基于Poincare截面的微弱信号定量检测与幅值参数提取

为解决微弱信号定量检测问题,提出并建立了基于Poincare截面的检测统计量,并以此设计了利用Duffing振子进行微弱信号定量检测及幅值参数提取的有效实现方法。通过分析Duffing振子的Poincare截面特性,发现系统输出关于幅值的分岔特性能够清晰判定系统不同状态,由此对Poincare截面的分布点进行方差统计,构建检测统计量与检测判定区间,实现对微弱信号的定量检测。仿真实验发现，该定量检测方法的噪声鲁棒性优于传统时域特征检测方法,进一步设计了循环检测系统用以提取待测信号幅值参数并实现对未知频率信号的检测，为基于Duffing振子的微弱信号检测提供了定量检测途径与参考。     

基于联合去噪和频率调制的微弱信号检测

针对强噪声背景中弱信号检测问题,在传统检测方法基础上,提出了基于联合去噪和频率调制的微弱信号检测方法。搭建自相关和小波阈值变换联合去噪系统,极大程度抑制了噪声对检测结果的不利影响。利用频率可调标准信号调制待测信号频率,使得被测信号与检测系统策动力信号的频率差满足检测条件,打破了利用Duffing振子检测系统只能检测与系统策动力频率相近信号的限制。双振子差分进行混沌特性判别的方法更具直观性,抗噪性能好,测量相对误差被控制在5%以内;且系统具有很高的抗干扰性,检测最低信噪比可达-41 dB。仿真结果证明了该方法的可行性和有效性。     

基于多特征信息融合的海面微弱目标检测

为改善海杂波背景下雷达检测微弱目标的性能, 提出一种基于多特征信息融合的目标检测方法。首先, 在分析时域回波信号的基础上, 给出脉冲幅值离差比的概念, 并用其表征离散回波信号的尖锐度。其次, 结合回波信号的频率峰均比和局部分形度两种特征量, 构建多特征信息融合张量。然后, 采用交叉验证法训练支持向量机(support vectors machine, SVM)分类器, 并依据分类器进行目标检测。最后, 通过对实测海杂波数据的一系列实验分析, 优选了所提方案的参数。进一步与已有传统方法对比, 结果显示所提方法具有更好的鲁棒性。     

Duffing振子微弱信号盲检测方法

针对强噪声中微弱信号的盲检测问题,研究了待检信号与Duffing系统内置信号频差和相差对系统相图的影响,指出由于频差的存在,Duffing系统相轨迹演化将进入周期性混沌状态。通过建立正相振子和反相振子检测方程以及相图分段处理,提出了Duffing振子微弱信号盲检测识别算法并建立了盲检测模型。仿真实验表明，在-40dB信噪比下仍然可以有效实现对微弱信号的盲检测。     

基于自适应尺度变换-双稳态随机共振模型的BPSK信号检测算法

为提升在强噪声背景下对二进制相移键控(binary phase shift keying, BPSK)信号的检测性能, 针对主流方法在抑制噪声过程中信号受到一定程度的削弱、信号处理系统引入新噪声导致检测性能下降的问题,提出了基于自适应尺度变换双稳态随机共振模型的BPSK信号检测算法。对于经典的双稳态随机共振系统只能处理小幅度、低频段的周期信号的情况, 首先将双稳态随机共振系统进行尺度变换, 证明在高采样率条件下, 双稳态随机共振系统可应用于高频的BPSK信号, 并基于Neyman-Pearson准则设计了非线性阈值检测系统, 推导且定量表示出检测器的误码率, 以此作为反馈量, 自适应地调节系统参数, 构建了信号检测的完备流程。通过仿真实验验证了尺度变换的可行性以及所提算法的适用性, 为低信噪比条件下的弱BPSK信号检测提供了理论依据。     

冲压式气动伺服系统动态精度分析及校正装置设计

从小型战术导弹总体设计的角度提出了一种继电控制冲压式伺服系统的动态精度和校正装置的工程分析和设计方法。由于自振荡状态的存在,伺服系统的动态精度不仅与伺服系统的参数有关,还受到输入信号幅值、频率以及自振荡频率的影响。利用伺服系统在自振荡频率点的幅频特性为1这一特点,将输入信号频率、幅值、系统的自振荡状态和系统的参数联系起来,构建了伺服系统动态精度的计算公式和指标估算经验公式,并根据两者的关系提出动态精度校正方案。最后结合某工程实例,验证了上述方法的正确性。     

基于双稳阱内随机共振的OFDM信号检测方法研究

为了解决OFDM(orthogonal frequency division multiplexing)传输系统中接收端对微弱OFDM信号的检测问题,本文将双稳阱内随机共振系统与OFDM信号增强和解调过程相结合,推导了多载波信号激励下双稳阱内随机共振系统从零状态变化到势阱状态所需时间的解析表达式,分析了暂态响应导致的多载波信号在一个符号内的能量损失问题;推导了系统稳态输出方程,分析了稳态过程对子载波已调信号叠加直流偏置分量的问题;探讨了在不同系统参数和噪声强度下阱内随机共振对OFDM信号解调性能的影响。仿真结果表明：该方法可有效实现信号与噪声阱内协同作用,提高OFDM信号的检测性能。     

Duffing混沌振子用于微弱信号检测的研究

针对频率已知的微弱正弦信号幅度和相位检测问题,提出了一种采用Duffing混沌振子作为检测系统的方法。该方法将被测信号作为系统的参数,利用系统参数在临界值附近微小的变化会改变系统输出状态的特性,通过识别系统输出的相轨迹判断输出状态是否改变,根据状态改变所需满足的条件估计信号的参数。给出了实现该方法的主要步骤,并将其运用于高频地波雷达海洋回波信号的检测,与FFT方法所得结果相比,回波多普勒谱的信噪比可提高5 dB,表明了该方法具有更好的检测性能。     

多传感器网络目标检测方法综述

在并行拓扑结构下,从系统级的角度对多传感器网络目标检测方法进行综述,将似然比检测归纳分类为统计量(决策统计量和融合统计量)的确定和门限(决策门限和融合门限)的求解两部分,并分别展开论述。在硬决策融合系统统计量确定方面,分别归纳了理想信道、非理想信道条件下,不同融合统计量构成检测器的检测性能优劣,并通过仿真试验对比分析了不同融合统计量的检测性能;在软决策融合系统统计量确定方面,归纳了软决策融合系统中局部传感器节点性能度量方式,并对比分析了局部传感器节点决策空间划分方法;在门限求解方面,将门限求解方法归纳总结为逼近法、迭代法、蒙特卡罗方法,并分析比较这些方法的适用范围、优缺点等;最后,对多传感器网络目标检测进行了展望。     

基于小波变换的子带自适应滤波算法及仿真

因为噪声总是影响信号检测的结果,所以低信噪比下的信号检测是目前检测领域的热点,而强噪声背景下微弱信号的提取又是信号检测的难点。自适应滤波器为检测信号提供了一种简单、实用的方法。可以在微弱信号的条件下,通过测量和学习,实现对微弱信号的最佳拟合。提出基于自适应小波变换的心电信号的检测,利用小波变换的子带编码理论,通过在多个子带权值的自适应匹配,合成后拟合微弱信号。仿真结果表明,该方法可进一步改善信号的检测能力,在检测微弱信号的特征和改善信噪比方面是一种十分有效的方法。     

基于STFT的宽带数字ESM接收技术

提出了一种新的基于瞬时测频的宽带数字电子支援（electronic support measure, ESM）接收技术。首先对输入信号进行短时傅里叶变换,通过对变换结果进行快速插值,实现瞬时测频;然后利用多门限完成瞬时频域检测,并根据检测带宽进行抽取。这种新的接收技术能够有效解决ESM系统对宽带同时到达信号的侦收难题,且算法结构规整,易于用现场可编程逻辑门阵列（field programmable gate array, FPGA）芯片进行硬件实现。计算机仿真结果表明,系统单信号检测灵敏度可达-5 dB,当输入信噪比为-5 dB~15 dB时,单信号正确检测概率可达90％以上,动态范围达20 dB,双信号瞬时动态范围可达18 dB。     

基于高阶瞬态矩迭代的多项式相位干扰抑制

提出了一个基于高阶瞬态矩迭代的多项式相位干扰的抑制技术。针对振幅恒定和多项式相位特征的干扰信号,运用高阶瞬态矩和迭代法精确综合出相应干扰信号;然后在时域将其从接收信号中减去,以有效地抑制宽带非平稳干扰。性能仿真结果表明,该方法不仅提高了干扰参数估计的精度,降低了计算的复杂度,而且提高了系统处理的实时性和有效地抑制了多项式相位干扰,获得比较好的误码率性能改善。     

基于曲率仿射不变量的快速目标识别

提出了一种用于三维空间中近似平面目标的快速识别方法。该方法利用目标轮廓的曲率信息构造出仿射不变量函数,再利用该不变量的极值点信息定位出轮廓的起始点进而对不变量做相应的循环移位调整,最终通过对调整后的不变量进行相似度比较实现目标识别。由于曲率信息能够有效地描述目标轮廓特征,所以保证了本方法优良的识别性能。同时本方法通过起始点定位的方式克服了传统上高复杂度的循环移位匹配的识别模式,进而实现了快速识别。实验结果显示了所述方法在识别精度和识别效率上都具有明显的优势。     

基于深度学习的复杂背景雷达图像多目标检测#br#

针对传统雷达图像目标检测方法在海杂波及多种干扰物组成的复杂背景下目标分类识别率低、虚警率高的问题,提出将当前热点研究的深度学习方法引入到雷达图像目标检测。首先分析了目前先进的YOLOv3检测算法优点及应用到雷达图像领域的局限,并构建了海杂波环境下有干扰物的舰船目标检测数据集,数据集包含了不同背景、分辨率、目标物位置关系等条件,能够较完备地满足实际任务需要。针对该数据集包含目标稀疏、目标尺寸小的特点,首先利用K means算法计算适合该数据集的锚点坐标;其次在YOLOv3的基础上提出改进多尺度特征融合预测算法,融合了多层特征信息并加入空间金字塔池化。通过大量对比实验,在该数据集上,所提方法相比原YOLOv3检测精度提高了6.07%。     

海杂波下距离扩展目标的最优二进制检测

研究了低擦地角下高分辨雷达对静止或慢速运动的距离扩展目标的最优二进制检测问题。采用K分布模型描述低擦地角下海杂波的统计分布,采用Rayleigh快起伏模型描述扩展目标距离像的幅度分布,详细分析了扩展目标二进制检测器参数与扩展目标径向长度、杂波形状参数之间的关系,最终得到最优二进制检测器的参数选择准则和经验公式,对二进制检测器的实际应用具有较强的指导意义。理论和实测杂波数据证明了最优二进制检测器的有效性。     

阵元位置误差自校正的累量域辅助阵元法

阵元位置误差会严重影响多重信号分类(multiple signal classification, MUSIC)算法的测向性能,为此给出了一种阵元位置误差自校正的累量域辅助阵元法。首先构造了一种最大非冗余四阶累积量矩阵,并基于该矩阵实现了信源方位和阵元位置误差的联合估计,其中信源方位的估计需要一维搜索,而阵元位置误差的估计需要求解一个线性最小二乘问题。在一定假设条件下,对新算法的参数估计一致性做了理论分析。仿真实验表明：新算法可以减少对辅助阵元个数的要求,并且减弱了高斯色噪声对算法参数估计性能的影响。     

小角度晃动干扰下解析粗对准的误差分析

研究了小角度晃动干扰对捷联惯性导航系统解析粗对准的影响。阐述了平台对准失准角与晃动干扰的定量关系，讨论了晃动环境下解析粗对准的适用条件。指出平台水平对准失准角与对应的平均晃动干扰角幅值相关，方位对准精度主要取决于东向平均干扰角速度即北向地球自转角速度的信噪比(signal noise rate, SNR)。转台小角度晃动实验验证了上述结论的合理性。     

基于稀疏贝叶斯学习的拖曳线列阵空间谱估计

针对常规拖曳线列阵目标方位估计中存在的左右舷模糊问题,提出了联合多个时刻机动拖曳线列阵信号模型的稀疏贝叶斯学习空间谱重构估计方法。首先,建立了机动拖曳线列阵的阵元域信号超完备稀疏表示模型;然后,根据稀疏贝叶斯学习原理将目标的空间角度稀疏特性通过信号双层先验假设进行隐性描述;最后,对目标空间谱的变化过程采用隐马尔可夫模型进行描述,并将空间谱连续慢变的客观规律应用到目标信号超参数的概率密度计算中,构建基于多个时刻阵列信号模型的空间谱稀疏重构模型。计算机仿真研究和海试数据验证结果表明:所提方法在拖曳线列阵机动条件下,能够有效抑制固有的左右舷模糊,同时具有更好的重构精度,从而实现拖曳线列阵空间谱的优效估计。     

基于协作表示的雷达辐射源多传感器融合识别

针对接收通道噪声影响和传感器引起的信号畸变,仅提高单传感器的识别性能远不能满足需求,提出了一种基于协作表示的雷达辐射源多传感器融合识别方法。首先,在训练阶段构成离线的完备字典,而多个传感器的接收信号在字典上求得协作表示系数及分类残差。接着通过设计合理的基本概率分配函数,将多传感器的分类残差与单元素事件的D-S理论相结合,根据最大信任决策规则得到融合识别结果。采用常见的6种雷达辐射源信号进行了仿真实验,仿真结果验证了提出方法的有效性,且较单传感器提高了识别性能,具有较好的噪声鲁棒性,适用于小样本的识别。