基于卷积神经网络的低空风切变类型识别

针对激光雷达低空风切变信号图像的类型识别问题,提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)的多层特征提取及自适应融合算法。该方法可以有效解决网络逐层训练过程中信息丢失的问题。首先,采用DCNN提取低空风切变信号图像的各层网络特征,并将各特征进行L2范数标准化实现同趋化。其次,将其以多通道图像形式输入单层CNN进行自适应融合,将融合特征送入支持向量机进行分类识别。结果表明,采用所提算法进行低空风切变图像类型识别的平均识别率为98.1%,与其他4种算法相比均有提升。所提算法能更有效地实现低空风切变信号图像类型识别。     

全相位FFT相位差频谱校正法改进

基于全相位快速傅里叶变换（fast Fourier transform, FFT）的相位差频谱校正法由于未计及负频率的影响,导致低频信号参数估计精度下降。针对此问题,提出一种改进的全相位FFT相位差频谱校正法,该算法在计算传统FFT时,消除了负频率对频谱分析的影响。介绍了全相位频谱分析原理及全相位FFT相位差频谱校正算法,分析了负频率对低频信号频谱分析造成影响的原因。在计及负频率影响的情况下推导了非整周期采样条件下单频余弦信号的频率、幅值和相位的计算公式。仿真结果表明,计及负频率影响的算法提高了基于全相位FFT的相位差频谱校正法对低频余弦信号参数估计的精度,算法抗噪性能得到改善。     

毫米波阵列雷达近场动目标参数估计算法

在毫米波连续波阵列雷达系统中,根据近场各动目标多普勒频率的不同,提出了一种近场动目标多普勒频率、距离及方位三维参数估计算法。首先采用全相位快速傅里叶变换(all phase fast Fourier transform, apFFT)方法估计回波信号频谱,并使用相位差频谱校正法对目标多普勒频率进行校正。全相位FFT方法所得相位谱为信号的初始相位,各通道之间对应信号的相位关系包含了目标的位置信息,采用二维多重信号分类(two dimensional multiple signal classification, 2 D MUSIC)方法就可从各目标对应多普勒频率的复幅度中估计出目标的距离及方位参数。计算机仿真结果证明了该算法的有效性。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题，在稀疏表示理论的基础上，提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition，K-SVD）算法学习海杂波和目标的稀疏域主成分特征，得到相应的学习字典，抑制海杂波并对目标信号稀疏重建，解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题；并通过算法参数的分析和优化，进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明，相比传统检测方法，所提算法能够有效检测高海况下微弱动目标，显著提升检测性能。     

基于舰船雷达散射特性的对消隐身仿真研究

提出了基于舰船强散射场减缩的有源对消方法.用多层快速多级子算法(MLFMA)分析了舰船的散射特性并对数据作平滑处理,直接从散射场中提取强散射源点的幅值、相位和极化信息,避免了估计散射中心的误差.分析了空间电磁信号的干涉特性,通过对消信号同回波信号在半空间的相干抵消实现了舰船隐身.仿真表明:对消后向散射场可以有效地降低单站雷达对舰船的探测能力,对消其它方向峰值散射场可以有效地降低舰船的总散射场.所提方法可为舰船有源对消隐身的工程实现提供重要的参考.     

LFMCW体制下基于TDPC-JDL的低空风切变风速估计方法

机载气象雷达下视探测低空风切变时目标信号会淹没在强杂波背景中,针对风场速度估计不准的问题,提出了一种线性调频连续波(linear frequency modulated continuous wave, LFMCW)体制下基于两维两脉冲对消-局域联合处理(two dimensional pulse-to-pulse canceller-joint domain localised, TDPC-JDL)的低空风切变风速估计方法。该方法首先利用载机速度和雷达工作参数设计TDPC预滤波器对回波数据进行预滤波,降低杂波功率;然后,利用局域联合处理对预滤波后的数据进行空时二维滤波;进而实现风场速度的准确估计。     

基于CMCAP的低空风切变风速估计方法

针对机载气象雷达在存在幅相误差影响时,杂波抑制性能下降,低空风切变风速估计不准确的问题,提出了基于组合空时主通道自适应处理(combined space-time main channel adaptive processing, CMCAP)的低空风切变风速估计方法。该方法首先对待测距离单元的雷达回波数据利用构造的降维联合空时变换矩阵进行自适应降维处理,然后构造降维处理器的最优权矢量对降维处理后的数据进行自适应滤波,进而在存在幅相误差的情况下实现风场速度的准确估计。后续仿真结果证明了所提方法的有效性。     

基于Hough变换的雷达密集转发干扰抑制算法

雷达密集转发干扰与目标回波相关性极高,对雷达产生欺骗和压制作用,使目标检测面临巨大困难。针对这一问题,提出了一种新的基于Hough变换的雷达密集转发干扰抑制算法。首先通过Hough变换将雷达回波脉冲压缩后的数据映射到参数空间,采取二值投票方式进行非相干积累并提取峰值抑制干扰。随后,根据Hough变换中点与线的对偶性,通过逆Hough变换和最小二乘法恢复出目标运动轨迹。进一步地,对恢复出的目标信号进行动目标检测,估计目标参数,实现了干扰环境下的雷达目标检测。仿真实验和实测数据处理验证了所提算法的有效性和实用性。     

全息穿透雷达非平整表面杂波抑制算法研究

针对全息穿透雷达应用于无损探测时非平整表面杂波干扰难题, 提出一种基于双频对消的非平整表面杂波抑制方法。该方法首先在设定条件下获取高低两种频率下的雷达回波数据, 并建立相应回波信号模型。通过分析不同频率雷达回波中目标信号与非平整表面信号特点, 结合理论推导估算模型中的各项参数, 并拟合出表面回波的近似值, 最后与原回波对消以抑制雷达图像中的非平整表面杂波。通过仿真与实测数据实验, 验证了所提方法的有效性。     

基于模型转换频率估计的低空目标分类

为解决传统机械扫描预警雷达的低空目标分类问题, 提出一种利用模型转换频率估计的飞鸟与无人机目标分类方法。首先, 建立可能的无人机和飞鸟目标运动模型, 进而对目标轨迹进行多模型滤波和平滑处理。然后, 通过估计目标的模型转换频率实现目标分类。仿真结果验证了所提方法的鲁棒性和有效性, 证明经过平滑处理的目标分类结果优于仅经过滤波处理。针对低空预警雷达在机场和海岸环境中采集的真实数据, 在无人机频繁改变飞行方向模拟飞鸟机动性特征的情况下, 所提方法仍然可以较好地跟踪和区分无人机与飞鸟目标, 大幅降低了雷达系统的虚警率。     

毫米波宽带雷达相位误差校正方法研究

为了有效解决相位误差对于步进频信号合成高分辨的影响,在分析步进频雷达相位误差来源的基础上,提出了一种相位误差校正方法。理想情况下,频率步进信号为相参信号,脉冲间的相位具有线性关系,相邻脉冲间的相位差恒定。随机相位误差的存在,破坏了频率步进信号的相参性,导致合成高分辨结果旁瓣峰值电平提高,噪声基底抬高。合成高分辨前,利用相邻脉冲接收信号相位差与均值的差值对采样信号进行相位补偿,可以一定程度上校正相位误差对步进频信号的影响。对仿真数据与实测数据的处理结果表明,该方法可有效提高频率步进体制雷达的检测性能。     

基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法

针对系统相位误差导致的捷变频雷达目标回波信号相参积累性能下降问题, 构建了系统相位误差下捷变频雷达目标回波信号相参积累模型, 并基于目标的距离-速度二维稀疏性建立了最小ℓ₁范数优化模型, 提出一种基于交替方向乘子法的系统相位误差估计与目标场景稀疏重构联合处理算法, 实现了系统相位误差和目标参数的精确估计。仿真结果表明, 在信噪比为20 dB的情况下, 该方法能够精确估计系统相位误差, 其估计误差在2°以内。同时，相比于逆合成孔径雷达相位自聚焦算法, 所提算法重构性能和计算效率均得到改善, 目标重构幅度均方差提高了10 dB, 运算时间减少到1/2。     

海杂波背景下基于MBMC的低空风切变风速估计方法

当机载气象雷达在海杂波背景下探测低空风切变时,海杂波信号会覆盖低空风切变信号,造成风速无法准确估计。针对上述问题,提出了一种在海杂波背景下基于多波束多级联(multi-beam multi-cascade, MBMC)的低空风切变风速估计方法。该方法首先利用空时插值算法矫正机载前视阵海杂波的距离依赖性,然后对空间多波束联合时域三次滑窗后的输出再级联多普勒滤波器,构造得到降维变换矩阵,执行空、时域联合自适应处理,最后通过构造代价函数估计得到风场速度。仿真结果表明,在海杂波背景下本文方法可以实现风场速度的准确估计,且具有较好的稳健性。     

海杂波背景下基于MBMC的低空风切变风速估计方法

当机载气象雷达在海杂波背景下探测低空风切变时,海杂波信号会覆盖低空风切变信号,造成风速无法准确估计。针对上述问题,提出了一种在海杂波背景下基于多波束多级联(multi-beam multi-cascade, MBMC)的低空风切变风速估计方法。该方法首先利用空时插值算法矫正机载前视阵海杂波的距离依赖性,然后对空间多波束联合时域三次滑窗后的输出再级联多普勒滤波器,构造得到降维变换矩阵,执行空、时域联合自适应处理,最后通过构造代价函数估计得到风场速度。仿真结果表明,在海杂波背景下本文方法可以实现风场速度的准确估计,且具有较好的稳健性。     

基于非线性修正策略的空气质量预警系统研究

建立科学、有效的空气质量预警系统,对于保护人们的身体健康和促进社会和谐稳定具有重要的科学价值和实际意义.为此,本文首先利用孤立森林(isolationforest,iForest)算法进行空气质量指数(air quality index,AQI)离群点分析,然后建立了一种空气质量预警系统,该系统由数据预处理模块、优化模块、预测模块和修正模块构成,融合了时变滤波经验模态分解(time varying filtering based empirical mode decomposition,TVF-EMD)、改进的蝴蝶优化算法(modified butterfly optimization algorithm,MBOA)、离群鲁棒极限学习机(outlier robust extreme learning machine,ORELM)和非线性修正策略,该预警系统成功地实现了空气质量的有效预警.同时,以污染程度不同的5个城市作为实验地点对预警效果进行检验,结果表明:1)与经验模态分解(empirical mode decomposition,EMD)相比,TVF-EMD可以更为有效地降低原始数据的非线性和非平稳性特征;2)基于MBOA的误差非线性修正策略比其他误差修正策略更胜一筹,可以显著提高预警系统的性能;3)建立的预警系统的性能要优于其他对比模型,可以对污染程度不同的城市进行有效预警.     

全相位相位差测量中的系统误差及其校正

分析了负频率分量对全相位离散傅里叶变换（all-phase discrete Fourier transform, apDFT）测量相位差的性能的影响,提出了迭代延时-补偿法来抑制负频率分量带来的系统误差,讨论了加窗对迭代延时-补偿法系统误差抑制性能的影响。当采用apDFT算法测量相位差时,负频率分量引起度量级的系统误差。迭代延时-补偿法与apDFT算法的结合,能够在离散傅里叶变换（discrete Fourier transform, DFT）运算点数为1 024时,将最大系统误差在全频段范围内降至0.01°量级,且DFT运算点数越大,抑制效果越好。对原始数据加余弦窗,能够进一步改善迭代延时-补偿法的系统误差抑制性能及容差性。     

Use of piecewise polynomial phase modeling to compensate ionospheric phase contamination in skywave radar systems

1.INTRODUCTION High frequencyskywaveover the horizonradarcan providearange coverageofupto4000kmbymeans oftherefractionwithintheionosphere.Butthesignal contaminationsufferedindoubleionospherictransit, especially,thenonstationarityoftheionosphereren derstheechospectrumdistortedandresolutionofco herentintegrationtechniquethatiswidelyappliedin theradarsystemsisdegradedextremely. InsomeapplicationsofHFskywaveradar,some complexgeophysicalmechanismsincludedthevaria tionoftheionospheremaypro…     

基于DBZP差分相干的GPS信号捕获算法

针对弱信号环境下全球定位系统(global position system, GPS)信号捕获问题,提出了一种基于双块零拓展（double block zero padding, DBZP）差分相干捕获算法。该算法将快速傅里叶变换（fast Fourier transform, FFT)、DBZP、差分相干及频率误差修正等4项技术有机结合,从而有效减小了在FFT计算过程中由大多普勒频移引起的码片速率变化而造成的相关功率损失,同时也削弱了残余多普勒频率造成的功率损失。实验表明,算法能明显提高系统捕获性能,在仿真数据集下,与直接FFT差分相干算法相比,捕获灵敏度提高了约2.8 dB,并在给定的积分时间及载噪比下,捕获频率误差的标准差小于20 Hz;在实验数据集下,与直接FFT差分相干算法相比,捕获结果信噪比提高了约3 dB。