基于形态结构特征的对流单体自动分割方法研究

风暴单体是形成各类强对流灾害天气的基本单元,它们的雷达回波形状复杂、内部分布不一、外层相互交织,从而造成单体分割困难.提出了一种基于形态结构特征的对流单体自动迭代分割方法.以雷达图片中区域树结构单体分割结果为初始输入,在每次迭代分割过程中,首先计算各个分割结果的3个形态结构特征,然后通过一个预先训练的支持向量机(Support Vector Machine,SVM)分类器判断分割结果是否为对流单体,对非单体的分割结果进行再次分割.通过3种不同类型的风暴案例进行测试,结果表明,本文方法能够有效地识别出聚集的单体和处于分裂/合并状态的单体,并且能够获得单体的完整结构.在定量评估测试中,本文算法获得了0.84的临界成功指数评分,高于传统的风暴单体识别与跟踪算法(Storm Cell Identification and Tracking,SCIT)方法(0.55)和单阈值方法(0.49).     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先，分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后，通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

基于信噪比归一化的外源雷达接收站布站研究

提出了一种基于目标信噪比(SNR)归一化的布站方法,对基于平均目标信噪比布站方法存在的外源雷达接收站恒位于探测区域中心的缺陷及产生原因进行了分析,结合雷达可探测范围比较了在同一配置环境下,当发射源为2个时两种方法的布站性能,并推广至多辐射源条件下的布站情况.对两种方法进行Matlab仿真对比,结果表明:本方法克服了原方法的缺陷,并在发射源集中于同一侧的条件下提高了雷达可探测范围.     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

星载Ku,Ka和W三频雷达探测云雨三维结构模拟仿真

对星载Ku, Ka和W波段微波雷达联合观测中纬度陆地气旋、热带台风和热带洋面气旋个例中云和降水的三维结构进行了模拟仿真.首先利用Weather Research and Forecasting(WRF)云模式模拟了个例中各种水凝物的时空分布,并利用Aqua卫星MODIS观测结果直接检验了中纬度陆地气旋个例模拟结果;然后将模拟结果作为输入,利用星载雷达模拟器计算了相应的雷达回波反射率因子,并利用CloudsSat卫星的W波段云雷达CPR实测信号对之进行了验证;随后利用该模拟数据研究了不同粒子雷达回波反射率的特点.最后假设Ku,Ka和W波段雷达的灵敏度分别为15, 5和-35 dBZ,定量研究了这3个波段在探测云顶高度、云底高度上的优缺点和误差大小.模拟结果证实随着频率的增高,水凝物粒子的雷达回波反射率因子减小.非降水云水和云冰粒子回波明显弱于降水和降雪粒子,一般很难被Ku和Ka波段星载雷达观测到.研究发现W波段雷达对云顶的探测误差一般很小(不到30 m),而Ku,Ka雷达对云顶的探测误差可达数千米.对云底探测而言,W波段雷达可以有效穿透低层液态水含量低的天气系统,但对强降水天气系统云底探测误差较大;Ka波段雷达在台风眼壁云墙附近的强降水区也会出现较大探测误差;而Ku波段雷达云底的探测误差都较小.     

石英砂岩体的地质雷达波频谱特征

经过岩土体介质反射回的地质雷达波特征携带了所穿透的岩土体内部的相关信息,其中地质雷达波频谱主频值可以作为判断岩土体结构特征的一个定量指标. 以围岩为石英砂岩的公路隧道工程为依托,采用MALA地质雷达配100 MHz屏蔽天线,对隧道掌子面前方的石英砂岩体进行超前地质探测试验,分析典型的Ⅴ级、Ⅳ级和Ⅲ级石英砂岩围岩的雷达波形图图像特征和雷达波在岩体介质中传播的傅里叶频谱特征. 通过分析现场试验数据,得出岩体介质的雷达波主频值因自身结构特征和周边环境变化而在一定的敏感频率区间内的规律. 对比分析研究结果与工程开挖实际,表明通过分析超前地质探测获得的雷达波傅里叶频谱主频值特征来反演识别围岩结构特征是切实可行的.     

机载高频通信系统沉积静电科目试飞研究

沉积静电放电产生的高频电磁辐射会对机载电子设备尤其是高频通信系统设备产生干扰。在沉积静电环境下的机载高频通信系统科目试飞在国内民机试飞领域尚属首例,也无相关经验方法可以参考。该文通过研究咨询通告AC25-7推荐的试飞气象条件(高卷云、干燥的雪、沙尘暴),详细叙述了高频沉积静电试飞科目的背景和沉积静电的原理,介绍了高卷云气象的定义、产生和类型,结合了机载气象雷达的显示条件和地面气象台站预报的天气情况,以我国民机试飞现有条件和实际情况为出发点,摸索总结出一套符合要求而又切实可行的试飞方法,为未来民机试飞实践提供具体指导。     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法，通常采用先特征提取、再进行目标分类的两步识别算法，这种算法存在识别率难以提高和方法泛化性不足的问题，对此，提出一种增强条件生成对抗网络（strengthening condition generative adversarial network，SCGAN）+卷积神经网络（convolutional neural network，CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征，无需特征提取，实现对目标的一步识别。为进一步提高小样本条件下的识别效果，基于CGAN理论来提高样本在特征空间的覆盖程度，并对CGAN的判别器进行改进，在损失函数中增加混叠惩戒项，通过SCGAN生成不混叠的生成样本来更好地训练CNN，提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性，以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

对多功能雷达的DQN认知干扰决策方法

基于Q-Learning的认知干扰决策方法随着多功能雷达(multifunctional radar, MFR)可执行的任务越来越多,决策效率明显下降。对此,提出了一种对MFR的深度Q神经网络(deep Q network, DQN)干扰决策方法。首先,分析MFR信号特点并构建干扰库,以此为基础研究干扰决策方法。其次,通过对DQN原理的简要阐述,提出了干扰决策方法及其决策流程。最后,对该决策方法进行了仿真试验并通过对比DQN和Q-Learning的决策性能,验证了所提方法的必要性。为提高决策的实时性和准确率,对DQN算法进行了改进,在此基础上,结合先验知识进一步提高了决策效率。仿真试验表明:该决策方法能够较好地自主学习实际战场中的干扰效果,对可执行多种雷达任务的MFR完成干扰决策。     

多波段线性调频傅里叶域锁模光电振荡器

提出了一种基于傅里叶域锁模光电振荡器（Fourier domain mode-locked optoelectronic oscillator，FDML OEO）的多波段可重构线性调频信号产生方案.在该方案中，由扫频多波长激光器、相位调制器和光陷波滤波器等构成FDML OEO的核心单元——快速扫频的多通带微波光子滤波器.将扫频多通带微波光子滤波器的扫频周期和FDML OEO的环腔延时同步，可实现傅里叶域锁模，从而在FDML OEO腔内自激振荡产生多波段线性调频微波信号.与传统的基于高速基带线性调频微波源的微波光子多波段线性调频信号产生方案相比，该方案结构简单，成本低，不需要借助外部的高速基带线性调频微波源.此外，FDML OEO所产生的多波段线性调频信号的带宽和中心频率均宽带可调.该新型多波段线性调频微波信号源在先进多波段雷达、多业务泛在接入无线通信等系统中具有良好的应用前景.