压缩成像方式既可以避免在红外波段追求大面阵器件, 又可以解决图像获取时难以消除的自身非均匀性, 信噪比低, 航空航天成像应用中的图像采集、传输、存储成本越来越高等问题。详细分析了该成像系统的原理模型, 搭建成像原理样机, 采用梯度投影算法进行图像重构的成像实验。在重构图像的质量评价中引入了信号子空间分析方法, 估计重构图像的信噪比。实验结果表明, 该信噪比估计方法更加准确有效。

方位超分辨一直是雷达领域里受到广泛关注的研究课题,针对求解过程中遇到的病态性,深入研究了L1范数正则化方法及其约束方法.在目标稀疏性质的前提下,建立了L1范数正则化与约束L1范数正则化模型.鉴于雷达数据的维数较多,利用梯度投影算法对模型进行求解.在不同信噪比情况下对两个等幅点目标进行了计算机仿真,结果初步表明:随着信噪比的降低,两种算法的分辨效果变差,在相同条件下约束L1范数正则化方法分辨效果更好,在信噪比为0 dB时,仍可分辨相隔1/2半功率波束宽度的两个等幅点目标;同时约束L1范数正则化方法分辨性能优于L1范数正则化方法、迭代反卷积法、维纳逆滤波法和Richardson-Lucy算法(RL算法);此两种范数正则化方法具有较强的噪声适应能力,可用于雷达方位超分辨.

考虑多无人机编队保持优化模型的设计问题, 联合多无人机的运动学方程、性能指标及其约束构成一个约束优化问题。通过对指标函数的某种线性变换达到解耦的效果, 引入拉格朗日乘子矢量构造该约束优化问题的拉格朗日函数。对于对偶问题中出现的两类优化变量——基变量和对偶变量, 将所有基变量和对偶变量全转化为某一个对偶变量的关系式。对于该对偶变量求解, 采用凸算法中的梯度投影策略, 通过简单的代入运算可得到其他优化变量的数值。最后用仿真算例验证了该方法的有效性。