直接数字chirp合成及频谱分析

介绍了直接数字chirp合成的原理，采用信号分析的方法首次详细推导了存在相位截断时采用直接数字合成技术产生chirp信号的频谱，得出了存在相位截断时所合成的chirp信号的频谱的数学表达式，同时分析了DAC的量化和非理想性对合成的线性调频脉冲信号频谱的影响，最后给出了仿真分析的结果。     

调频线性度对线性调频信号性能影响分析

针对去调频和脉冲压缩两种不同的处理方式,深入研究了线性调频信号调频线性度对信号性能的影响,得到LFM信号带宽越大,误差频率越低,对线性度要求越高的结论,且在相同边带抑制的条件下,去调频处理比脉冲压缩处理对LFM信号线性度的要求大约提高了一倍。仿真结果验证了理论分析的正确性。     

一种LFM信号相位域快速高精度参数估计算法

研究了加性高斯白噪声污染的线性调频(linear frequency modulation,LFM)信号的参数估计问题,提出了一种相位域参数估计算法。首先对LFM信号的起始频率和调频斜率进行粗估计,然后利用粗估计值把接收信号变为基带信号,基带信号包含了起始频率和调频斜率的残差;接着对基带信号进行相位展开得到瞬时相位,对其运用最小二乘拟合得到起始频率和调频斜率残差的估计值;综合粗估计和残差估计得到最终的参数估计值。仿真表明,本方法在高于信噪比门限时精度接近克拉美-罗限,精度高于基于离散傅里叶变换的离散多项式变换法,信噪比门限低于传统的相位法。     

高阶模糊度函数LFM信号参数估计的改进与仿真

旨在改善高阶模糊度函数（HAF）进行线性调频（LFM）信号参数估计的效果，讨论了HAF进行LFM参数估计流程，分析了由于HAF局限性带来的调频斜率估计误差、累积误差效应以及接收信号与实际信号起点不一致性对HAF的影响，提出了用于改进HAF的分段频谱方差极大值法则。改进HAF降低了LFM信号调频斜率估计误差，同时改善了HAF的误差累积与起点不一致问题。MATLAB仿真数据结果验证了改进方法较HAF在LFM参数估计上的优越性。     

基于改进 HAF的线性调频雷达信号参数估计

针对多项式相位信号(PPS)中的线性调频(LFM)雷达信号参数估计,通过提出频谱方差极大值准则对PPS次优参数估计方法高阶模糊度函数(HAF)进行了改进,提出了适于单分量LFM参数估计的改进HAF。首先讨论了HAF对LFM参数的估计方法及其局限性,然后提出了分段频谱方差极大值法则下LFM调频斜率估计的方法,将其与HAF相结合提出了单分量LFM参数估计的改进HAF,克服了接收信号与实际信号起点不一致性对HAF带来的影响,降低了由于HAF局限性带来的调频斜率估计误差,改善了HAF的累积误差效应。MATLAB仿真验证了改进方法较HAF的优越性。     

宽带LFM信号对干涉成像的影响及补偿方法

建立了基于线性调频信号脉冲压缩技术和双天线干涉技术的距离-干涉二维雷达成像模型;在论证成像理论和成像算法的过程中,突破传统仅用单频信号进行干涉成像理论推导的方法,将线性调频信号形式引入到干涉成像的公式推导中来;发现当线性调频信号不能视为窄带信号时,采用原有干涉成像法进行干涉测量时结果存在偏差;指出了这种偏差的理论来源,给出仿真结果,提出坐标参数估计自回归算法对此偏差进行补偿,得到了令人满意的补偿精度。     

基于分形盒维数的线性调频信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中对调频斜率的估计复杂度高、实时性差且信噪比适应范围较小等缺点,提出了基于分形盒维数的LFM信号调频斜率估计方法。该方法通过计算信号调频斜率与盒维数的关系曲线,利用盒维数对LFM信号的调频斜率进行估计,探讨了信号的幅度和相位对信号盒维数的影响,计算了不同信噪比下的估计误差,并与传统的基于匹配傅里叶变换（matching Fourier transform, MFT）的LFM信号参数估计算法进行了对比仿真,绘制了脉冲宽度、调频带宽与盒维数三者的关系曲线图。仿真结果表明,该算法在建立了对应关系数据库后,在信噪比变化范围比较大的情况下的估计误差仍然比较小,且算法简单,对于实时性估计具有很好的应用价值。     

时频栅格误差条件下的双基地MIMO雷达角度估计

研究了时频栅格误差引起的匹配滤波器失配下双基地多输入多输出(multiple-input multiple-output,MIMO)雷达的角度估计问题。首先,建立了存在时延和多普勒频率栅格误差条件下的双基地MIMO雷达信号模型;其次,推导了正交频分复用线性调频信号和相位编码信号的栅格误差失配矩阵,并分析了其对目标收发角度估计的影响;再次,针对正交频分复用线性调频信号,提出了平行因子和最小二乘相结合的发射角度估计算法,该方法能够有效减小栅格误差失配矩阵对发射角度估计的影响;最后,仿真实验表明,栅格误差失配矩阵对相位编码信号的角度估计影响较小,但对正交频分复用线性调频信号的发射角度估计则会产生较大的影响,从而进一步验证了理论分析的正确性。     

低信噪比下线性调频信号检测与参数估计

对低信噪比下线性调频信号的参数估计方法进行了分析 ,提出了首先由信号分段相关解线调的方法得到调频斜率的粗略估计 ,再以此估计值为初值 ,采用局部解线调的技术在一定范围内搜索计算 ,从而快速实现局部Radon Wigner变换检测 ,并给出了线性调频信号参数的极大似然估计。计算机模拟仿真证明了此方法的有效性。     

利用变采样率技术改进机载雷达的跟踪性能

机载雷达跟踪目标丢失现象的重要因素之一是由于雷达载机与目标之间的相对运动,在回波信号中产生线性调频项,线性调频项对多普勒频率和距离门估计产生了积累误差,最终导致跟踪目标丢失.提出了应用变采样率技术估计线性调频项参数来减小距离跟踪的误差,提高雷达的跟踪目标性能.同时还进行了具体的理论分析和计算机仿真,结果表明该技术是有效的.     

基于FRFT的SNCK信号非相干解调

在采用相干解调方法进行接收时,正弦型非线性切普键控（sine non linear chirp keying, SNCK）信号受相位误差和多普勒频移影响较大,针对此问题提出一种将其近似为分段线性调频（linear frequency modulation, LFM）信号,采用分数阶傅里叶变换（fractional fourier transform, FRFT）进行解调的非相干解调方法。将FRFT解调方法与经典相干解调方法进行对比,通过理论推导和仿真分析发现,在严格同步条件下,SNCK信号相干解调性能优于FRFT解调方法,并且信号码元长度对FRFT解调性能有微弱的影响。但FRFT解调不受相位误差的影响,且具有相对较高的抗多普勒频移能力。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

基于分数阶Gabor变换的LFM回波信号压缩采样方法

针对现有的压缩采样系统在线性调频(linear frequency modulated, LFM)回波信号压缩采样重构过程中存在的重构效果不佳的问题, 提出一种基于分数阶Gabor变换的回波信号压缩采样方法。首先, 利用不同目标回波信号在时延上的差异性, 给出基于分数阶Gabor变换的LFM回波信号稀疏表示方法, 并分析了分数阶Gabor变换的完备性条件。然后, 根据分数阶Gabor变换低通滤波的实现方式, 设计了LFM回波信号压缩采样系统, 建立了信号重构模型。最后, 通过仿真实验与应用实例分析, 验证了所提压缩采样系统的有效性。实验结果表明, 与现有压缩采样系统相比, 所提压缩采样系统的重构误差更低、重构效果更好。     

LFM寄生调相对海上目标检测的影响

本文就HF Radar中数字直读法产生LFM电路出发,分析了LFM寄生调相产生的原因,以及对系统检测性能的影响,最后给出了计算机的仿真结果。     

离散分数阶Fourier变换的LFM信号时延估计

根据Ozaktas的采样型离散分数阶Fourier变换算法,针对线性调频信号,结合分数阶Fourier变换对线性调频(LFM)信号的独特聚集性,研究了基于Ozaktas离散分数阶Fourier变换的含多普勒的LFM信号时延估计,给出了线性调频体制雷达分数阶Fourier域的目标检测与测距具体实现,并与经典数字脉压对雷达目标测距的分辨力、时延估计误差、运算量进行对比分析,结果验证了基于Ozaktas离散分数阶Fourier变换时延估计的可行性及有效性。     

基于Gabor框架的线性调频信号压缩采样与重构

针对线性调频信号在传统采集过程中存在的高采样频率问题, 提出了一种基于Gabor框架的线性调频信号压缩采样与重构方法。首先, 利用线性调频信号在Gabor变换下所具有的时频稀疏特性, 提出了基于Gabor框架的线性调频信号压缩采样系统。基于该采样系统, 分析了压缩采样系统工作过程, 建立了该系统压缩观测过程数学模型。随后, 分析了压缩采样系统重构模型, 将压缩采样重构问题转化为多观测向量重构问题。最后, 基于多维扩展的稀疏贝叶斯学习算法, 提出利用优化分类的方法来保证线性调频信号的精确重构。仿真实验结果表明, Gabor框架压缩采样系统有效降低了线性调频信号采样频率与采样点数, 在重构过程中, 本文提出的重构方法能够有效降低重构误差, 提高重构概率。