基于Δ调制编码对噪声调频干扰源的无源定位

针对无源系统对噪声调频干扰源进行时差定位问题,提出了在无源系统中对接收到的噪声调频干扰信号进行增量调制编码(Δ调制编码),利用增量调制编码序列采用相关法可以估计主辅站信号到达时差。讨论了不同干噪比条件下的时差估计精度,通过仿真将该方法与直接利用噪声调频信号相关估计进行比较,该方法具有相同的效果且可以降低主辅站之间的数据通信量。     

匹配追逐算法中三参数Chirp原子及搜索方法

提出了用比例、旋转、径向位移表示的三参数Chirp时频原子和基于分数阶傅里叶变换的最佳原子搜索方法,该方法利用分数阶傅里叶变换先估计Chirp原子的最佳旋转参数,并先保持比例参数不变,仅调整径向移位一个参数来搜索最佳Chirp原子。仿真实验结果表明,提出的搜索方法能从整体上把握信号的最大时频结构,提供信号的稀疏表示,避免了原始的匹配追逐算法固有的局部优化所造成的对信号的过分解。     

对运动干扰源的时差估计

讨论了用窄带接收机测量宽带噪声干扰信号到达时差时 ,干扰源、转发站和接收机的相对运动对时差测量最大似然估计和直接相关估计精度的影响 ,并给出了一种适用于运动干扰源的最大似然估计器的实现方法。     

单Chirp脉冲时域自适应波束形成和参数估计

将最小方差无畸变响应(minimum variance distortionless response, MVDR)自适应波束形成方法拓展到一类非平稳脉冲信号,利用时域MVDR（time-domain MVDR, TMVDR）实现了单Chirp脉冲信号的自适应波束形成,即CTMVDR（TMVDR on single Chirp pulse signal, CTMVDR）。CTMVDR可估计具有常数幅值的未知Chirp脉冲信号的波达方向（direction of arrival, DOA）、信号功率和时间波形。理论分析结果表明,稳定估计自适应权向量的条件是稳定估计Chirp脉冲时间序列的自相关。数值仿真和海上实验结果表明,在采样频率不大于10倍Nyquist频率条件下,只需少于1 024个采样点,即可获得稳定的自适应权向量估计;和常规波束形成对比,CTMVDR有更好的波束响应、DOA估计、阵处理增益和Chirp脉冲信号的时间波形估计性能。     

基于时间切变Gabor原子的时频建模

对尺度高斯函数与线性调频因子卷积,再做频移和时移,得到了具有四个可调参数的时间切变Gabor原子,其时频分布为聚集于其时间中心和频率中心的具有时间倾斜特性的能量曲线。给出了基于该原子集合的频域自适应信号子空间分解和相应的参数自适应时频分布,其中每步分解都采用模拟变焦距过程估计所得原子的四个参数,可用于对非平稳信号中线性和非线性变频成份进行建模和分析。     

基于核典型相关分析的五元平面十字阵无源定位算法

基于五元平面十字阵的时差定位准确度和灵敏度都相对较高,在无源定位中具有广阔的应用前景。针对时差定位抗干扰性能差和噪声影响的问题,提出采用核典型相关分析盲源分离算法在辐射源信号先验信息未知的情况下分离天线阵接收的混合信号,然后将分离后的信号进行相关分析获得时差的估计,用以改进时差估计和定位性能。通过仿真实验,可以看到本文提出的基于核典型相关分析的时差定位方法能够取得更稳定、准确的结果,而且实现简单,能充分满足实际应用的要求。     

基于TOA和TDOA的三维无源目标定位方法

提出了一种基于到达时间(time of arrival, TOA)和到达时间差(time difference of arrival, TDOA)的空中运动平台对目标高精度三维定位的无源定位方法。该方法使用3个辅站信号到空中运动平台的TOA以及辅站位置确定空中运动平台自身的位置,然后依据目标散射回波到达各个辅站与空中运动平台的TDOA确定目标的位置。分析了三维TDOA目标定位模糊产生的原因,提出了一种无模糊的高精度TDOA目标位置求解算法。仿真结果表明,该算法比经典的TDOA定位算法精度高,而且不存在定位模糊,从而验证了该空中运动平台对目标进行无源定位方法的有效性以及正确性。     

多站时差定位性能试验评估技术

本文给出时差定位系统相关法时差测量误差模型,并以此为基础,建立了多站(大于3)时差定位性能试验评估方法.首先,给出了多站时差定位误差模型.其次,引入了信噪比对时差测量影响因素,提出了时差定位系统的相关法综合时间测量误差参数化模型.第三,给出了基于最小二乘法的综合时间测量误差参数估计方法,估计出综合系统参数和时间测量误差常数项.第四,给出了多站时差定位误差等效推算方法,该方法能够根据单条试验航线的时差定位数据,推算综合时间测量误差参数,进而获取任意位置的定位误差.最后进行了仿真验证,表明本文提出的时差定位性能试验评估方法优于传统固定时差测量误差模型定位性能试验评估方法.     

基于Haar小波变换的信号到达时间估计

研究了在信号频率、初相、幅度未知条件下,矩形包络复正弦信号的到达时间估计算法。先利用相关检测算法,对信号的起止时间进行粗估计。在检测到信号的条件下,估计出信号频率并将其变换至基带,在一定尺度下对基带信号作Haar小波变换,检测出小波变换模值的峰点位置作为到达时间精估计。给出了小波尺度选取的原则,并推导了到达时间估计的克拉美罗限(CRLB)。计算机仿真表明,信噪比达6 dB时,到达时间估计的均方根误差小于0.8倍的采样间隔,实现了对信号到达时间的精估计。     

虚拟波束四阶累积量DOA估计方法

为满足复杂干扰场景和阵列误差因素影响下雷达微弱目标信号精确测向需求,提出一种基于均匀线阵构建虚拟波束,替代阵列接收信号进行四阶累积量(fourth-order cumulant, FOC)波达方向(direction of arrival, DOA)估计的算法。该算法包括两个关键步骤：一是利用阵列接收信号特征分解的方法,对信号主信息分量进行提取,并以构建的虚拟波束为输入,计算FOC矩阵;二是针对主分量虚拟波束波瓣外的起伏,利用高斯窗修正波束方向图的方法,进一步提升空间谱函数的估计精度。仿真结果表明,该方法在存在阵列误差的非理想因素下,对复杂电磁干扰场景下的目标信号DOA估计精度较现有FOC方法提高150%以上,尤其对于场内同时存在多个非等功率源信号时,所提方法对低信噪比目标DOA估计精度提升效果优势明显,对复杂干扰环境下DOA估计精度更高、适应性更强。     

基于原子范数的多跳频信号时频参数估计

针对现有多跳频信号参数估计方法构造的基字典与信号不匹配的问题,提出了基于原子范数的时频参数估计方法。首先定义无限原子集合并建立原子范数最小化模型,再利用其对偶问题完成对信号的估计,最后根据对偶多项式在单位圆上的绝对值完成信号频率的估计,通过统计频率分量的个数完成了信号跳变时刻的估计。仿真结果表明该算法在多跳频信号条件下能够得到比现有算法更高的估计精度和性能。     

基于原子库树状结构划分的诱导式信号稀疏分解

针对以往提出的稀疏分解算法仅从原子库构造方面或分解方式角度对算法进行各种改进且计算复杂度高的问题,提出了一种诱导性塔式分解算法.该算法首先将原子库逐层划分,得到一个树状层次结构的原子库,然后在迭代过程中利用划分所得树状结构有目的、有导向性地指引信号分解方向,从而一劳永逸地加快了信号分解速度,极大地降低了算法的计算复杂度.实验结果表明,与经典的匹配追踪(matching pursuit,MP)算法相比,本文算法在同等稀疏度且逼近误差接近的情况下,计算量大约降低为MP算法的1/40,计算时间降低为MP算法的1/100左右.仿真实验证明了该算法的有效性.     

Wideband angle of arrival estimation of chirp signals using virtual Wignerville distribution

To estimate the angle of arrivals (AOA) of wideband chirp sources, a new time-frequency algorithm is proposed. In this method, virtual sensors are constructed based on the fact that the steering vectors of wideband chirp signals are linear and vary with time. And the randon Wignersville distribution (RWVD) of real sensors and virtual sensors are calculated to yield the new time-invariable steering vectors, furthermore, the noise and cross terms are suppressed. In addition, the multiple chirp signals are selected by their time-frequency points. The cost of computation is lower than the common AOA estimation methods of wideband sources due to nonrequirement of frequency focusing, interpolating and matrix decomposition, including subspace decomposition. Under the lower signal noise ratio (SNR) condition, the proposed method exhibits better precision than the method of frequency focusing (FF). The proposed method can be further applied to nonuniform linear array (NLA) since it is not confined to the array geometry. Simulation results illustrate the efficacy of the proposed method.     

基于参数估计的步进频ISAR成像运动补偿方法

分析了基于步进频雷达运动目标的回波信号模型,讨论了目标运动对ISAR成像的影响,针对当目标有速度或加速度时会造成高分辨距离像移位和畸变,并使二维像散焦的情况,提出了一种基于高斯包络线性调频信号自适应分解、高分辨距离像互相关法及多普勒横向像最小熵法的运动补偿算法。该算法利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动的加速度,通过距离像移动对目标运动速度进行初估计,并用高分辨距离像互相关法及多普勒横向像最小熵准则提高目标速度及加速度的估计精度,然后进行运动补偿。该算法计算量小,估计精度高,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising, BPDN）算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。     

基于统计建模的字典学习算法在HRRP的应用

基于字典学习模型能真实反映雷达高分辨距离像(radar high resolution range profile, HRRP)潜在结构特征和统计建模算法可有效解决HRRP姿态敏感性问题的特点,运用统计建模划分HRRP角域,对鉴别字典的原子选取和判别优化问题开展研究。首先提出了基于概率主分量分析的最大概率差值算法,自适应划分HRRP角域获取帧界线。其次,利用帧界线对应功率谱特征构成初始化鉴别字典,在鉴别字典基础上优化判别准则,引入原子稀疏相似误差约束最优字典更新实现测试样本分类。雷达实测数据的实验结果验证了该算法可提高目标识别率,同时对噪声干扰具有很好的鲁棒性。     

基于非局部正则化稀疏表示的图像去噪算法

针对K-奇异值分解（sigular value decomposition, SVD）算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性;其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性;最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果。实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法。     

Dechirping of multicomponent chirp signal based on time-space decompositoion and H∞ filter

In time-space domain, the multicomponent chirp signal is decomposed into several monocomponent chirp signals. Based on H∞ filter, dechirping for the monocomponent chirp signal is achieved. When data length of the multicomponent chirp signal is short and SNR is low, this approach is applicable. It is insensitive to the exact knowledge of the statistics of the unknown disturbance and noise. Simulation results are presented to show the validity of the approach.     

基于动态电源电流测试的模拟电路故障诊断

动态电源电流测试对模拟集成电路故障诊断十分有效。采用斜坡电压源代替传统的恒定直流电压,从电源电流波形采样训练神经网络的数据并建立故障字典。利用小波变换具有同时在时-频域分析信号、大量压缩数据的属性,对采样信号进行小波包分解,提取故障特征来训练神经网络,简化了网络结构、提高了训练速度。实验结果表明,该方法能够实现快速故障检测及定位,具有准确率高的特点。