采用常规方法建立的雷达与干扰信号级仿真系统, 存在系统难以扩展、仿真效率低的问题。针对该问题, 从3个方面提出了改进方法: 一是雷达和干扰机之间交互内容使用各自发射端的信号, 代替到达对方接收机的信号; 二是雷达提前一个周期公布发射信号, 并延后一个周期处理信号; 三是相互间传递信号描述字而非数字信号。然后, 分析了仿真步长、时间前瞻量的参数设置问题。最后, 通过仿真实验, 验证了改进方法的有效性。改进方法减少了雷达与干扰机之间的依赖性和交互次数, 节省了网络开销, 有利于提高系统的可扩展性和仿真效率。

为实现图像超分辨力重建, 提出了一个自适应半耦合稀疏字典学习算法。由于耦合字典学习算法中存在稀疏编码约束条件太过严苛的缺点, 本文采用半耦合的字典学习算法。根据在半耦合的字典学习算法中全局字典表达的局限性, 分析和采用了多字典训练算法及相应的重建方法。提出了基于自适应图像块聚类算法的半耦合稀疏字典学习算法。仿真实验结果显示, 新算法重建得到的 Butterfly,Cameraman,Foreman,Plants,Hat和Lena等图像的峰值信噪比 (PSNR)分别比用基于K-means聚类算法的半耦合稀疏字典学习算法得到的重建图像高出 0.18 dB,0.16 dB,0.52 dB, 0.21 dB,0.23 dB和0.14 dB。该算法可以得到更好的图像重建效果。

在图像处理领域, 基于稀疏表示理论的图像超分辨力算法、高低分辨力字典与稀疏编码之间的映射关系是其中的 2个关键环节。由于丰富多样的图像类型, 单一字典并不能很好地表示图像。而在稀疏编码之间的映射关系上, 严格相等的约束关系也限制了图像重建的效果。针对上述两个方面, 采用包容性更强的多个字典与约束条件更为宽松的全耦合稀疏关系进行图像的超分辨力重建。在图像非局部自相似性的基础上, 进行多次自适应聚类; 挑选出最优的聚类, 通过全耦合稀疏学习的图像超分辨力算法, 得到多个字典; 最后, 对输入的低分辨力图像进行分类重建, 得到高分辨力图片。实验结果表明, 在图像 Leaves,Barbara,Room上, 本文的聚类算法比原全耦合稀疏学习算法在峰值信噪比 (PSNR)上分别提升了 0.51 dB,0.21 dB,0.15 dB。

以某逆合成孔径雷达串行仿真程序的优化为实例, 基于多核微机研究雷达仿真运行效率优化方法。首先总结了目前常用的雷达信号仿真并行算法, 指出了各自方法的优缺点, 同时分析了雷达信号仿真中的并行粒度; 然后研究了目标回波生成、仿真结果显示、脉冲压缩等各个计算单元的耗时情况和优化策略, 并对测试结果进行了分析。最后采用高性能函数库、多通道并行脉压、回波模拟快速递推算法、目标回波并行仿真和流水线并行等多种策略对ISAR串行仿真实例进行了优化, 综合优化后的程序运行速度提高为原来的6.7倍, 表明了优化策略的有效性和实用性。

将简并双光子微脉塞的量子理论推广到非简并情形, 给出了原子发射几率的解析表达式并且分析了相应的性质.发现由于在微脉塞中存在两种腔场模式,导致有两个自由度来改变原子在经过腔场时所受到的势场,因此非简并双光子微脉塞的发射几率的行为不同于简并双光子情况下的发射几率.