(TD-LTE)室內(nèi)分布式網(wǎng)絡(luò)中，不同位置上的信號差異性不明顯，僅利用標(biāo)定參考點(diǎn)不能實(shí)現(xiàn)準(zhǔn)確位置估計(jì)。該文針對TD-LTE室內(nèi)分布式網(wǎng)絡(luò)下不同位置處的信號相似性問題，提出基于相關(guān)性測序的定位算法。首先，利用相鄰位置的信號信息構(gòu)建運(yùn)動序列數(shù)據(jù)庫。其次，通過相關(guān)性測序算法，得到在線接收信號參考強(qiáng)度(RSRP)序列與運(yùn)動序列間的匹配度，確定備選定位序列集。然后，計(jì)算備選定位序列與在線RSRP序列間的相關(guān)系數(shù)及平均歐氏距離。最后，根據(jù)匹配度、相關(guān)系數(shù)及平均歐氏距離，選取最優(yōu)備選定位序列，實(shí)現(xiàn)對目標(biāo)的位置估計(jì)。實(shí)驗(yàn)結(jié)果表明，該文所提定位算法有效提高了室內(nèi)分布式天線系統(tǒng)下的定位精度。
2018, 40(5): 1066-1071.
doi: 10.11999/JEIT170672
摘要:
該文提出一種基于疊加標(biāo)簽信號進(jìn)行認(rèn)證的新方法。利用合法通信雙方預(yù)先共享密鑰和信道具有短時(shí)互易性的優(yōu)勢，在發(fā)送方利用擴(kuò)譜碼和量化的信道值生成標(biāo)簽信號，并與通信信號疊加發(fā)送，在接收方能夠檢測并鑒別標(biāo)簽信號，而且不影響通信信號的正常解調(diào)。這種方法不需要復(fù)雜的密碼算法，減小了通信過程中的計(jì)算量，而且能夠有效地防范被動竊聽和主動攻擊。仿真結(jié)果表明，該方法有較高的實(shí)用價(jià)值。
該文提出一種基于疊加標(biāo)簽信號進(jìn)行認(rèn)證的新方法。利用合法通信雙方預(yù)先共享密鑰和信道具有短時(shí)互易性的優(yōu)勢，在發(fā)送方利用擴(kuò)譜碼和量化的信道值生成標(biāo)簽信號，并與通信信號疊加發(fā)送，在接收方能夠檢測并鑒別標(biāo)簽信號，而且不影響通信信號的正常解調(diào)。這種方法不需要復(fù)雜的密碼算法，減小了通信過程中的計(jì)算量，而且能夠有效地防范被動竊聽和主動攻擊。仿真結(jié)果表明，該方法有較高的實(shí)用價(jià)值。
2018, 40(5): 1072-1078.
doi: 10.11999/JEIT170735
摘要:
該文研究了有限域GF(q2)上長度為(q2m-1)/(q2-1)的常循環(huán)碼。給出一類常循環(huán)碼是厄米特對偶包含碼的一個(gè)充要條件，并確定了這類常循環(huán)厄米特對偶包含碼的參數(shù)。利用厄米特構(gòu)造，得到了比量子BCH碼參數(shù)更好的量子糾錯(cuò)碼。
該文研究了有限域GF(q2)上長度為(q2m-1)/(q2-1)的常循環(huán)碼。給出一類常循環(huán)碼是厄米特對偶包含碼的一個(gè)充要條件，并確定了這類常循環(huán)厄米特對偶包含碼的參數(shù)。利用厄米特構(gòu)造，得到了比量子BCH碼參數(shù)更好的量子糾錯(cuò)碼。
2018, 40(5): 1079-1086.
doi: 10.11999/JEIT170712
摘要:
異構(gòu)簽密可以保證異構(gòu)密碼系統(tǒng)之間數(shù)據(jù)的機(jī)密性和不可偽造性。分析現(xiàn)有的異構(gòu)簽密方案，發(fā)現(xiàn)它們只針對單個(gè)消息，無法實(shí)現(xiàn)批驗(yàn)證。聚合簽密能夠把不同用戶對多個(gè)消息產(chǎn)生的簽密密文同時(shí)發(fā)送給接收者，而且可以提供批量驗(yàn)證，降低驗(yàn)證開銷。該文提出一個(gè)傳統(tǒng)公鑰密碼-無證書公鑰密碼異構(gòu)聚合簽密方案，該方案不僅能夠保證傳統(tǒng)公鑰密碼(TPKI)和無證書公鑰密碼(CLPKC)系統(tǒng)間通信的機(jī)密性和認(rèn)證性，而且聚合驗(yàn)證時(shí)不需要雙線性對。在隨機(jī)預(yù)言模型下，基于間隙雙線性Diffie-Hellman困難問題、計(jì)算Diffie-Hellman困難問題和離散對數(shù)問題，證明該方案滿足自適應(yīng)性選擇密文攻擊下的不可區(qū)分性和自適應(yīng)選擇消息下的不可偽造性。
異構(gòu)簽密可以保證異構(gòu)密碼系統(tǒng)之間數(shù)據(jù)的機(jī)密性和不可偽造性。分析現(xiàn)有的異構(gòu)簽密方案，發(fā)現(xiàn)它們只針對單個(gè)消息，無法實(shí)現(xiàn)批驗(yàn)證。聚合簽密能夠把不同用戶對多個(gè)消息產(chǎn)生的簽密密文同時(shí)發(fā)送給接收者，而且可以提供批量驗(yàn)證，降低驗(yàn)證開銷。該文提出一個(gè)傳統(tǒng)公鑰密碼-無證書公鑰密碼異構(gòu)聚合簽密方案，該方案不僅能夠保證傳統(tǒng)公鑰密碼(TPKI)和無證書公鑰密碼(CLPKC)系統(tǒng)間通信的機(jī)密性和認(rèn)證性，而且聚合驗(yàn)證時(shí)不需要雙線性對。在隨機(jī)預(yù)言模型下，基于間隙雙線性Diffie-Hellman困難問題、計(jì)算Diffie-Hellman困難問題和離散對數(shù)問題，證明該方案滿足自適應(yīng)性選擇密文攻擊下的不可區(qū)分性和自適應(yīng)選擇消息下的不可偽造性。
2018, 40(5): 1087-1093.
doi: 10.11999/JEIT170730
摘要:
在云計(jì)算和數(shù)據(jù)中心環(huán)境中，底層單個(gè)物理服務(wù)器的失效將對上層虛擬網(wǎng)絡(luò)的服務(wù)性能造成很大的影響，現(xiàn)有利用冗余備份的方法能夠在一定程度上降低底層物理設(shè)備失效帶來的影響，但未考慮到物理服務(wù)器的同構(gòu)性所帶來的問題，為此，該文提出一種異構(gòu)備份式的虛擬網(wǎng)映射方法。首先，只對關(guān)鍵的虛擬機(jī)進(jìn)行冗余備份，降低備份資源的開銷；然后，確保提供備份虛擬機(jī)的物理服務(wù)器與原物理服務(wù)器的系統(tǒng)類型的異構(gòu)性，提高虛擬網(wǎng)的彈性能力；最后，以最小化鏈路資源開銷作為虛擬網(wǎng)的映射目標(biāo)，進(jìn)一步降低備份資源的開銷。實(shí)驗(yàn)表明，該方法在保證虛擬網(wǎng)絡(luò)映射性能的前提下，能夠大大提高虛擬網(wǎng)絡(luò)的彈性能力。
在云計(jì)算和數(shù)據(jù)中心環(huán)境中，底層單個(gè)物理服務(wù)器的失效將對上層虛擬網(wǎng)絡(luò)的服務(wù)性能造成很大的影響，現(xiàn)有利用冗余備份的方法能夠在一定程度上降低底層物理設(shè)備失效帶來的影響，但未考慮到物理服務(wù)器的同構(gòu)性所帶來的問題，為此，該文提出一種異構(gòu)備份式的虛擬網(wǎng)映射方法。首先，只對關(guān)鍵的虛擬機(jī)進(jìn)行冗余備份，降低備份資源的開銷；然后，確保提供備份虛擬機(jī)的物理服務(wù)器與原物理服務(wù)器的系統(tǒng)類型的異構(gòu)性，提高虛擬網(wǎng)的彈性能力；最后，以最小化鏈路資源開銷作為虛擬網(wǎng)的映射目標(biāo)，進(jìn)一步降低備份資源的開銷。實(shí)驗(yàn)表明，該方法在保證虛擬網(wǎng)絡(luò)映射性能的前提下，能夠大大提高虛擬網(wǎng)絡(luò)的彈性能力。
2018, 40(5): 1094-1100.
doi: 10.11999/JEIT170617
摘要:
為了改善網(wǎng)絡(luò)視頻流的細(xì)粒度分類效果，該文分析視頻流傳輸過程中的特征變化與流分類之間的關(guān)系。根據(jù)不同類型的視頻流具有不同的下行傳輸速率變化模式，提出一種新的基于下行速率傳輸?shù)囊曨l流分類特征--M值概率分布，并使用支持向量機(jī)(SVM)實(shí)現(xiàn)網(wǎng)絡(luò)視頻流的分類。實(shí)驗(yàn)結(jié)果表明，M值概率分布相比較于已有的常見流特征，可以更好地實(shí)現(xiàn)6種典型的網(wǎng)絡(luò)視頻流分類。
為了改善網(wǎng)絡(luò)視頻流的細(xì)粒度分類效果，該文分析視頻流傳輸過程中的特征變化與流分類之間的關(guān)系。根據(jù)不同類型的視頻流具有不同的下行傳輸速率變化模式，提出一種新的基于下行速率傳輸?shù)囊曨l流分類特征--M值概率分布，并使用支持向量機(jī)(SVM)實(shí)現(xiàn)網(wǎng)絡(luò)視頻流的分類。實(shí)驗(yàn)結(jié)果表明，M值概率分布相比較于已有的常見流特征，可以更好地實(shí)現(xiàn)6種典型的網(wǎng)絡(luò)視頻流分類。
2018, 40(5): 1101-1107.
doi: 10.11999/JEIT170787
摘要:
為有效延長水下無線傳感器網(wǎng)絡(luò)的生命周期、保持網(wǎng)絡(luò)覆蓋率，該文提出一種基于節(jié)點(diǎn)休眠的覆蓋保持分簇算法。首先計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)的覆蓋冗余度，并對覆蓋冗余度高的節(jié)點(diǎn)執(zhí)行休眠策略，然后以網(wǎng)絡(luò)覆蓋率及節(jié)點(diǎn)能耗均衡性為目標(biāo)，采用多目標(biāo)算法進(jìn)行求解，再利用TOPSIS法從非支配解集中選出較優(yōu)解，當(dāng)有節(jié)點(diǎn)死亡時(shí)，通過喚醒策略保持網(wǎng)絡(luò)覆蓋率。仿真結(jié)果表明，與目前較好的網(wǎng)絡(luò)規(guī)劃算法相比，該文算法能夠更好地降低網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)生命周期并保持網(wǎng)絡(luò)對環(huán)境的覆蓋率。
為有效延長水下無線傳感器網(wǎng)絡(luò)的生命周期、保持網(wǎng)絡(luò)覆蓋率，該文提出一種基于節(jié)點(diǎn)休眠的覆蓋保持分簇算法。首先計(jì)算網(wǎng)絡(luò)節(jié)點(diǎn)的覆蓋冗余度，并對覆蓋冗余度高的節(jié)點(diǎn)執(zhí)行休眠策略，然后以網(wǎng)絡(luò)覆蓋率及節(jié)點(diǎn)能耗均衡性為目標(biāo)，采用多目標(biāo)算法進(jìn)行求解，再利用TOPSIS法從非支配解集中選出較優(yōu)解，當(dāng)有節(jié)點(diǎn)死亡時(shí)，通過喚醒策略保持網(wǎng)絡(luò)覆蓋率。仿真結(jié)果表明，與目前較好的網(wǎng)絡(luò)規(guī)劃算法相比，該文算法能夠更好地降低網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)生命周期并保持網(wǎng)絡(luò)對環(huán)境的覆蓋率。
2018, 40(5): 1108-1114.
doi: 10.11999/JEIT170590
摘要:
水下滑翔機(jī)的運(yùn)動導(dǎo)致滑翔機(jī)位置和相對距離的變化，引起了滑翔機(jī)間的信號傳輸時(shí)間改變，進(jìn)而導(dǎo)致水下滑翔機(jī)間通信可靠性的下降。傳統(tǒng)水下媒體接入控制(MAC)協(xié)議面向靜態(tài)拓?fù)渚W(wǎng)絡(luò)，不適用于動態(tài)變化的網(wǎng)絡(luò)拓?fù)洹Ｔ撐奶岢鲆环N水下滑翔機(jī)組網(wǎng)的動態(tài)MAC機(jī)制。新機(jī)制利用水下滑翔機(jī)運(yùn)動模型進(jìn)行位置預(yù)測，根據(jù)預(yù)測結(jié)果和相鄰滑翔機(jī)間的位置共享動態(tài)計(jì)算時(shí)隙長度，并進(jìn)行分配和預(yù)約收發(fā)，水下滑翔機(jī)在收發(fā)過程中以團(tuán)隊(duì)協(xié)作方式避免沖突。實(shí)驗(yàn)結(jié)果表明，該機(jī)制的數(shù)據(jù)包投遞率與運(yùn)動預(yù)測MAC(P-MAC)和預(yù)約MAC(R-MAC)協(xié)議相比分別提高了12%和25%，更適用于由水下滑翔機(jī)組成的動態(tài)網(wǎng)絡(luò)。
水下滑翔機(jī)的運(yùn)動導(dǎo)致滑翔機(jī)位置和相對距離的變化，引起了滑翔機(jī)間的信號傳輸時(shí)間改變，進(jìn)而導(dǎo)致水下滑翔機(jī)間通信可靠性的下降。傳統(tǒng)水下媒體接入控制(MAC)協(xié)議面向靜態(tài)拓?fù)渚W(wǎng)絡(luò)，不適用于動態(tài)變化的網(wǎng)絡(luò)拓?fù)洹Ｔ撐奶岢鲆环N水下滑翔機(jī)組網(wǎng)的動態(tài)MAC機(jī)制。新機(jī)制利用水下滑翔機(jī)運(yùn)動模型進(jìn)行位置預(yù)測，根據(jù)預(yù)測結(jié)果和相鄰滑翔機(jī)間的位置共享動態(tài)計(jì)算時(shí)隙長度，并進(jìn)行分配和預(yù)約收發(fā)，水下滑翔機(jī)在收發(fā)過程中以團(tuán)隊(duì)協(xié)作方式避免沖突。實(shí)驗(yàn)結(jié)果表明，該機(jī)制的數(shù)據(jù)包投遞率與運(yùn)動預(yù)測MAC(P-MAC)和預(yù)約MAC(R-MAC)協(xié)議相比分別提高了12%和25%，更適用于由水下滑翔機(jī)組成的動態(tài)網(wǎng)絡(luò)。
2018, 40(5): 1115-1121.
doi: 10.11999/JEIT170710
摘要:
平頂波束在無線能量傳輸中能夠保證接收端功率密度的均勻性，對提高接收效率以及簡化整流電路的設(shè)計(jì)具有重要意義。該文首先基于Orchard綜合，控制Schelkunoff單位圓零點(diǎn)位置，得到了實(shí)現(xiàn)平頂波束的條件；然后通過引入Sinc函數(shù)，給出了平頂波束的解與平頂寬度的對應(yīng)關(guān)系；最后利用微擾法編程計(jì)算，討論了平頂寬度與矩形系數(shù)、波紋系數(shù)、副瓣電平之間的數(shù)值關(guān)系。以一款10元陣為例，實(shí)現(xiàn)了副瓣低于且寬度很窄的平頂波束，驗(yàn)證了該文方法和結(jié)論的有效性。
平頂波束在無線能量傳輸中能夠保證接收端功率密度的均勻性，對提高接收效率以及簡化整流電路的設(shè)計(jì)具有重要意義。該文首先基于Orchard綜合，控制Schelkunoff單位圓零點(diǎn)位置，得到了實(shí)現(xiàn)平頂波束的條件；然后通過引入Sinc函數(shù)，給出了平頂波束的解與平頂寬度的對應(yīng)關(guān)系；最后利用微擾法編程計(jì)算，討論了平頂寬度與矩形系數(shù)、波紋系數(shù)、副瓣電平之間的數(shù)值關(guān)系。以一款10元陣為例，實(shí)現(xiàn)了副瓣低于且寬度很窄的平頂波束，驗(yàn)證了該文方法和結(jié)論的有效性。
2018, 40(5): 1122-1129.
doi: 10.11999/JEIT170721
摘要:
該文設(shè)計(jì)了一種工作于X波段的平面印刷磁電偶極子天線，并設(shè)計(jì)了一種加載集總電阻的寬入射角、極化不敏感、寬頻帶吸波體(WBMA)。當(dāng)平面波垂直入射時(shí)，吸波體在7.2~12.6 GHz范圍內(nèi)的吸波率大于90%，入射角增加至45時(shí)仍能在X波段保持90％以上的吸波率。通過將WBMA加載在天線四周，實(shí)現(xiàn)了天線雷達(dá)散射截面(RCS)的大幅縮減。實(shí)測和仿真結(jié)果表明：不同極化波垂直入射時(shí)，天線單站RCS減縮3 dB帶寬為6.6~14.4 GHz，最大減縮量達(dá)23.8 dB。中心頻點(diǎn)10 GHz處，TE極化波照射時(shí)，雙站RCS能實(shí)現(xiàn)90角域內(nèi)的減縮，TM極化波照射時(shí)，在35角域內(nèi)實(shí)現(xiàn)了減縮，同時(shí)天線輻射性能幾乎保持不變。
該文設(shè)計(jì)了一種工作于X波段的平面印刷磁電偶極子天線，并設(shè)計(jì)了一種加載集總電阻的寬入射角、極化不敏感、寬頻帶吸波體(WBMA)。當(dāng)平面波垂直入射時(shí)，吸波體在7.2~12.6 GHz范圍內(nèi)的吸波率大于90%，入射角增加至45時(shí)仍能在X波段保持90％以上的吸波率。通過將WBMA加載在天線四周，實(shí)現(xiàn)了天線雷達(dá)散射截面(RCS)的大幅縮減。實(shí)測和仿真結(jié)果表明：不同極化波垂直入射時(shí)，天線單站RCS減縮3 dB帶寬為6.6~14.4 GHz，最大減縮量達(dá)23.8 dB。中心頻點(diǎn)10 GHz處，TE極化波照射時(shí)，雙站RCS能實(shí)現(xiàn)90角域內(nèi)的減縮，TM極化波照射時(shí)，在35角域內(nèi)實(shí)現(xiàn)了減縮，同時(shí)天線輻射性能幾乎保持不變。
2018, 40(5): 1130-1135.
doi: 10.11999/JEIT170793
摘要:
該文針對電子偵察信號盲分選的技術(shù)難題，結(jié)合重頻參差調(diào)制模式的特點(diǎn)，提出基于數(shù)據(jù)統(tǒng)計(jì)聚類和關(guān)聯(lián)匹配的處理方法，對序列中含有重頻參差調(diào)制的脈沖進(jìn)行調(diào)制模式識別、參差序列分析和脈沖提取。實(shí)驗(yàn)仿真表明在脈沖丟失和虛假脈沖干擾的情況下，所提方法可以有效進(jìn)行重頻參差模式識別和參差排定次序分析，實(shí)現(xiàn)脈沖信號的盲分選，具有較強(qiáng)的魯棒性。
該文針對電子偵察信號盲分選的技術(shù)難題，結(jié)合重頻參差調(diào)制模式的特點(diǎn)，提出基于數(shù)據(jù)統(tǒng)計(jì)聚類和關(guān)聯(lián)匹配的處理方法，對序列中含有重頻參差調(diào)制的脈沖進(jìn)行調(diào)制模式識別、參差序列分析和脈沖提取。實(shí)驗(yàn)仿真表明在脈沖丟失和虛假脈沖干擾的情況下，所提方法可以有效進(jìn)行重頻參差模式識別和參差排定次序分析，實(shí)現(xiàn)脈沖信號的盲分選，具有較強(qiáng)的魯棒性。
2018, 40(5): 1136-1143.
doi: 10.11999/JEIT170707
摘要:
高分辨波達(dá)方向(DOA)估計(jì)是地基/空基預(yù)警雷達(dá)實(shí)現(xiàn)主波束內(nèi)多目標(biāo)精細(xì)跟蹤需要解決的關(guān)鍵問題。針對上述問題，該文提出一種波束-多普勒酉ESPRIT多目標(biāo)DOA估計(jì)算法。該方法首先通過時(shí)域平滑技術(shù)構(gòu)造多個(gè)快拍。然后采用中心共軛對稱傅里葉變換矩陣將數(shù)據(jù)變換至波束-多普勒域，同時(shí)保留旋轉(zhuǎn)不變結(jié)構(gòu)。最后采用實(shí)值ESPRIT算法估計(jì)目標(biāo)的DOA。所提方法充分利用了信號的時(shí)域信息來改善空域參數(shù)估計(jì)性能，同時(shí)具有較低的計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果證明了所提方法的有效性。
高分辨波達(dá)方向(DOA)估計(jì)是地基/空基預(yù)警雷達(dá)實(shí)現(xiàn)主波束內(nèi)多目標(biāo)精細(xì)跟蹤需要解決的關(guān)鍵問題。針對上述問題，該文提出一種波束-多普勒酉ESPRIT多目標(biāo)DOA估計(jì)算法。該方法首先通過時(shí)域平滑技術(shù)構(gòu)造多個(gè)快拍。然后采用中心共軛對稱傅里葉變換矩陣將數(shù)據(jù)變換至波束-多普勒域，同時(shí)保留旋轉(zhuǎn)不變結(jié)構(gòu)。最后采用實(shí)值ESPRIT算法估計(jì)目標(biāo)的DOA。所提方法充分利用了信號的時(shí)域信息來改善空域參數(shù)估計(jì)性能，同時(shí)具有較低的計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果證明了所提方法的有效性。
2018, 40(5): 1144-1150.
doi: 10.11999/JEIT170723
摘要:
論文提出一種對螺旋式掃描機(jī)載激光雷達(dá)系統(tǒng)進(jìn)行安置角自檢校的新算法。首先推導(dǎo)了螺旋式掃描激光雷達(dá)點(diǎn)云定位的數(shù)學(xué)模型；然后提取了激光雷達(dá)點(diǎn)云數(shù)據(jù)重疊區(qū)的面特征，并構(gòu)建了基于面特征的激光雷達(dá)檢校模型；最后，仿真分析了安置角誤差對往返航帶前后向掃描數(shù)據(jù)的影響，并利用同名面特征，基于區(qū)域網(wǎng)平差方法同時(shí)估計(jì)了平面參數(shù)和安置角參數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法實(shí)現(xiàn)了激光雷達(dá)安置角的自檢校，且絕對精度滿足生產(chǎn)數(shù)據(jù)要求。
論文提出一種對螺旋式掃描機(jī)載激光雷達(dá)系統(tǒng)進(jìn)行安置角自檢校的新算法。首先推導(dǎo)了螺旋式掃描激光雷達(dá)點(diǎn)云定位的數(shù)學(xué)模型；然后提取了激光雷達(dá)點(diǎn)云數(shù)據(jù)重疊區(qū)的面特征，并構(gòu)建了基于面特征的激光雷達(dá)檢校模型；最后，仿真分析了安置角誤差對往返航帶前后向掃描數(shù)據(jù)的影響，并利用同名面特征，基于區(qū)域網(wǎng)平差方法同時(shí)估計(jì)了平面參數(shù)和安置角參數(shù)。實(shí)驗(yàn)結(jié)果表明，該方法實(shí)現(xiàn)了激光雷達(dá)安置角的自檢校，且絕對精度滿足生產(chǎn)數(shù)據(jù)要求。
2018, 40(5): 1151-1158.
doi: 10.11999/JEIT170426
摘要:
線性調(diào)頻(LFM)信號是一種被廣泛應(yīng)用的大時(shí)寬帶寬積信號，利用LFM信號的多樣性可設(shè)計(jì)多輸入多輸出(MIMO)雷達(dá)的正交波形。該文針對現(xiàn)有波形相關(guān)函數(shù)存在的問題，以理論分析為基礎(chǔ)，提出一種基于LFM時(shí)寬的發(fā)射波形，并給出了一種相應(yīng)的正交波形設(shè)計(jì)方法。該方法以峰值旁瓣電平為準(zhǔn)則，利用序列二次規(guī)劃對各子脈沖LFM信號的時(shí)寬進(jìn)行優(yōu)化設(shè)計(jì)。仿真結(jié)果表明，與現(xiàn)有方法相比，所設(shè)計(jì)波形具有較低的自相關(guān)旁瓣電平和互相關(guān)電平。此外，通過數(shù)值實(shí)驗(yàn)分析了相關(guān)性能隨波形個(gè)數(shù)及子脈沖個(gè)數(shù)的變化關(guān)系。
線性調(diào)頻(LFM)信號是一種被廣泛應(yīng)用的大時(shí)寬帶寬積信號，利用LFM信號的多樣性可設(shè)計(jì)多輸入多輸出(MIMO)雷達(dá)的正交波形。該文針對現(xiàn)有波形相關(guān)函數(shù)存在的問題，以理論分析為基礎(chǔ)，提出一種基于LFM時(shí)寬的發(fā)射波形，并給出了一種相應(yīng)的正交波形設(shè)計(jì)方法。該方法以峰值旁瓣電平為準(zhǔn)則，利用序列二次規(guī)劃對各子脈沖LFM信號的時(shí)寬進(jìn)行優(yōu)化設(shè)計(jì)。仿真結(jié)果表明，與現(xiàn)有方法相比，所設(shè)計(jì)波形具有較低的自相關(guān)旁瓣電平和互相關(guān)電平。此外，通過數(shù)值實(shí)驗(yàn)分析了相關(guān)性能隨波形個(gè)數(shù)及子脈沖個(gè)數(shù)的變化關(guān)系。
2018, 40(5): 1159-1165.
doi: 10.11999/JEIT170775
摘要:
針對不連續(xù)地形難以精確重建地形高程的問題，將干涉圖殘差點(diǎn)和相鄰像素點(diǎn)差異比較相結(jié)合的壞點(diǎn)判斷方法與基于全變分能量函數(shù)的最大后驗(yàn)估計(jì)算法結(jié)合起來，該文提出一種改進(jìn)的多基線InSAR高程重建方法。該方法利用干涉圖殘差點(diǎn)和相鄰像素點(diǎn)差異比較對不連續(xù)點(diǎn)計(jì)算原理的不同，對基于全變分能量函數(shù)的最大后驗(yàn)估計(jì)算法重建的預(yù)估地形高程圖進(jìn)行壞點(diǎn)判斷，有效判斷出高程圖不連續(xù)點(diǎn)中由于噪聲或計(jì)算誤差引起的壞點(diǎn)，并對預(yù)估地形高程圖中壞點(diǎn)進(jìn)行適當(dāng)加權(quán)更新獲得最終估計(jì)的地形高程圖。該文算法在保留基于全變分能量函數(shù)的最大后驗(yàn)估計(jì)算法簡便的優(yōu)點(diǎn)的同時(shí)提高了目標(biāo)地形高程的估計(jì)精度。最后通過2種不同類型地形的仿真實(shí)驗(yàn)，表明該方法簡單有效。
針對不連續(xù)地形難以精確重建地形高程的問題，將干涉圖殘差點(diǎn)和相鄰像素點(diǎn)差異比較相結(jié)合的壞點(diǎn)判斷方法與基于全變分能量函數(shù)的最大后驗(yàn)估計(jì)算法結(jié)合起來，該文提出一種改進(jìn)的多基線InSAR高程重建方法。該方法利用干涉圖殘差點(diǎn)和相鄰像素點(diǎn)差異比較對不連續(xù)點(diǎn)計(jì)算原理的不同，對基于全變分能量函數(shù)的最大后驗(yàn)估計(jì)算法重建的預(yù)估地形高程圖進(jìn)行壞點(diǎn)判斷，有效判斷出高程圖不連續(xù)點(diǎn)中由于噪聲或計(jì)算誤差引起的壞點(diǎn)，并對預(yù)估地形高程圖中壞點(diǎn)進(jìn)行適當(dāng)加權(quán)更新獲得最終估計(jì)的地形高程圖。該文算法在保留基于全變分能量函數(shù)的最大后驗(yàn)估計(jì)算法簡便的優(yōu)點(diǎn)的同時(shí)提高了目標(biāo)地形高程的估計(jì)精度。最后通過2種不同類型地形的仿真實(shí)驗(yàn)，表明該方法簡單有效。
2018, 40(5): 1166-1172.
doi: 10.11999/JEIT170806
摘要:
研究學(xué)者們認(rèn)為指數(shù)加權(quán)均值比(ROEWA)算子存在無法計(jì)算SAR圖像邊緣方向的缺陷。為此，進(jìn)行了一些通過方向?yàn)V波器為ROEWA算法施加方向的工作。該文對ROEWA算法進(jìn)行了深入的探討和分析，通過對ROEWA算法卷積過程的進(jìn)一步推導(dǎo)，獲得了ROEWA算法像素級的觀測公式。根據(jù)推導(dǎo)結(jié)果，提出了一種增強(qiáng)的ROEWA(EROEWA)邊緣檢測算法。首先，利用新的卷積策略將ROEWA的公式項(xiàng)解耦，獲得了4個(gè)方向的指數(shù)加權(quán)均值；然后把SAR圖像旋轉(zhuǎn)45，再利用新的卷積策略獲取額外的4個(gè)方向的指數(shù)加權(quán)均值；最后，將8個(gè)方向的指數(shù)加權(quán)均值表示成8個(gè)矢量，通過矢量合成求出邊緣強(qiáng)度和邊緣方向。實(shí)驗(yàn)結(jié)果表明，提出的EROEWA算法不僅具有優(yōu)秀的邊緣方向計(jì)算能力，與ROEWA算法相比，邊緣強(qiáng)度的提取也有顯著的增強(qiáng)效果。
研究學(xué)者們認(rèn)為指數(shù)加權(quán)均值比(ROEWA)算子存在無法計(jì)算SAR圖像邊緣方向的缺陷。為此，進(jìn)行了一些通過方向?yàn)V波器為ROEWA算法施加方向的工作。該文對ROEWA算法進(jìn)行了深入的探討和分析，通過對ROEWA算法卷積過程的進(jìn)一步推導(dǎo)，獲得了ROEWA算法像素級的觀測公式。根據(jù)推導(dǎo)結(jié)果，提出了一種增強(qiáng)的ROEWA(EROEWA)邊緣檢測算法。首先，利用新的卷積策略將ROEWA的公式項(xiàng)解耦，獲得了4個(gè)方向的指數(shù)加權(quán)均值；然后把SAR圖像旋轉(zhuǎn)45，再利用新的卷積策略獲取額外的4個(gè)方向的指數(shù)加權(quán)均值；最后，將8個(gè)方向的指數(shù)加權(quán)均值表示成8個(gè)矢量，通過矢量合成求出邊緣強(qiáng)度和邊緣方向。實(shí)驗(yàn)結(jié)果表明，提出的EROEWA算法不僅具有優(yōu)秀的邊緣方向計(jì)算能力，與ROEWA算法相比，邊緣強(qiáng)度的提取也有顯著的增強(qiáng)效果。
2018, 40(5): 1173-1180.
doi: 10.11999/JEIT170737
摘要:
針對陣元間互耦效應(yīng)導(dǎo)致嵌套陣列測向性能下降的問題，該文提出兩種不同的平移嵌套陣列結(jié)構(gòu)，在保證產(chǎn)生虛擬陣列無孔的條件下，通過對原二級嵌套陣列陣元位置進(jìn)行調(diào)整，形成平移嵌套陣列，提高了原二級嵌套陣列的稀疏性，降低了陣元間的互耦效應(yīng)，擴(kuò)展了原嵌套陣列的測向自由度。在空間輻射源數(shù)目未知條件下，建立了平移嵌套陣列稀疏貝葉斯學(xué)習(xí)(SBL)算法模型，對形成的虛擬陣列接收數(shù)據(jù)進(jìn)行處理，獲得角度估計(jì)，有效提高了原嵌套陣列測向算法的測向性能。仿真實(shí)驗(yàn)表明，平移嵌套陣列自由度高于原嵌套陣列，在低信噪比、小快拍數(shù)、存在互耦影響條件下，基于稀疏貝葉斯學(xué)習(xí)的平移嵌套陣列測向算法測向精度優(yōu)于原嵌套陣列測向算法，并且提高了原嵌套陣列測向算法的角度分辨率。
針對陣元間互耦效應(yīng)導(dǎo)致嵌套陣列測向性能下降的問題，該文提出兩種不同的平移嵌套陣列結(jié)構(gòu)，在保證產(chǎn)生虛擬陣列無孔的條件下，通過對原二級嵌套陣列陣元位置進(jìn)行調(diào)整，形成平移嵌套陣列，提高了原二級嵌套陣列的稀疏性，降低了陣元間的互耦效應(yīng)，擴(kuò)展了原嵌套陣列的測向自由度。在空間輻射源數(shù)目未知條件下，建立了平移嵌套陣列稀疏貝葉斯學(xué)習(xí)(SBL)算法模型，對形成的虛擬陣列接收數(shù)據(jù)進(jìn)行處理，獲得角度估計(jì)，有效提高了原嵌套陣列測向算法的測向性能。仿真實(shí)驗(yàn)表明，平移嵌套陣列自由度高于原嵌套陣列，在低信噪比、小快拍數(shù)、存在互耦影響條件下，基于稀疏貝葉斯學(xué)習(xí)的平移嵌套陣列測向算法測向精度優(yōu)于原嵌套陣列測向算法，并且提高了原嵌套陣列測向算法的角度分辨率。
2018, 40(5): 1181-1186.
doi: 10.11999/JEIT170727
摘要:
依據(jù)水下測控設(shè)備組網(wǎng)系統(tǒng)的工作特點(diǎn)，為了有效挖掘現(xiàn)有測控設(shè)備的使用效能，構(gòu)建高精度的綜合性水下測控網(wǎng)絡(luò)，該文提出基于Chan算法的水下測控設(shè)備組網(wǎng)集中式數(shù)據(jù)融合定位算法。該算法首先利用基于波達(dá)時(shí)間的加權(quán)最小二乘算法粗測目標(biāo)位置，然后依據(jù)該目標(biāo)位置和測量時(shí)延信息的關(guān)系，構(gòu)造新的誤差矢量，利用該誤差矢量再次加權(quán)最小二乘估計(jì)解算目標(biāo)位置。研究結(jié)果表明，該算法可實(shí)現(xiàn)多套水下測控設(shè)備的數(shù)據(jù)融合，可有效提高全域范圍的定位精度，且精度高于純基于波達(dá)時(shí)間的融合定位算法。
依據(jù)水下測控設(shè)備組網(wǎng)系統(tǒng)的工作特點(diǎn)，為了有效挖掘現(xiàn)有測控設(shè)備的使用效能，構(gòu)建高精度的綜合性水下測控網(wǎng)絡(luò)，該文提出基于Chan算法的水下測控設(shè)備組網(wǎng)集中式數(shù)據(jù)融合定位算法。該算法首先利用基于波達(dá)時(shí)間的加權(quán)最小二乘算法粗測目標(biāo)位置，然后依據(jù)該目標(biāo)位置和測量時(shí)延信息的關(guān)系，構(gòu)造新的誤差矢量，利用該誤差矢量再次加權(quán)最小二乘估計(jì)解算目標(biāo)位置。研究結(jié)果表明，該算法可實(shí)現(xiàn)多套水下測控設(shè)備的數(shù)據(jù)融合，可有效提高全域范圍的定位精度，且精度高于純基于波達(dá)時(shí)間的融合定位算法。
2018, 40(5): 1187-1194.
doi: 10.11999/JEIT170758
摘要:
為提高語音通信系統(tǒng)在噪聲環(huán)境下的使用性能，該文提出一種基于子帶譜減與廣義旁瓣抵消的雙微陣列語音增強(qiáng)方法?；陔p微陣列及子帶結(jié)構(gòu)分析，首先分別在低頻帶采用可變過減因子譜減法抑制噪聲，在高頻帶采用修改互功率譜譜減法抑制非相干性噪聲部分，再結(jié)合廣義旁瓣抵消與端點(diǎn)檢測進(jìn)一步抑制強(qiáng)相關(guān)性噪聲的影響。實(shí)驗(yàn)結(jié)果表明，該方法能夠更加有效地抑制噪聲的影響并提高語音的可懂度。
為提高語音通信系統(tǒng)在噪聲環(huán)境下的使用性能，該文提出一種基于子帶譜減與廣義旁瓣抵消的雙微陣列語音增強(qiáng)方法?；陔p微陣列及子帶結(jié)構(gòu)分析，首先分別在低頻帶采用可變過減因子譜減法抑制噪聲，在高頻帶采用修改互功率譜譜減法抑制非相干性噪聲部分，再結(jié)合廣義旁瓣抵消與端點(diǎn)檢測進(jìn)一步抑制強(qiáng)相關(guān)性噪聲的影響。實(shí)驗(yàn)結(jié)果表明，該方法能夠更加有效地抑制噪聲的影響并提高語音的可懂度。
2018, 40(5): 1195-1201.
doi: 10.11999/JEIT170624
摘要:
準(zhǔn)確可靠的噪聲強(qiáng)度估計(jì)是數(shù)字圖像處理領(lǐng)域中一個(gè)重要的研究課題。噪聲估計(jì)的難點(diǎn)在于如何提取用于估計(jì)的純噪聲信息，近幾年，許多算法采用主成分分析技術(shù)來避免圖像紋理信息的干擾，用最小特征值來估計(jì)噪聲方差，可以有效地減少圖像紋理信息對估計(jì)結(jié)果的影響，所以這類方法對于高頻圖像(豐富紋理圖像)效果很好。由于圖像塊數(shù)量有限，最小特征值實(shí)際上比真實(shí)噪聲方差小，而且圖像塊數(shù)量越少，偏差越大。如果直接把最小特征值作為估計(jì)方差，則容易低估計(jì)高噪聲。該文通過回歸分析確定最小特征值跟真實(shí)噪聲方差的比值和圖像塊數(shù)量呈冪函數(shù)關(guān)系，因此可以通過最小特征值和冪函數(shù)關(guān)系得到真實(shí)的噪聲方差。實(shí)驗(yàn)表明該文方法既能處理高頻圖像，又適合各種噪聲水平，同時(shí)也能處理乘性高斯噪聲。
準(zhǔn)確可靠的噪聲強(qiáng)度估計(jì)是數(shù)字圖像處理領(lǐng)域中一個(gè)重要的研究課題。噪聲估計(jì)的難點(diǎn)在于如何提取用于估計(jì)的純噪聲信息，近幾年，許多算法采用主成分分析技術(shù)來避免圖像紋理信息的干擾，用最小特征值來估計(jì)噪聲方差，可以有效地減少圖像紋理信息對估計(jì)結(jié)果的影響，所以這類方法對于高頻圖像(豐富紋理圖像)效果很好。由于圖像塊數(shù)量有限，最小特征值實(shí)際上比真實(shí)噪聲方差小，而且圖像塊數(shù)量越少，偏差越大。如果直接把最小特征值作為估計(jì)方差，則容易低估計(jì)高噪聲。該文通過回歸分析確定最小特征值跟真實(shí)噪聲方差的比值和圖像塊數(shù)量呈冪函數(shù)關(guān)系，因此可以通過最小特征值和冪函數(shù)關(guān)系得到真實(shí)的噪聲方差。實(shí)驗(yàn)表明該文方法既能處理高頻圖像，又適合各種噪聲水平，同時(shí)也能處理乘性高斯噪聲。
2018, 40(5): 1202-1209.
doi: 10.11999/JEIT170717
摘要:
目前大部分基于檢測的跟蹤算法將跟蹤任務(wù)看作是一個(gè)類別分類的任務(wù)，當(dāng)目標(biāo)發(fā)生形變或者遇到相似物體的干擾時(shí)，容易導(dǎo)致模型漂移。為此該文提出一種多實(shí)例回歸跟蹤算法。在該算法中，跟蹤任務(wù)被認(rèn)為建立在實(shí)例模型之上更為合適，為此該文利用一幀圖像建立實(shí)例模型，并在時(shí)間序列上建立多實(shí)例模型集合表征目標(biāo)的最近狀態(tài)；為使跟蹤算法能夠適應(yīng)目標(biāo)的形變，利用邏輯回歸將實(shí)例模型作為隱變量，由最近若干幀建立的正負(fù)樣本集作為訓(xùn)練集，共同構(gòu)建多實(shí)例回歸跟蹤模型。由于跟蹤模型在整體上對多個(gè)實(shí)例模型建模，把它們緊密地聯(lián)系在一起，故能有效應(yīng)對目標(biāo)的形變；由于模型漂移僅會影響當(dāng)前幀的實(shí)例模型，各個(gè)實(shí)例模型之間互相獨(dú)立，故跟蹤算法能夠有效減輕模型漂移對魯棒跟蹤的影響。實(shí)驗(yàn)中，OTB 2013數(shù)據(jù)庫和UAV 123數(shù)據(jù)庫被用來驗(yàn)證該文算法，DeepSRDCF, Siamese-fc等算法作為對比算法，實(shí)驗(yàn)結(jié)果表明，該文算法不僅充分發(fā)揮了基于多實(shí)例回歸模型進(jìn)行跟蹤的優(yōu)勢，在形變等屬性上具有很好的性能，而且在整體性能上優(yōu)于各類先進(jìn)算法3%~5%。
目前大部分基于檢測的跟蹤算法將跟蹤任務(wù)看作是一個(gè)類別分類的任務(wù)，當(dāng)目標(biāo)發(fā)生形變或者遇到相似物體的干擾時(shí)，容易導(dǎo)致模型漂移。為此該文提出一種多實(shí)例回歸跟蹤算法。在該算法中，跟蹤任務(wù)被認(rèn)為建立在實(shí)例模型之上更為合適，為此該文利用一幀圖像建立實(shí)例模型，并在時(shí)間序列上建立多實(shí)例模型集合表征目標(biāo)的最近狀態(tài)；為使跟蹤算法能夠適應(yīng)目標(biāo)的形變，利用邏輯回歸將實(shí)例模型作為隱變量，由最近若干幀建立的正負(fù)樣本集作為訓(xùn)練集，共同構(gòu)建多實(shí)例回歸跟蹤模型。由于跟蹤模型在整體上對多個(gè)實(shí)例模型建模，把它們緊密地聯(lián)系在一起，故能有效應(yīng)對目標(biāo)的形變；由于模型漂移僅會影響當(dāng)前幀的實(shí)例模型，各個(gè)實(shí)例模型之間互相獨(dú)立，故跟蹤算法能夠有效減輕模型漂移對魯棒跟蹤的影響。實(shí)驗(yàn)中，OTB 2013數(shù)據(jù)庫和UAV 123數(shù)據(jù)庫被用來驗(yàn)證該文算法，DeepSRDCF, Siamese-fc等算法作為對比算法，實(shí)驗(yàn)結(jié)果表明，該文算法不僅充分發(fā)揮了基于多實(shí)例回歸模型進(jìn)行跟蹤的優(yōu)勢，在形變等屬性上具有很好的性能，而且在整體性能上優(yōu)于各類先進(jìn)算法3%~5%。
2018, 40(5): 1210-1218.
doi: 10.11999/JEIT170827
摘要:
現(xiàn)有的大部分基于擴(kuò)散理論的顯著性物體檢測方法只用了圖像的底層特征來構(gòu)造圖和擴(kuò)散矩陣，并且忽視了顯著性物體在圖像邊緣的可能性。針對此，該文提出一種基于圖像的多層特征的擴(kuò)散方法進(jìn)行顯著性物體檢測。首先，采用由背景先驗(yàn)、顏色先驗(yàn)、位置先驗(yàn)組成的高層先驗(yàn)方法選取種子節(jié)點(diǎn)。其次，將選取的種子節(jié)點(diǎn)的顯著性信息通過由圖像的底層特征構(gòu)建的擴(kuò)散矩陣傳播到每個(gè)節(jié)點(diǎn)得到初始顯著圖，并將其作為圖像的中層特征。然后結(jié)合圖像的高層特征分別構(gòu)建擴(kuò)散矩陣，再次運(yùn)用擴(kuò)散方法分別獲得中層顯著圖、高層顯著圖。最后，非線性融合中層顯著圖和高層顯著圖得到最終顯著圖。該算法在3個(gè)數(shù)據(jù)集MSRA10K，DUT-OMRON和ECSSD上，用3種量化評價(jià)指標(biāo)與現(xiàn)有4種流行算法進(jìn)行實(shí)驗(yàn)結(jié)果對比，均取得最好的效果。
現(xiàn)有的大部分基于擴(kuò)散理論的顯著性物體檢測方法只用了圖像的底層特征來構(gòu)造圖和擴(kuò)散矩陣，并且忽視了顯著性物體在圖像邊緣的可能性。針對此，該文提出一種基于圖像的多層特征的擴(kuò)散方法進(jìn)行顯著性物體檢測。首先，采用由背景先驗(yàn)、顏色先驗(yàn)、位置先驗(yàn)組成的高層先驗(yàn)方法選取種子節(jié)點(diǎn)。其次，將選取的種子節(jié)點(diǎn)的顯著性信息通過由圖像的底層特征構(gòu)建的擴(kuò)散矩陣傳播到每個(gè)節(jié)點(diǎn)得到初始顯著圖，并將其作為圖像的中層特征。然后結(jié)合圖像的高層特征分別構(gòu)建擴(kuò)散矩陣，再次運(yùn)用擴(kuò)散方法分別獲得中層顯著圖、高層顯著圖。最后，非線性融合中層顯著圖和高層顯著圖得到最終顯著圖。該算法在3個(gè)數(shù)據(jù)集MSRA10K，DUT-OMRON和ECSSD上，用3種量化評價(jià)指標(biāo)與現(xiàn)有4種流行算法進(jìn)行實(shí)驗(yàn)結(jié)果對比，均取得最好的效果。
2018, 40(5): 1219-1225.
doi: 10.11999/JEIT170608
摘要:
相比于傳統(tǒng)兩步定位方法，直接定位方法具有更高的定位精度，但現(xiàn)有的基于陣列模型的直接定位方法未能夠有效利用多普勒頻移信息，其定位精度有待進(jìn)一步提升。針對上述問題，該文提出一種融合多普勒頻移信息的陣列數(shù)據(jù)域直接定位方法。首先構(gòu)建了融合多普勒信息的直接定位模型，然后基于最大似然準(zhǔn)則將信號源位置估計(jì)轉(zhuǎn)化為求解位置信息矩陣最大特征值問題，并結(jié)合矩陣轉(zhuǎn)置性質(zhì)降低復(fù)雜度，最后通過2維搜索得到目標(biāo)信號源位置估計(jì)。仿真結(jié)果表明，所提方法較目前的陣列數(shù)據(jù)域直接定位方法和多普勒頻移直接定位方法的定位精度具有較大提高。
相比于傳統(tǒng)兩步定位方法，直接定位方法具有更高的定位精度，但現(xiàn)有的基于陣列模型的直接定位方法未能夠有效利用多普勒頻移信息，其定位精度有待進(jìn)一步提升。針對上述問題，該文提出一種融合多普勒頻移信息的陣列數(shù)據(jù)域直接定位方法。首先構(gòu)建了融合多普勒信息的直接定位模型，然后基于最大似然準(zhǔn)則將信號源位置估計(jì)轉(zhuǎn)化為求解位置信息矩陣最大特征值問題，并結(jié)合矩陣轉(zhuǎn)置性質(zhì)降低復(fù)雜度，最后通過2維搜索得到目標(biāo)信號源位置估計(jì)。仿真結(jié)果表明，所提方法較目前的陣列數(shù)據(jù)域直接定位方法和多普勒頻移直接定位方法的定位精度具有較大提高。
2018, 40(5): 1226-1233.
doi: 10.11999/JEIT170663
摘要:
在非相干分布式非圓信號波達(dá)方向(DOA)估計(jì)中，針對利用信號非圓特性后輸出矩陣維數(shù)擴(kuò)展帶來的較大運(yùn)算量問題，該文提出一種基于互相關(guān)抽樣分解的DOA快速估計(jì)算法。該算法僅需要從子陣間的擴(kuò)展互相關(guān)矩陣中抽樣出少量行元素和列元素，構(gòu)成兩個(gè)低維子矩陣，進(jìn)而通過低秩近似分解便可快速地同時(shí)求出左右奇異矢量，即分別對應(yīng)兩個(gè)子陣的信號子空間，避免了計(jì)算整個(gè)互相關(guān)矩陣及其奇異值分解運(yùn)算；最后利用兩個(gè)子陣信號子空間的旋轉(zhuǎn)不變性通過最小二乘得到DOA估計(jì)。仿真分析表明，當(dāng)行列抽樣數(shù)大于信源數(shù)的兩倍時(shí)，所提算法與直接基于互相關(guān)矩陣奇異值分解的非相干分布式非圓信號DOA估計(jì)算法性能相近，但復(fù)雜度得到了大幅度降低；而相比于傳統(tǒng)的低復(fù)雜度非相干分布源DOA估計(jì)算法，所提算法利用信號非圓特性具有更高的估計(jì)性能。
在非相干分布式非圓信號波達(dá)方向(DOA)估計(jì)中，針對利用信號非圓特性后輸出矩陣維數(shù)擴(kuò)展帶來的較大運(yùn)算量問題，該文提出一種基于互相關(guān)抽樣分解的DOA快速估計(jì)算法。該算法僅需要從子陣間的擴(kuò)展互相關(guān)矩陣中抽樣出少量行元素和列元素，構(gòu)成兩個(gè)低維子矩陣，進(jìn)而通過低秩近似分解便可快速地同時(shí)求出左右奇異矢量，即分別對應(yīng)兩個(gè)子陣的信號子空間，避免了計(jì)算整個(gè)互相關(guān)矩陣及其奇異值分解運(yùn)算；最后利用兩個(gè)子陣信號子空間的旋轉(zhuǎn)不變性通過最小二乘得到DOA估計(jì)。仿真分析表明，當(dāng)行列抽樣數(shù)大于信源數(shù)的兩倍時(shí)，所提算法與直接基于互相關(guān)矩陣奇異值分解的非相干分布式非圓信號DOA估計(jì)算法性能相近，但復(fù)雜度得到了大幅度降低；而相比于傳統(tǒng)的低復(fù)雜度非相干分布源DOA估計(jì)算法，所提算法利用信號非圓特性具有更高的估計(jì)性能。
2018, 40(5): 1234-1241.
doi: 10.11999/JEIT170675
摘要:
針對K2算法過度依賴節(jié)點(diǎn)序，遺傳算法節(jié)點(diǎn)序?qū)?yōu)效率差的問題，該文提出一種直接對節(jié)點(diǎn)序進(jìn)行評分搜索的貝葉斯結(jié)構(gòu)學(xué)習(xí)算法。該算法以K2算法為基礎(chǔ)，首先通過計(jì)算支撐樹權(quán)重矩陣，構(gòu)建能夠定量評價(jià)節(jié)點(diǎn)序的適應(yīng)度函數(shù)。然后通過提出混合交叉策略和孤立節(jié)點(diǎn)處理機(jī)制，同時(shí)利用動態(tài)學(xué)習(xí)因子和倒置變異策略，提升遺傳算法節(jié)點(diǎn)序?qū)?yōu)的性能。最后將得到的節(jié)點(diǎn)序作為K2算法的先驗(yàn)知識得到最優(yōu)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。仿真結(jié)果表明，該方法解決了K2算法依賴先驗(yàn)知識的問題，相比于其它優(yōu)化算法，評分值平均增加了13.11%。
針對K2算法過度依賴節(jié)點(diǎn)序，遺傳算法節(jié)點(diǎn)序?qū)?yōu)效率差的問題，該文提出一種直接對節(jié)點(diǎn)序進(jìn)行評分搜索的貝葉斯結(jié)構(gòu)學(xué)習(xí)算法。該算法以K2算法為基礎(chǔ)，首先通過計(jì)算支撐樹權(quán)重矩陣，構(gòu)建能夠定量評價(jià)節(jié)點(diǎn)序的適應(yīng)度函數(shù)。然后通過提出混合交叉策略和孤立節(jié)點(diǎn)處理機(jī)制，同時(shí)利用動態(tài)學(xué)習(xí)因子和倒置變異策略，提升遺傳算法節(jié)點(diǎn)序?qū)?yōu)的性能。最后將得到的節(jié)點(diǎn)序作為K2算法的先驗(yàn)知識得到最優(yōu)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。仿真結(jié)果表明，該方法解決了K2算法依賴先驗(yàn)知識的問題，相比于其它優(yōu)化算法，評分值平均增加了13.11%。
2018, 40(5): 1242-1249.
doi: 10.11999/JEIT170745
摘要:
該文針對畸變嚴(yán)重的魚眼圖像中的目標(biāo)跟蹤，提出一種能適應(yīng)尺度變化、姿態(tài)變化以及形狀畸變的魚眼視頻目標(biāo)跟蹤的方法。該方法首先將灰度特征和相對梯度特征相結(jié)合得到目標(biāo)的高維特征，然后對其平均降維得到目標(biāo)的壓縮特征。并根據(jù)魚眼成像模型得到投影點(diǎn)的運(yùn)動特性，確定目標(biāo)的運(yùn)動范圍。為了適應(yīng)尺度變化，在塊匹配運(yùn)動估計(jì)思想的基礎(chǔ)上，對目標(biāo)跟蹤框的頂點(diǎn)分別進(jìn)行由粗到精的定位，并在此過程中根據(jù)跟蹤框的尺度相應(yīng)改變壓縮特征的尺度。實(shí)驗(yàn)結(jié)果表明：該算法在目標(biāo)畸變、尺度變化、姿態(tài)變化以及局部遮擋等情況下，判斷指標(biāo)均優(yōu)于其他對比算法。
該文針對畸變嚴(yán)重的魚眼圖像中的目標(biāo)跟蹤，提出一種能適應(yīng)尺度變化、姿態(tài)變化以及形狀畸變的魚眼視頻目標(biāo)跟蹤的方法。該方法首先將灰度特征和相對梯度特征相結(jié)合得到目標(biāo)的高維特征，然后對其平均降維得到目標(biāo)的壓縮特征。并根據(jù)魚眼成像模型得到投影點(diǎn)的運(yùn)動特性，確定目標(biāo)的運(yùn)動范圍。為了適應(yīng)尺度變化，在塊匹配運(yùn)動估計(jì)思想的基礎(chǔ)上，對目標(biāo)跟蹤框的頂點(diǎn)分別進(jìn)行由粗到精的定位，并在此過程中根據(jù)跟蹤框的尺度相應(yīng)改變壓縮特征的尺度。實(shí)驗(yàn)結(jié)果表明：該算法在目標(biāo)畸變、尺度變化、姿態(tài)變化以及局部遮擋等情況下，判斷指標(biāo)均優(yōu)于其他對比算法。
2018, 40(5): 1250-1257.
doi: 10.11999/JEIT170794
摘要:
為提高電容層析成像(ECT)系統(tǒng)重建圖像的質(zhì)量，該文提出一種基于改進(jìn)稀疏度自適應(yīng)的壓縮感知電容層析成像算法。利用壓縮感知與電容層析成像算法的契合點(diǎn)，以隨機(jī)改造后的電容層析成像靈敏度矩陣為觀測矩陣，離散余弦基為稀疏基，測量電容值為觀測值，建立模型。利用線性反投影算法(LBP算法)所得圖像預(yù)估原始圖像稀疏度，以預(yù)估稀疏度值作為索引原子初始值進(jìn)行稀疏度自適應(yīng)迭代。改進(jìn)后的稀疏度自適應(yīng)匹配追蹤重構(gòu)算法實(shí)現(xiàn)ECT圖像重建，解決了稀疏度預(yù)估不準(zhǔn)確導(dǎo)致重建圖像精度差的問題。仿真實(shí)驗(yàn)結(jié)果表明，該算法可以有效重建ECT圖像，其成像質(zhì)量優(yōu)于LBP算法、Landweber算法、Tikhonov算法等傳統(tǒng)算法，是研究電容層析成像圖像重建的一種新的方法和手段。
為提高電容層析成像(ECT)系統(tǒng)重建圖像的質(zhì)量，該文提出一種基于改進(jìn)稀疏度自適應(yīng)的壓縮感知電容層析成像算法。利用壓縮感知與電容層析成像算法的契合點(diǎn)，以隨機(jī)改造后的電容層析成像靈敏度矩陣為觀測矩陣，離散余弦基為稀疏基，測量電容值為觀測值，建立模型。利用線性反投影算法(LBP算法)所得圖像預(yù)估原始圖像稀疏度，以預(yù)估稀疏度值作為索引原子初始值進(jìn)行稀疏度自適應(yīng)迭代。改進(jìn)后的稀疏度自適應(yīng)匹配追蹤重構(gòu)算法實(shí)現(xiàn)ECT圖像重建，解決了稀疏度預(yù)估不準(zhǔn)確導(dǎo)致重建圖像精度差的問題。仿真實(shí)驗(yàn)結(jié)果表明，該算法可以有效重建ECT圖像，其成像質(zhì)量優(yōu)于LBP算法、Landweber算法、Tikhonov算法等傳統(tǒng)算法，是研究電容層析成像圖像重建的一種新的方法和手段。
2018, 40(5): 1258-1265.
doi: 10.11999/JEIT170815
摘要:
在中文文本分類任務(wù)中，針對重要特征在中文文本中位置分布分散、稀疏的問題，以及不同文本特征對文本類別識別貢獻(xiàn)不同的問題，該文提出一種基于語義理解的注意力神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)(LSTM)與卷積神經(jīng)網(wǎng)絡(luò)(CNN)的多元特征融合中文文本分類模型(3CLA)。模型首先通過文本預(yù)處理將中文文本分詞、向量化。然后，通過嵌入層分別經(jīng)過CNN通路、LSTM通路和注意力算法模型通路以提取不同層次、具有不同特點(diǎn)的文本特征。最終，文本特征經(jīng)融合層融合后，由softmax分類器進(jìn)行分類?；谥形恼Z料進(jìn)行了文本分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相較于CNN結(jié)構(gòu)模型與LSTM結(jié)構(gòu)模型，提出的算法模型對中文文本類別的識別能力最多提升約8%。
在中文文本分類任務(wù)中，針對重要特征在中文文本中位置分布分散、稀疏的問題，以及不同文本特征對文本類別識別貢獻(xiàn)不同的問題，該文提出一種基于語義理解的注意力神經(jīng)網(wǎng)絡(luò)、長短期記憶網(wǎng)絡(luò)(LSTM)與卷積神經(jīng)網(wǎng)絡(luò)(CNN)的多元特征融合中文文本分類模型(3CLA)。模型首先通過文本預(yù)處理將中文文本分詞、向量化。然后，通過嵌入層分別經(jīng)過CNN通路、LSTM通路和注意力算法模型通路以提取不同層次、具有不同特點(diǎn)的文本特征。最終，文本特征經(jīng)融合層融合后，由softmax分類器進(jìn)行分類?；谥形恼Z料進(jìn)行了文本分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，相較于CNN結(jié)構(gòu)模型與LSTM結(jié)構(gòu)模型，提出的算法模型對中文文本類別的識別能力最多提升約8%。
2018, 40(5): 1266-1270.
doi: 10.11999/JEIT170461
摘要:
該文介紹了中國科學(xué)院電子學(xué)研究所研制的一套高分辨率W波段SAR系統(tǒng)，對系統(tǒng)的指標(biāo)、組成、實(shí)現(xiàn)方案以及數(shù)據(jù)處理方法進(jìn)行了描述，提出了非線性系統(tǒng)誤差校正、高精度運(yùn)動補(bǔ)償、高隔離度收發(fā)系統(tǒng)設(shè)計(jì)等關(guān)鍵問題的解決方案。通過機(jī)載飛行實(shí)驗(yàn)，驗(yàn)證了W波段SAR系統(tǒng)的有效性。
該文介紹了中國科學(xué)院電子學(xué)研究所研制的一套高分辨率W波段SAR系統(tǒng)，對系統(tǒng)的指標(biāo)、組成、實(shí)現(xiàn)方案以及數(shù)據(jù)處理方法進(jìn)行了描述，提出了非線性系統(tǒng)誤差校正、高精度運(yùn)動補(bǔ)償、高隔離度收發(fā)系統(tǒng)設(shè)計(jì)等關(guān)鍵問題的解決方案。通過機(jī)載飛行實(shí)驗(yàn)，驗(yàn)證了W波段SAR系統(tǒng)的有效性。
