摘要：针对经典灰狼算法在处理复杂非线性优化问题时存在搜索不均衡、易陷入局部最优而出现早熟、寻优精度低等缺点,提出一种基于非线性双收敛因子策略与局部跳出机制相结合的混合灰狼算法,用于解决阵元失效校正问题。首先,依据平均适应度值将种群分为侦察狼和捕猎狼,两类狼依据不同的非线性递减收敛因子寻优来平衡算法的全局勘探和局部挖掘能力;其次,引入一种基于Sine混沌函数的跳出机制,提高了头狼个体的局部抗停滞能力,提升了算法的种群多样性。算法在目标函数中设计增加公共激励约束条件来降低天线系统的维护成本、提高系统的稳定性。对比现有基于群智能算法的校正技术,在更为苛刻的约束条件下,算法综合所得公共激励占比由0分别上升至10.7%,且校正前后方向图的辐射特性有一定提升,证明了所述算法的有效性。

摘要：阵列天线的和、差波束方向图综合问题是雷达研究领域中一个重要的研究方向。针对和、差波束综合过程中的共用单元激励问题提出了稀疏阵的设计,根据波束的性能参数指标设计阵列以达到降低系统复杂度的目的。采用了凸优化算法与压缩感知理论相结合的和、差波束方向图优化合成的新方法。在提高和、差波束方向图辐射性能的同时还通过共用单元激励、减少天线单元总数等形式,有效降低了系统中馈电网络的复杂度,提高了天线的工程可实现性。

摘要：提出了一种基于迭代算法的可扫描稀疏阵综合方法。该方法包含凸优化算法,将控制主瓣宽度的非凸优化问题转化成凸约束问题,并结合压缩感知理论,将构建理想辐射性能方向图的具有周期结构的稀疏阵列综合问题转化为迭代加权L1范数最小化的稀疏重构问题,收敛过程中将本次迭代获得的激励权值闭式解作为下次迭代的初值,由完成迭代过程后获得的激励向量中的非零解来确定激励权值以及可用阵元位置。本文实现的扫描最大化稀疏阵列低副瓣设计与竞争算法综合结果相比,在方向图主瓣不展宽的情况下需要的阵列单元总数明显减少。

摘要：图像处理和机器视觉课程涉及知识面广,需要掌握计算机、数学、大数据、编程等相关知识,但现有的图像处理和机器视觉实验系统程序结构复杂,传统的直接在命令行进行编程的方法在教学直观性方面表现力弱,学生在课程学习中无法理解机器视觉相关算法的基本原理,不适合在课堂学习的初级阶段推广。为提高教学质量及学生的学习兴趣,在Matlab环境下,本文利用图形用户接口(GUI)设计并开发了此套图像处理辅助教学系统。本系统涵盖了图像处理和机器视觉的核心内容,分为图像修复、图像增强、图像滤波三大部分,实现了图像处理的可视化操作,系统交互性强,特别强调了模块化工程,将每个实现图像处理功能的代码分别进行function函数定义,有利于老师的教学讲解与学生的理解、自主学习。设计结果表明,该系统对图像的处理效果良好,化抽象为直观,可以更好地辅助教师授课、帮助学生理解和自学。

摘要：阵列天线由许多辐射天线阵元组成,当阵元失效的情况发生时,阵列辐射远场方向图将发生不同程度的畸变,严重影响天线系统的正常使用。因此,采用优化算法降低方向图畸变程度,恢复方向图辐射特性,是十分有必要的。本文设计了自适应入侵杂草优化(Adaptive Invasive Weed Optimization,AIWO)算法,并利用其解决雷达天线阵元失效校正问题。算法中的自适应标准差随着迭代次数增加而逐渐减小,每个杂草个体根据其适应度值不同被分配不同的标准差。自适应标准差的使用,更好地平衡了算法的全局探索和局部勘探能力,混沌序列的引入提高了最优杂草的局部抗停滞能力,使得原始算法的寻优精度都得到了提高。本文算法在方向图综合的目标函数中设计增加了公共激励约束条件以提高天线系统的稳定性并降低系统维护成本,对比现有两种算法,在更为苛刻的阵列形式下,本文综合所得公共激励占比由0分别上升至17.4%,且修复前后场方向图的辐射特性满足指标要求,结果证明了算法的阵元失效校正性能突出。