现有全脉冲结构波形与处理方法,如相位编码波形匹配处理存在多普勒容忍度差的固有缺陷,线性调频(linear frequency modulation,LFM)波形加窗处理降低了距离分辨率和信噪比(signal-to-noise ratio,SNR)增益,难以适应高速多目标探测的任...现有全脉冲结构波形与处理方法,如相位编码波形匹配处理存在多普勒容忍度差的固有缺陷,线性调频(linear frequency modulation,LFM)波形加窗处理降低了距离分辨率和信噪比(signal-to-noise ratio,SNR)增益,难以适应高速多目标探测的任务需求。为此,本文提出了一种面向高速目标探测的多子脉冲结构波形设计与处理方法。首先,构建具有多子脉冲结构波形的回波模型,利用分段子脉冲压缩处理和子脉冲间相参处理方法,导出多子脉冲结构波形的距离-多普勒响应函数;然后,根据感兴趣的目标距离速度区间,建立恒模约束下以最小化加权积分距离-多普勒旁瓣电平为目标函数的多子脉冲结构波形优化设计问题;最后,引入坐标下降(coordinate descent,CD)优化框架,将高维非凸约束优化问题的求解转变为多个一维优化问题的迭代求解,且推导出这些低维问题的闭式解。仿真表明,所设计的多子脉冲结构波形具有较好的多普勒容忍度和较低的局部距离-多普勒旁瓣电平,且在高速多目标认知探测场景下,相比于LFM波形、模糊函数优化波形和LFM-noise波形具有更好的高速目标探测能力。展开更多
随着大规模数据的增加,解决Lasso问题成为一个新的热点,以往的方法很难满足大数据背景下的时间和效率问题。为了解决大规模数据及高维数据而带来的计算和储存的困难,本文从三个方面分析最新的算法,即一阶方法、随机方法及并行和分布计...随着大规模数据的增加,解决Lasso问题成为一个新的热点,以往的方法很难满足大数据背景下的时间和效率问题。为了解决大规模数据及高维数据而带来的计算和储存的困难,本文从三个方面分析最新的算法,即一阶方法、随机方法及并行和分布计算。本文介绍和分析了解决最小收缩和选择算子(Least absolute shrinkage and selection operator,Lasso)问题的最新算法:梯度下降方法、交替方向乘子法(Alternating direction method of multipliers,ADMM)和坐标下降方法。其中梯度下降结合一阶方法和Nesterov的加速和光滑技术;交替方向乘子方法将随机方法融入在最新的算法中;坐标下降方法利用其坐标系的特点结合一阶方法、随机方法和并行和分布计算,本文分别从原始目标函数和对偶目标函数的角度对算法进行分析和研究。展开更多
文摘现有全脉冲结构波形与处理方法,如相位编码波形匹配处理存在多普勒容忍度差的固有缺陷,线性调频(linear frequency modulation,LFM)波形加窗处理降低了距离分辨率和信噪比(signal-to-noise ratio,SNR)增益,难以适应高速多目标探测的任务需求。为此,本文提出了一种面向高速目标探测的多子脉冲结构波形设计与处理方法。首先,构建具有多子脉冲结构波形的回波模型,利用分段子脉冲压缩处理和子脉冲间相参处理方法,导出多子脉冲结构波形的距离-多普勒响应函数;然后,根据感兴趣的目标距离速度区间,建立恒模约束下以最小化加权积分距离-多普勒旁瓣电平为目标函数的多子脉冲结构波形优化设计问题;最后,引入坐标下降(coordinate descent,CD)优化框架,将高维非凸约束优化问题的求解转变为多个一维优化问题的迭代求解,且推导出这些低维问题的闭式解。仿真表明,所设计的多子脉冲结构波形具有较好的多普勒容忍度和较低的局部距离-多普勒旁瓣电平,且在高速多目标认知探测场景下,相比于LFM波形、模糊函数优化波形和LFM-noise波形具有更好的高速目标探测能力。
文摘随着大规模数据的增加,解决Lasso问题成为一个新的热点,以往的方法很难满足大数据背景下的时间和效率问题。为了解决大规模数据及高维数据而带来的计算和储存的困难,本文从三个方面分析最新的算法,即一阶方法、随机方法及并行和分布计算。本文介绍和分析了解决最小收缩和选择算子(Least absolute shrinkage and selection operator,Lasso)问题的最新算法:梯度下降方法、交替方向乘子法(Alternating direction method of multipliers,ADMM)和坐标下降方法。其中梯度下降结合一阶方法和Nesterov的加速和光滑技术;交替方向乘子方法将随机方法融入在最新的算法中;坐标下降方法利用其坐标系的特点结合一阶方法、随机方法和并行和分布计算,本文分别从原始目标函数和对偶目标函数的角度对算法进行分析和研究。
