摘要：针对多智能体系统中邻居间通信存在通信路径损耗的情况,研究距离-变权重通信拓扑下非线性多智能体系统固定时间防碰防离编队控制问题,充分考虑通信路径损耗所引起的拓扑变化的不确定性和距离相关性、系统中未知非线性动力学特性以及固定时间收敛的控制性能要求等.为解决以上问题,首先结合通信理论中的通信损耗模型和数学图论知识,对通信路径损耗下的拓扑结构进行量化建模.其次,基于人工势场原理,设计一套新的预设时间防碰防离策略,以确保每个智能体在预设时间内离开碰撞与离群预警区,避免碰撞与离群现象.同时,提出一种新的具有自适应增益的分层滑模面结构,进一步改善系统的动态性能.在此基础上,结合自适应技术,构建一套自适应分层滑模固定时间防碰防离编队控制方案.所提方案不仅解决了系统本身以及通信路径损耗所引起的非线性动态耦合问题,而且保证了通信路径损耗情况下多智能体系统的编队任务在固定时间内完成,同时没有碰撞和离群现象.最后,给出严格的理论分析以及对比仿真结果,证明了所提控制方法的有效性和优越性.

摘要：针对无源目标分类系统中精度和费用之间不平衡、采用手工提取特征的方法进行特征提取工作量较大的问题,提出了一种基于误差逆传播(BP)神经网络的信道状态信息(CSI)无源目标分类方法.通过提取WiFi信号的CSI作基信号,并结合具有自主学习数据特征能力的神经网络方法,设计了BP神经网络的训练模型,减少了手工提取特征带来的开销.实验结果表明,以身高分类为例,所提方法能够区分4个不同身高段,且平均分类准确度可以达到90%以上.

摘要：为了提高谱匹配算法对噪声和出格点的鲁棒性,提出一种基于谱图理论的结构描述子,并在此基础上结合几何相容性给出了匹配目标函数的定义及相应求解算法.首先给出一种利用特征谱与谱隙序列的统计量构造的结构描述子,以获得定长的特征点属性表示;然后结合邻近关系表示的几何相容性定义了求解匹配问题的目标函数,将匹配问题转化为一对一约束下的优化问题;最后介绍了利用概率松弛对匹配目标函数的求解方法.在模拟数据与真实图像上的比较实验结果均表明该算法具有相对较高的准确性.

摘要：针对传统的基于光强传输方程(TIE)相位恢复方法中需要通过移动待测物体或者CCD以实现光强图像采集所造成的速度慢、精确度低等问题,提出了一种新的基于硅基液晶(LCOS)变焦透镜的相位恢复方法。首先,在LCOS上加载具有不同焦距的透镜相位分布图,使其实现变焦透镜的功能;然后通过本研究所设计的系统在同一成像平面上采集不同散焦距离的光强图像;最后求解TIE从而得到相位信息。该方法只需要改变LCOS上所加载的相位分布图即可形成不同的散焦图像,避免了传统方法中机械移动所造成的误差。模拟与实验结果均验证了所提方法的正确性和有效性。

摘要：随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output,MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism,HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error,MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。

摘要：为了适应现代双频通信系统的要求,该文将褶皱结构的透波增强特性应用于天线设计中,并在中心圆孔处添加环形金属柱,设计了一个双频高增益天线。仿真和测试结果表明,在12.7 GHz和14.4 GHz处,天线的增益分别为12.0 dB和12.9 dB,相对于传统天线分别提高了5.6 dB和6.3 dB。此外,天线的半功率波束宽度(Half Power Beam Width,HPBW)也得到了较好的优化。

摘要：基于光强传输方程(TIE)的相位恢复技术,可以通过测量一系列垂直于光轴分布的散焦强度图,直接求解得到光场的相位信息。传统的基于TIE的强度图像采集系统在获得散焦图像时需要机械移动。通过在空间光调制器(SLM)上加载透镜相位图,使其实现可编程透镜的功能,任意改变此透镜的焦距值,可以实现不同的散焦距离,从而避免采集图像过程中CCD的移动。根据不同的算法理论,设计了两种光强图像采集系统。由于日常生活中使用相机拍照时,透镜的相位调制作用不可忽略,使用SLM代替含透镜的光传播模型中透镜的作用,设计了第一种实验装置。此外,通过在4f系统的频率域位置放置SLM,设计了第二种实验装置。真实实验的结果验证了这两种方法的有效性和正确性。

摘要：在伯努利循环矩阵的基础上,对其独立元素中随机地引入零元,形成超稀疏三元循环矩阵,与伯努利-循环矩阵相比,其随机独立变元个数和矩阵非零元数目显著减少,从而有利于信息的传输和存储.数值实验结果表明:提出的测量矩阵重建效果略优于伯努利矩阵和伯努利循环矩阵的重建效果,并在绝大多数情形下重建时间可以降低到原来的10%~40%,加快了后端信号重建的速度,有利于压缩感知理论的实用化.

摘要：针对基于深度学习的图像去模糊方法无法有效地保留高频纹理信息,易产生振铃效应,且时间复杂度较高的问题,提出基于卷积神经网络(CNN)的图像去模糊方法.该方法设计了一种高频信号保持且可快速去模糊的快速CNN模型(FCNN).在此基础上,首先对高频图像进行傅里叶域上的预处理,通过实施傅里叶域去模糊的预处理得到一个初始的清晰图像;然后将该初始图像小块作为输入,相应的真实清晰图像小块作为标签训练FCNN,得到从模糊图像到潜在清晰图像的映射函数,实现基于该训练网络的去模糊.定性和定量实验结果表明,文中方法利用CNN参数共享的特点,减少了网络训练过程中大量的学习参数;相对前人基于深度学习的去模糊方法,该方法对模糊图像在保持图像纹理细节恢复的同时使计算复杂度得到显著降低.

摘要：针对目标跟踪在遮挡和尺度变化等复杂背景下跟踪性能下降问题,联合稀疏约束、时间平滑约束以及增量投影非负矩阵分解,提出一种在线目标跟踪算法.首先利用非负矩阵分解学习一个基于部分表示的子空间,在此基础上添加稀疏约束提高处理遮挡能力,添加时间平滑约束提高算法的稳定性;然后用增量方式完成子空间的在线更新,减少算法计算量、提高外观模型更新效率;最后在粒子滤波框架下,以重构误差为基础改进了观测似然函数,将具有最大后验概率的候选目标作为目标在当前帧的图像区域.实验结果表明,在各种含有遮挡和尺度变化的视频中,该算法可以更稳定地跟踪目标.