基于快速IAA算法的MIMO雷达参数估计

多输入多输出(MIMO)雷达需要对距离、角度和Doppler频率等参数的精确估计。迭代自适应(IAA)算法仅利用单个快拍便可实现MIMO雷达的高分辨参数估计,然而使用IAA联合估计距离、角度和Doppler频率三维参数的运算量很大。该文提出一种快速IAA算法,将联合估计IAA算法简化为三级级联处理,先进行距离IAA估计,然后对存在目标的距离单元进行角度IAA估计,最后在存在目标的距离-角度单元内进行Doppler频率IAA估计,即通过降维处理得到了快速IAA算法。仿真表明:快速IAA算法在基本保持IAA算法性能的同时大大降低了运算量。     

基于块稀疏的频率分集阵MIMO二维参数估计

针对导向矢量时变导致频率分集阵列-多输入多输出(MIMO)雷达参数估计误差增大的问题,提出一种基于块稀疏的距离和角度参数联合估计方法.首先,就导向矢量时变性对参数估计性能的影响进行了理论分析;然后,通过公式推导证明了块稀疏理论在频率分集阵MIMO雷达参数联合估计中的适用性,并提出了基于块稀疏的参数联合估计方法,给出了参数估计的具体流程;最后,通过仿真对参数估计性能进行了分析.理论分析及仿真结果表明:基于块稀疏的参数联合估计方法可实现单次快拍下多目标距离和角度参数的联合估计,估计能力优于传统谱估计方法;在单目标和单快拍条件下,所提算法精度与二维ESPRIT和二维MUSIC算法相比,基于稀疏字典估计的参数精度优于两算法,而基于系数向量估计的参数精度介于两算法之间.     

双基地FDA-MIMO雷达角度、距离及速度无模糊估计方法

在传统的相控阵雷达中,由于受到脉冲重复周期(PRF)的限制,距离估计精度和速度估计精度往往难以同时得到提高.该文将频控阵(FDA)和双基地多输入多输出(MIMO)雷达相结合,提出了一种基于双基地FDA-MIMO雷达的角度、距离及速度联合估计方法.文章首先利用FDA技术,使得雷达的发射矢量中包含目标的角度、距离甚至速度信息.然后提出了基于子阵的波形设计和解耦合算法以对发射矢量中距离-速度进行解耦合处理,并利用传统的子空间类算法对目标的发射角(DOD)、接收角(DOA)、距离和速度进行估计,最后文章提出了基于FDA的解模糊方法以解决距离和速度模糊问题.另外,该文推导了该方法下参数估计的克拉美罗界(CRB)并分析了其性能.仿真结果验证了所提出方法的能够对目标的角度、距离和速度进行无模糊的联合估计.     

基于空间聚类的FMCW雷达双人行为识别方法

为实现双人场景下人体行为的识别,利用调频连续波(frequency modulated continuous wave, FMCW)雷达提出一种基于空间聚类的双人行为识别方法.该方法采用基于密度的DBSCAN(density-based spatial clustering of applications with noise)聚类算法将FMCW雷达采集到的坐标数据聚类成不同的聚类群,使得每一个聚类群对应于单一人体的行为,再对其进行数据处理、特征提取后分别采用机器学习方法分类,实现双人场景下人体行为的识别.文中分析行为特征量、动作关键点以及分类器对识别准确率的影响.实验结果表明,在两人场景中该方法对跌倒、坐下和行走的检测准确率分别可以达到100%、 93.8%和87.3%.     

双基地FDA-MIMO雷达角度、距离及速度联合估计方法

在传统的相控阵雷达中,由于受到脉冲重复周期(PRF)的限制,距离估计精度和速度估计精度往往难以同时得到提高。该文将频控阵(FDA)和双基地多输入多输出(MIMO)雷达相结合,提出了一种基于双基地FDA-MIMO雷达的角度、距离及速度联合估计方法。由于采用了FDA技术,雷达的发射矢量中包含了目标的角度、距离甚至速度信息。考虑到发射矢量中距离-速度的耦合现象,该文提出了基于子阵的波形设计和相应的解耦合方法。然后利用ESPRIT算法和基于FDA的解模糊方法,对目标的发射角(DOD)、接收角(DOA)、距离和速度进行无模糊估计。另外,该文推导了该方法下参数估计的克拉美罗界(CRB)并分析了其性能。最后,仿真结果验证了所提出方法的能够对目标的角度、距离和速度进行无模糊的联合估计。     

频率分集阵列MIMO多目标二维参数联合估计

针对频率分集阵列MIMO(多输入多输出)雷达中的距离、角度参数联合估计问题,在区分导向矢量非时变、时变两种情况下展开研究.在非时变情况下,提出基于阻塞ESPRIT(旋转不变子空间)修正算法的谱估计方法,在保证估计精度的同时实现了参数自动配对.在导向矢量时变情况下,理论分析了导向矢量时变性对谱估计性能的影响,有针对性地提出了分区估计策略,较好解决了时变条件下的参数估计问题.理论分析及仿真结果表明:所提算法能有效估计频率分集阵MIMO雷达的距离角度参数,且在估计精度、参数自动配对等性能上优于其他降维估计算法.     

基于分数阶Fourier变换的雷达目标识别

为了利用雷达信号的时频信息以提高雷达目标识别性能,提出了一种基于分数阶Fourier变换(FrFT)的雷达目标识别方法。利用FrFT提取目标高分辨距离像的时频特征。从类可分性角度,求取多个最优变换,利用主分量分析方法对距离像的FrFT进行特征降维,并使用神经网络进行分类识别。最后,采用D-S证据理论,对多个最优变换的识别结果进行决策融合。仿真结果证明了该方法的合理性和可行性。     

双基地MIMO雷达多目标定位及互耦参数估计

针对MIMO雷达收发阵元间存在互耦会严重影响目标定位算法性能的情况,提出一种双基地MIMO雷达多目标定位及互耦参数估计的算法.利用均匀线阵互耦矩阵的特点和MIMO雷达的特性获得满足ESPRIT算法的信号子空间,在不需要任何互耦矩阵信息情况下采用ESPRIT算法实现了目标角度估计,且估计出的角度参数自动配对.根据所估计的目标方位角度,利用信号子空间和联合导向矩阵之间的关系,将MIMO雷达的互耦参数估计转化为线性约束二次最小化问题,估计出互耦系数矩阵,实现了MIMO雷达的自校正.该方法的优点是避免了多维空间谱搜索带来的庞大计算量和迭代中的全局收敛性问题,同时得到了收、发阵列互耦参数估计的闭式解.仿真结果表明算法估计性能接近于互耦已知时二维MUSIC算法.     

双基地MIMO雷达多参数联合估计及目标三维定位

多输入多输出(Multiple-input multiple-output,MIMO)雷达具有波形分集、空间分集和极化分集等优势,在抗目标"闪烁"、反干扰、提高分辨力方面有很大的潜力.提出了一种双基地MIMO雷达多参数联合估计及目标三维定位方法.对接收信号的协方差矩阵作特征值分解,提取大特征值对应的特征矢量,构建选择矩阵,基于ESPRIT算法估计出目标的波达角.在求解均匀圆阵时,为将导向矢量中耦合的俯仰角和方位角分开,采用模式激励法解耦合,再分别利用UCA-MUSIC和UCA-ESPRIT算法估计目标俯仰角和波达角.基于MIMO雷达空间结构,利用估计到目标的俯仰角、发射角和波达角,计算得到目标的三维空间坐标信息.该算法可实现角度间的自动配对,可以有效识别同一距离单元内的多个目标.仿真实验表明,提出的估计方法估计精度高,处理速度快.     

基于HHT和改进PNN的CSI人体动作识别研究

为了有效判别真实摔倒动作与疑似摔倒动作、提高动作识别准确度,提出基于希尔伯特黄变换(Hilbert-Huang transform,HHT)和改进概率神经网络(probabilistic neural networks,PNN)的信道状态信息(channel state information,CSI)人体动作识别算法。对CSI的幅度与相位融合信号进行数据预处理,利用HHT来提取区分人体动作信息的瞬时幅值和瞬时频率作为分类特征构建特征矩阵,在遗传算法(genetic algorithm,GA)优化的PNN神经网络中训练出能有效检测真实摔倒和疑似摔倒动作的GA-PNN人体动作识别模型;利用训练好的识别模型对输入的CSI数据进行摔倒动作的判别。仿真实验表明,提出的算法能有效地检测真实摔倒和疑似摔倒动作,其识别准确度可达到97.18%,且误报率较低。     

FMCW SAR快速运动目标检测与成像

调频连续波(frequency modulated continuous wave,FMCW)合成孔径雷达(synthetic aperture radar,SAR)特有的工作模式使得其回波信号相对脉冲SAR具有不同的形式。推导了FMCW SAR系统下运动目标的回波模型。提出了一种基于Hough变换的快速运动目标检测方法和Hough变换与分数阶傅里叶变换(fractional Fourier transform,FrFT)变换相结合的运动目标参数估计方法;利用该方法补偿FMCW系统引入的附加距离走动后,运动目标的成像效果明显提高。多点运动目标仿真数据处理验证了该方法对目标检测与成像的准确性和有效性。     

调频连续波雷达自旋目标干涉三维成像方法

相比脉冲体制雷达,调频连续波雷达具有功耗低、成本低、重量轻等优点,发展前景广阔,同时雷达三维成像技术可为目标的分类识别提供重要的特征信息。但是自旋目标在调频连续波信号条件下会产生一维距离走动以及回波相位的改变,这对干涉三维成像产生了影响。针对自旋目标在线性调频连续波雷达中的干涉三维成像技术进行了研究,分析了自旋产生的回波调制效应与相位变化,结合分析所得的调制前后目标在距离 慢时间像上微动特征的变化关系与扩展Hough变换提取的微动参数,解决了干涉三维成像中由于回波调制效应导致的目标坐标畸变问题,提出了基于调频连续波雷达的自旋目标干涉三维成像的具体处理方法。仿真实验证明,所提方法有效提高了自旋目标的干涉三维成像质量。     

适用于励磁系统建模的模糊神经网络方法

基于原有励磁建模方法,将模糊理论和神经网络相结合,充分利用模糊理论处理不精确问题和神经网络较强的泛化能力等优势,形成一种模糊神经网络(FNN),并推导了FNN的学习算法.将此FNN用于发电机的控制环节——励磁系统建模.仿真结果显示,FNN模型能够较精确地对实际系统进行拟合.     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

扫描体制雷达高分辨参数估计算法统一框架及性能分析

在对扫描体制雷达高分辨参数估计算法研究的基础上,提出了适于各种扫描体制雷达高分辨参数估计算法的统一框架,从而把多重信号分类(MUSIC)、多维多重信号分类(MDMUSIC)、最大似然(ML)和加权子空间(WSF)等典型算法有机统一起来,构建了扫描体制雷达高分辨参数估计算法的统一理论基础,推导了该类算法的克拉美—罗界(CRB)。通过仿真实验比较了各种算法的性能,结果表明各算法对角度和多普勒频率估计的精度较高,具有较强的角度和多普勒频率的超分辨特性,这一特性是传统波束扫描雷达参数测量算法所不能企及的。     

车载FMCW雷达准确检测多目标的一种有效方法

针对传统调频连续波（FMCW）雷达难以实现多目标准确配对的问题,提出了一种变斜率FMCW雷达调制波形,能有效实现多目标的准确配对。并在此基础上,提出了一种时域抽取和频域内插方法,使得更靠近雷达的目标,能获得更优的距离和速度测量精度。仿真结果证实了该方法的有效性。     

基于单隐层前馈神经网络的优化算法

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。     

双基地米波MIMO 雷达低空目标俯仰维DOD和DOA联合估计方法

对于双基地米波多输入多输出(MIMO)雷达低空目标俯仰维测向场景,受多径效应影响,发射接收导向矢量因存在耦合现象而与噪声子空间失去正交性,导致以多重信号分类(MUSIC)为主的子空间类算法在该场景下不可用,而基于空间平滑预处理的子空间类算法由于阵列孔径损失存在角度估计精度不高的问题。为解决上述难题,建立了双基地米波MIMO 雷达单目标和非相干多目标镜面反射信号模型,在信号模型数学变换和分析的基础上发现了一种仍旧与噪声子空间正交的导向矢量矩阵,然后利用新的导向矢量矩阵结合广义MUSIC和最大似然算法提出了双基地米波MIMO 雷达低空目标俯仰维波离方向和波达方向联合估计方法,最后通过仿真验证了所提方法的有效性和俯仰维测向性能的优越性。     

一种基于模糊神经网络的盲均衡算法

提出一种新的基于模糊神经网络的盲均衡算法,它利用盲估计算法与模糊神经网络相结合的原理,先对通信信道进行盲估计,利用得到的信道特性来估计FNN盲均衡器中的隶属函数中心与宽度初值。传统算法中,中心与宽度的初值设定由专家提供,会有一定的偏差。本算法利用信道特性来估计隶属函数的初值,有效地避免了人为确定初值的不确定性。同时本算法克服了原有盲均衡算法反卷积计算量大的缺点。仿真结果证明本算法与同类算法相比,收敛速度加快,误码率减小。