高分辨率雷达近距离下的海杂波建模与仿真

作为一种具有统计特性的随机变量,海杂波的特性可以用幅度分布特性和谱特性来描述。文章以韦伯分布、具有高斯谱的海杂波为例,介绍一种海杂波的模拟模型;之后进行海杂波信号仿真并验证了仿真结果。仿真得到的海杂波数据可以直接用于雷达目标模拟器中的输入信号。     

脉冲多普勒雷达实时杂波模型

为了解决杂波仿真中长期存在的精度和实时性之间的矛盾,提出了一种新的杂波仿真模型,即将杂波计算公式中的参数分类,把计算量较大的面积单元事先存储,实时构造最大飞行速度下的杂波功率谱,然后采用数据抽取技术,得到当前速度下的杂波功率谱,用这种方法实现了高精度下的实时性（不考虑反射系数带来的误差）,此方法适合于主动雷达导引头及全弹的闭环实时仿真实验,也可推广到多距离门的机载脉冲多普勒雷达仿真。     

卡亨南-洛维变换法提高探地雷达信号信噪比研究

针对探地雷达(GPR)信号中背景杂波强、分布范围广,信号信噪比低的特点,提出一种用卡亨南-洛维变换法对GPR信号进行多道处理的方法.该方法充分利用了多道GPR数据中背景杂波、目标信号以及随机噪声等成分所具有的不同相关性这一重要的二阶统计特征,根据多道数据相关矩阵特征值的大小与数据中各成分相关性强弱的对应关系,实现了目标信号与背景杂波和随机噪声的有效分离.对时域有限差分仿真GPR数据和实测GPR数据的处理结果表明,与针对消除直达波影响的时窗法和平均相减法相比,该方法对直达波的去除更彻底(不会有拖尾效应),抗噪能力更强,信噪比改善更显著,经处理后的信号信噪比可提高30 dB以上.     

一种基于窄带自相关的实信号频率估计算法

单频含噪实正弦信号的自相关函数和其原信号的频率一致,且自相关可去除一部分噪声影响,因此基于自相关的频率估计算法一直备受关注。由于自相关可以从时域获得也可以从频域获得,基于自相关的频率估计算法有比较简单的基于时域的方法和性能比较好的基于频域的算法。结合时域和频域自相关的特点,提出一种基于窄带自相关的实信号频率估计算法,该算法在频域进行谱峰搜索后,利用信号的窄带功率谱来计算自相关,进而用简单的时域自相关的改进协方差算法(modified covariance,MC)来得到频率估计,推导出频率估计闭式解。仿真结果表明该算法性能优于传统的自相关时域算法和频域算法,在信噪比高于-7 dB时就能逼近CRB界。     

遗传算法在海杂波产生中的应用

研究具有任意功率谱特性的雷达杂波产生方法.将杂波产生转化为参数优化问题,并应用遗传算法对其进行求解.以具有对数正态分布和高斯谱特性的雷达杂波产生为例,讨论遗传算法的实现过程.设计了一种谱估计子,按照该估计子可使遗传算法找到较优的滤波器系数,得到满意的杂波谱特性.仿真结果表明,所提出的杂波产生方法能够产生满足要求的幅度分布和功率谱特性的杂波.     

基于现代谱估计的相关K杂波模拟

针对相关K分布杂波仿真过程中具有指定功率谱的随机序列的产生,提出用现代谱估计进行相关随机序列产生的方法.该方法利用L-D算法求解自回归模型的Y-W方程以精确地模拟杂波的功率谱密度,以海杂波为例的仿真结果证明了方法的有效性.同时针对杂波仿真过程中自回归模型阶数的选择,对不同的K分布参数和功率谱宽度的杂波进行了仿真实验,通过对实验结果的分析给出一些有用的结论.     

基于高阶统计量的大地电磁数据处理与仿真

针对大地电磁(MT)数据具有非线性、非平稳的特征而不能满足传统功率谱方法要求的问题,从高阶统计量的理论入手,提出由信号的高阶谱恢复功率谱,再由恢复的功率谱估算MT响应函数的高阶统计量方法,建立通过高阶谱恢复功率谱的数学模型,并对合成数据和实测MT数据进行仿真分析。研究结果表明:利用高阶累积量对高斯噪声不敏感的特点,可实现在高斯白噪声和有色噪声污染下的瞬态信号频率与功率谱的正确估计;高阶统计方法消除了传统功率谱方法中大地电磁响应函数出现个别频点分散和形态异常的现象,使地质参数的估计精度和资料的可解释性得到明显提高。     

道路信号的计算机模拟

论述了时域AR模型仿真路面随机信号的过程和方法,在此基础上采用FFT算法做功率谱估计,仿真程序的运行结果与"GB7031-86车辆振动输入路面平度表示方法"的功率谱规约相吻合,获得的模拟数据序列在相关的实验设备投入使用的效果良好.     

基于FIR数字滤波器随机振动信号频时域转换方法

基于有限长单位冲激响应数字滤波器,根据指定ESA功率谱密度函数特征,设计了FIR数字滤波器,并通过控制其参数,获得了满足预定条件和要求的滤波器幅相特性.利用白噪声序列作为滤波器输入端,生成了符合要求的随机振动时域信号.同时还采用基于AR自回归模型参数方法对获得的随机振动时域信号进行功率谱估计与验证.结果表明:功率谱精度及两功率谱曲线间的误差完全在允许范围内,采用该方法获得的随机振动时域信号完全满足仿真与试验测试对信号幅频特性和功率的要求.     

非协作通信中的信噪比估计算法

研究基于信号协方差矩阵分解的信噪比估计算法.该算法使用最小描述长度准则实现了信号空间维数的估计,进而实现信噪比估计.在此基础上,提出了基于信号功率谱的信噪比估计算法.由该方法计算出接收信号的功率谱,估计出有用信号的带宽,在有用信号频带外的噪声频带上估计出噪声的功率,从而估计出信噪比值.仿真实验表明,当信噪比小于3dB时,基于信号功率谱的信噪比估计算法优于基于信号协方差矩阵分解算法.     

多频段外辐射源无人机检测实验研究

近年来,基于无源双基地雷达的无人机检测手段一直受到国内外研究人员的广泛关注。但常规双基地雷达的无人机检测方法需要作参考信号重构和杂波抑制等手段,使得检测算法较为复杂。基于循环谱的检测算法在不经信号重构和杂波抑制下,利用外辐射源雷达的循环平稳特性和循环谱的强抗噪性,可直接提取到旋翼无人机的微动特征。但该方法使用单频外辐射源雷达,在检测的稳定性和连续性上,由于受到目标距离、俯仰角度等因素的影响而显得力不从心,且检测精度不高。该文从外辐射源信号的循环平稳特性出发,提出了基于多频段外辐射源雷达的无人机检测方法。实测实验表明,使用多频段外辐射源检测时无人机回波信号的循环谱等高图识别率要高于单频段外辐射源雷达,多频联合处理能使检测性能更加平稳。     

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.     

FMCW雷达物位系统的算法设计

文中针对雷达物位计中差拍信号中心频率计算不准确的问题进行研究.首先使用窗函数法对差拍信号进行截取和滤波,减小频率泄漏和噪声的影响.其次,通过快速傅里叶变换从频谱中粗略的得到目标的相对位置.最后,利用谱估计的改进法对频谱进行细化处理,在不增加过多计算量的基础上实现了测距精度的提高.仿真结果表明测量精度比传统的直接FFT法提高了500倍左右,满足了物位计的技术标准,保证了系统的距离测量精度.     

海杂波背景下基于四元数电磁矢量阵列DOA估计

针对复杂多变的海杂波常伴随待测信号混入雷达系统而严重干扰目标信号的波达角度估计的问题, 提出一种新的基于电磁矢量阵列的四元数模型, 通过分数低阶统计量特性抑制海杂波噪声的二维波达角度估计方法。首先推导出电磁矢量阵列的四元数导向矢量, 然后利用分数低阶概念得到四元数分数低阶协方差矩阵,最后根据奇异值分解MUSIC(Multiple Signal Classification)算法得到谱估计公式。仿真实验结果表明, 与标量阵列和非四元数电磁矢量阵列MUSIC 算法相比较, 该方法可较好地抑制海杂波噪声, 且能提高估计精度。     

无参考输入的双话筒噪声抵消

介绍了一种双通道的噪声抵消系统 .传统的频谱减法的语音增强需要预先知道噪声的特性 .但是 ,噪声的平稳性和可分离性在许多实际应用场合都无法满足要求 .提出采用两路话筒输入 ,以便动态获得噪声频谱的方法 .采用自适应校正滤波的同步算法 ,利用语音信号的相关性同步两路信号中的语音 ,通过抵消其中的语音成分获得噪声的频谱特性 .实验证明该方法能够获得很好的同步效果 .在获得噪声频谱的基础上用频谱减和维纳滤波两种方法进行了噪声抵消的对比实验 .对 0dB信噪比输入的信号可以获得约 9dB信噪比的提高 .用维纳滤波处理后的语音比频谱减法残留较低的“音乐声” .在非平稳条件下对噪声仍具有一定的跟踪能力     

C+L波段分布式拉曼光纤放大器实验研究

采用后向泵浦方式,利用波长分别为1426,l440,1454,1472及1496nm的大功率半导体激光器作为泵源,实现了带宽为80．nm(1530～1610nm)的宽带分布式拉曼光纤放大器,对40个信道的信号进行分布式放大,获得了较好的增益平坦及噪声特性．信号经60km的普通单模光纤传输后,平均开关增益为16．5dB,增益平坦度为1.5dB,最大等效噪声指数为-0．9dB．采用Agilent 8166B测试系统的多通道信号源(C L-band)作为信号源测量增益谱．由于考虑了信号光之间的相互拉曼作用及信号光对泵浦的影响,实验结果更精确．     

有源干扰背景下基于CFAR的信号检测方法改进

针对瑞利噪声分布的回波信号,单元平均CFAR算法是一种简单有效的信号检测方法。当回波背景中加入有源噪声干扰时,该检测方法受到限制。首次以噪声调幅干扰为信号杂波背景,建立数学模型。基于CFAR算法,分析该有源噪声干扰对信号检测概率的影响。对CFAR算法进行改进,使得信号检测方法适用于信号杂波背景的变化。最后通过仿真验证了此改进的CFAR算法提高了噪声干扰背景下信号的检测概率,并达到抗干扰的目的。     

模糊权重小波去噪在变电站声压信号测量中的应用

为了对变电站周边可听噪声进行科学合理的评价,分析了不同时间点噪声分布情况,提出了一种自适应声压背景噪声滤波方法。采用小波去噪算法对声压频谱轮廓进行提取,对小波阈值进行了改进以提高信号平滑度,根据三角模糊数设计了复合评价指标权重以确定最佳小波分解尺度。利用设计的算法得到了声压频谱轮廓,并通过对比不同时间点的声压频谱轮廓确定背景噪声的频段,以此设计带阻滤波器的参数。利用设计的滤波算法对采集的声压信号进行了处理,实验结果表明,本文设计的滤波方法可以很好地滤除声压信号中的背景噪声。经设计的滤波算法处理后的等效连续A声级比未处理的要小5dB以上,可见所设计的滤波算法可有效降低背景噪声的影响,提高变电站可听噪声测量的可靠性。     

谱减在基于动载的路面不平度识别中的应用

分析了路面激励和发动机振动引起的汽车垂直动载的特点,提出了采用谱减法去除用于路面不平度识别的垂直动载中周期性噪声的方法.谱减之前对染噪信号和噪声模板都作静态小波滤波,可有效消除随机噪声谱引起的"音乐噪声".对发动机怠速时和在光滑水泥路面测得的信号比较后采用了后者作为噪声模板,并使用基本谱减方法对信号进行了滤波.试验数据处理发现谱分辨率取2Hz时谱估计方差较小,相应"音乐噪声"也较少.仿真表明,在数据点数为1024个时,使用谱减去噪使信噪比由7.2 dB提高到31.5 dB.     

基于总体平均经验模态分解和一步式字典学习联合去噪的语音端点检测算法

针对复杂环境下语音端点检测准确率低下且检测耗时过长的问题,研究一种基于EEMD和OS-DL联合去噪的语音端点检测算法。首先利用EEMD（总体平均经验模态分解）算法对输入语音进行分解得到IMF（本征模式分量）,然后使用OS-DL（一步式字典）算法分别对纯净语音信号与噪声信号进行训练,得到纯净语音信号和噪声信号的幅度谱字典,进而对幅度谱进行稀疏表示,利用得到的系数矩阵重新构建出语音信号频谱,将重构出的语音信号频谱经过傅里叶逆变换得到降噪后的语音信号,最后对降噪后的语音信号利用均匀子带频带方差法进行端点检测。实验结果表明：该算法在复杂环境信噪比低于-10dB情况下检测准确率仍可达到85%以上,且平均检测时间缩短至传统端点检测算法的1/3。