本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数...本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数,然后利用最小二乘法求解全极化测量方程,得到每个散射中心的复幅度信息,从而获得每个散射中心的散射矩阵,其中散射矩阵与类型参数是密切相关的.然后分析了其中参数估计的精度问题,针对极化通道噪声方差的不同提出了相应的改进算法.最后进行了仿真,并与单极化散射中心估计参数作了对比,结果证实了该方法的有效性,为雷达极化信息与散射中心的有效融合提供了新方法.展开更多
结构动载荷识别反问题是典型的病态问题,需要应用正则方法克服其病态特性而获得稳定的解。与直接正则化算法Tikhonov方法相比,共轭梯度最小二乘(Conjugate Gradient Least Squares,CGLS)迭代算法在载荷识别反问题的正则化过程有无须对...结构动载荷识别反问题是典型的病态问题,需要应用正则方法克服其病态特性而获得稳定的解。与直接正则化算法Tikhonov方法相比,共轭梯度最小二乘(Conjugate Gradient Least Squares,CGLS)迭代算法在载荷识别反问题的正则化过程有无须对传递矩阵求逆、无须明确正则化参数的优点。提出共轭梯度最小二乘迭代正则化算法和启发式迭代收敛终止准则,用于三自由度仿真模型和壳结构试验模型的冲击载荷识别,并与经典的Landweber迭代正则化算法和直接正则化算法Tikhonov方法比较。仿真和实验结果表明:CGLS迭代正则化算法在识别精度、收敛速度、计算效率和抗噪性方面有明显优势。展开更多
文摘本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数,然后利用最小二乘法求解全极化测量方程,得到每个散射中心的复幅度信息,从而获得每个散射中心的散射矩阵,其中散射矩阵与类型参数是密切相关的.然后分析了其中参数估计的精度问题,针对极化通道噪声方差的不同提出了相应的改进算法.最后进行了仿真,并与单极化散射中心估计参数作了对比,结果证实了该方法的有效性,为雷达极化信息与散射中心的有效融合提供了新方法.
文摘结构动载荷识别反问题是典型的病态问题,需要应用正则方法克服其病态特性而获得稳定的解。与直接正则化算法Tikhonov方法相比,共轭梯度最小二乘(Conjugate Gradient Least Squares,CGLS)迭代算法在载荷识别反问题的正则化过程有无须对传递矩阵求逆、无须明确正则化参数的优点。提出共轭梯度最小二乘迭代正则化算法和启发式迭代收敛终止准则,用于三自由度仿真模型和壳结构试验模型的冲击载荷识别,并与经典的Landweber迭代正则化算法和直接正则化算法Tikhonov方法比较。仿真和实验结果表明:CGLS迭代正则化算法在识别精度、收敛速度、计算效率和抗噪性方面有明显优势。
