天波雷达子空间分解类海杂波抑制方法评估

构建了基于子空间分解的天波超视距雷达海杂波抑制方法统一模型,并在该模型下阐释了基于特征值分解、奇异值分解和高阶奇异值分解三种典型方法的机理,给出了模型预设参数的选取方法,结合信杂比改善因子比较分析了三种方法在不同数据条件下的性能,并讨论比较了实现复杂度.最后通过对实测海杂波数据的处理分析验证了三种典型方法在存在低可探测舰船目标下的有效性和鲁棒性,试验表明:基于高阶奇异值分解的海杂波抑制方法的有效性和鲁棒性较优.     

超宽带在煤矿井下穿透障碍物杂波信号的抑制方法

传统的奇异值分解、主成分分析、独立成分分析等谱分析方法很难分离目标信号和杂波信号。根据煤矿井下杂波信号起伏较大的特点,利用经验模态分解与参考独立分量分析(ICAR)联合抑制超宽带在煤矿井下穿透障碍物杂波信号。仿真结果表明:改进的ICA-R方法抑制杂波效果显著,分离出的目标回波幅度得到提高,消除了杂波区域中起伏信号的影响。该方法可以抑制杂波对目标信号的影响,有效地分离出目标信号。     

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。     

基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.     

基于子空间投影SVD的MIMO穿墙雷达杂波抑制方法

在穿墙雷达成像中,墙体的强反射信号会干扰墙后目标的成像与检测,甚至湮没临近墙体的目标.传统的空域滤波法从回波幅值出发,通过空间域线性滤波实现对墙体杂波的抑制.然而,该方法在墙体与目标临近的情况下效果较差,且不适用于MIMO穿墙雷达.本文针对超宽带MIMO穿墙雷达成像过程中墙体杂波抑制问题,提出了一种基于子空间投影的奇异值分解方法,该方法从信号回波的特征出发,通过回波信号矩阵最主要的一个或几个奇异值成分确定墙杂波子空间,再利用正交子空间投影去除回波信号中的墙杂波成分.MATLAB仿真结果表明,提出的墙体杂波抑制方法在消除墙体杂波对目标成像结果的影响方面效果更佳,还能消减随机噪声等弱干扰杂波,抑制多目标探测中的虚假成像,改善成像质量,实现目标的精确成像.     

强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响，提高MUSIC算法的检测性能，用径向基神经网络实现海杂波预测和对消．利用神经网络的可对任意非线性函数模拟的特性，对展宽的海杂波进行模拟，用模拟后的结果实现一阶海杂波的对消，来满足MUSIC算法的应用条件．最后用MUSIC算法分辨海上目标的方位信息．实验结果表明，对消前后目标背景噪声子空间特征值发生改变，对消后更接近于MUSIC算法的假设条件，提高了MUSIC算法的检测性能，扩大了MUSIC算法的应用范围，实现在非高斯噪声背景条件下应用MUSIC算法检测目标．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

基于鲁棒主成分分析的SAR舰船检测

针对单极化SAR舰船目标恒虚警检测无标准杂波模型可选,且多目标情况下易发生目标检测不完整和弱目标丢失的问题,该文提出一种基于鲁棒主成分分析(robust principle component analysis,RPCA)的舰船检测方法,通过利用SAR图像中内在的海面低秩属性和舰船目标的稀疏属性,借助推导的增量Lagrange乘子算法,将SAR图像分解为低秩图像、噪声图像(两者之和对应海面)和稀疏图像(对应舰船)的和,从而一次性实现目标检测和杂波抑制,不依赖任何杂波模型和检测统计量。仿真实验验证了增量Lagrange乘子算法的有效性。实测数据处理实验中与平均单元恒虚警检测法和均方误差恒虚警检测法进行了对比,结果表明该方法可以正确从海杂波中检测出舰船目标,具有良好的鲁棒性。     

基于分形和粗集理论的云杂波背景下序列图像弱目标检测

提出了云杂波背景下序列图像中弱目标检测新方法.基于粗糙集理论建立了云杂波背景下弱目标检测模型,使之符合两种不同图像边缘的局部分形维的奇异值改变,根据目标和背景的时域特征完成目标检测.实验及仿真结果表明,该算法能够抑制空间和时间相关性强的云杂波背景,且算法简单.     

基于WLS的OTHR短时自适应海杂波抑制方法

基于高频海杂波的空间相关特性,从自适应滤波的角度提出了一种基于加权最小二乘(WLS)的天波超视距雷达(OTHR)短时自适应海杂波抑制方法.在自适应权值求解过程中,采用基于QR分解的直接数据域处理方法,避免传统基于相关矩阵求逆方法的数值稳定性较差的缺陷.结果表明:与现有的基于空间相关性的海杂波抑制方法相比,所提方法具有更优的杂波抑制性能,同时兼备对参考距离单元数要求更低、计算量更小、自适应能力更强的优点,工程适用性较强.实测数据处理分析验证了所提方法的有效性.     

经验模式分解后海杂波的分形特性

针对实测海杂波数据信号进行分析,判定海杂波信号具有多重分形的特性.鉴于海杂波是一种非线性非平稳性的雷达回波信号,充分发挥经验模式分解(EMD)的优势,并结合多重分形的特性,提出一种新的海杂波背景下的目标检测方法.首先,使用EMD方法将海杂波信号分解为若干个固有模态函数分量(IMF);然后,利用多重分形趋势起伏分析法(MF-DFA)求主IMF分量的广义Hurst指数;最后,通过实测的海杂波数据进行训练和测试.研究结果表明,该方法可有效实现海杂波下的目标探测,且性能优于经典时域和分数阶傅里叶变换(FRFT)域下的广义Hurst指数的目标检测方法.     

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。     

改进的MUSIC算法用于雷达海上目标检测

海杂波的存在严重影响了雷达检测海上目标的性能,海杂波的建模与抑制方法是其研究的重要方面。首先介绍了高频雷达海杂波的产生机理,然后建立海杂波的信号模型。在信号模型的基础上,研究抑制海杂波以及提取目标信号的方法,主要研究对比了SVD和MUSIC方法。利用海杂波信号模型产生满足条件的模拟杂波以及目标信号,仿真出抑制海杂波以及提取目标信号的过程,仿真结果可以验证方法的有效性。     

融合全局与局部特征的UWB雷达人体动作识别算法

为了消除雷达信号中杂波和噪声对人体动作识别的干扰,提高小样本数据下动作识别的精度,在去除杂波及噪声干扰的基础上,提出一种融合全局与局部特征的超宽带（ultra-wideband,UWB）雷达人体动作识别算法。用动目标指示（moving target indication,MTI）结合自适应中值滤波对雷达原始回波信号进行预处理,再对人体动作的雷达二维特征图像利用主成分分析（principal component analysis,PCA）提取主要分量作为全局特征表征,并用二维离散小波变换（2D discrete wavelet transform,2D-DWT）结合奇异值分解（singular value decomposition,SVD）获取特征图像在不同方向与尺度划分下动作的局部特征表征,并将全局与局部特征进行串联融合;根据融合特征,在网格搜索算法（grid search,GS）优化的支持向量机（support vector machines,SVM）模型中实现人体动作的识别分类。实验结果表明,该算法能有效获取雷达信号中的人体动作信息,平均识别准确率为95.63%,具有良好的识别性能。     

基于双边迭代奇异值分解的递推子空间辨识方法

引入双边迭代奇异值分解算法，通过一系列的QR分解，用两个矩阵分别逼近奇异值分解的主要左、右奇异向量，用一个三角矩阵逐渐逼近主要的特征值，从而取代了原始MOESP子空间辨识算法中的奇异值分解步骤。通过用一系列Givens变换来实现QR分解的数据更新，实现了此类子空间方法的在线递推辨识。仿真表明，该方法可以有效地对系统的极点进行跟踪。     

Detection of weak ship signals with the optimization of polarimetric contrast enhancement

An optimization of polarimetric contrast enhancement method is proposed to detect ships with low ship-to-clutter power ratio. The received power is calculated with Kennaugh matrix and an iterative algorithm is adopted to get the optimal polarimetric states. The optimization method depresses the power of ocean clutter and increases the power of ship signal. With the double effects, the contrast of ship to ocean is dramatically increased. Thus small ship or weak signals of low ship-to-ocean power ratio can easily be detected. Ship signals can be distinguished from speckle noise using the different variation trend after optimization, and thus the threshold problem can be avoided. Moreover, the analyses of different ship's Kennaugh matrices give two implications. One is that the results are affected little by choosing different Kennaugh matrices of ships with strong intensity from Synthetic Aperture Radar (SAR) images. The other is that ship's Kennaugh matrix chosen from real SAR images is more favorable than that of ideal scattering. Finally, the optimization results are confirmed by polarimetric scattering angle and co-polarization phase difference.     

波达方向估计的一种改进SVD算法

本文主研究智能天线算法中的关键技术波达方向估计（DOA）。针对相干信号源的信号子空间与噪声子空间相互渗透,导致空间协方差矩阵缺秩从而经典算法失效的问题,本文基于奇异值分解（SVD）算法,提出了一种改进的SVD算法。该算法利用入射信号矩阵的最大特征向量元素包含所有入射信号信息的性质,进行矩阵重构,并对重构矩阵进行特征值分解得到噪声子空间和信号子空间,最后利用经典谱估计算法得到相干信源的入射方向。仿真试验结果表明改进SVD算法性能优于原始算法。     

奇异值曲率谱理论及其在信号处理中的应用

有效奇异值的确定一直是奇异值分解（Singular value decomposition, SVD）中的重要问题,在信号处理时尤其如此。分析了在Hankel矩阵方式下理想信号和噪声的奇异值特点,指出理想信号的奇异值曲线存在一个很大的转折点,而噪声的奇异值曲线则很平坦。进而提出了奇异值曲率谱的概念,利用它来描述含噪信号奇异值曲线上的转折点情况,并提出根据曲率谱最大峰值位置即奇异值最大转折点来确定有效奇异值个数。如果奇异值曲线在曲率谱最大峰值的位置坐标k处是凸出的,则有效奇异值的个数为k;如果奇异值曲线在k处是凹进的,则有效奇异值的个数为k-1,通过信号处理实例证实了这种结论。基于曲率谱的SVD准确地提取到了轴承振动信号中由于滚道损伤引起的调制现象,并据此可靠地判断出了滚道剥落坑总数。     

SVD算法在亚毫米波付里叶变换谱中的应用

本文介绍了自回归谱分析法中的奇异值分解法(SVD算法)在亚毫米波付里叶变换谱中的应用.SVD算法和前后向最小二乘法(LS算法)相比,它们具有相同的分辨率,但SVD算法能够消除LS算法中出现的假峰和病态的问题,具有更强的抗噪声能力,因而SVD算法比LS算法更加稳定可靠.还讨论了SVD算法的阶数和有效奇异值个数的选择问题.     

强地杂波背景下步进线性调频信号ISAR成像方法

在低空飞行目标的ISAR成像中,回波信号常被地杂波掩盖导致无法进一步处理,如何有效地剔除杂波一直是困扰人们的难题.相消处理是一种典型而又简单易行的杂波滤除方法,首先对相消处理展开了一定研究,相干信号经过相消处理,可以有效地滤除固定地物产生的杂波,为后续的成像处理提供有利数据.针对线性调频步进信号体制ISAR,对回波信号的相邻脉冲串使用同一拉伸延时量进行处理,然后运用相消技术滤除杂波,最后再进行成像.仿真结果表明,文中提出的成像方法鲁棒性较好,可以获得较好的成像结果,为强地杂波背景下运动目标的ISAR成像提供了一种有效途径.     

基于SVD/小波的MEMS陀螺误差分析及降噪处理

陀螺仪作为导航系统的核心传感器,其输出信号的精度对导航结果有着重要的影响。针对微机电系统(micro electro mechanical system,MEMS)陀螺成本低、应用广泛但精度低、噪声大的使用现状,选取小波分析方法对MEMS陀螺信号进行误差分析,针对误差分析结果提出了一种小波分析结合奇异值分解(singular value decomposition,SVD)的降噪方法以剔除微弱噪声信号。针对小波分析存在的小波分解层数和小波系数难以选取的问题,提出一种自适应选取小波分解层数和变换小波系数的改进小波算法;通过引入SVD以改进小波变换检测微弱信号中噪声的劣势问题,设计双轴电动转台的静、动态试验,静态试验进行信号的误差分析,动态试验验证改进算法的精度,得出改进算法比之传统小波算法降噪性能提升的结论。