基于频域干扰剔除的OTHR射频干扰抑制算法

目前,天波超视距雷达(over-the-horizon radar,OTHR)大多是在空域或匹配滤波后的时频域抑制射频干扰,往往会同时抑制掉射频干扰附近的目标。考虑到在匹配滤波后,射频干扰与目标信号都是近似单频信号难以区分;而在匹配滤波前,目标信号是宽带的线性调频信号,而射频干扰是近似单频的窄带信号,射频干扰与目标信号显著不同,易于分离。基于该特点,提出了一种基于匹配滤波前的频域干扰置零的射频干扰抑制算法。该算法在频域中检测射频干扰的频点位置并将该频点的信号成分置零,最后变换到时域实现射频干扰抑制。与传统方法相比,本文所提算法在抑制射频干扰时基本不损害目标信号。实测数据的处理结果验证了所提方法的优越性。     

基于知识辅助的天波雷达海杂波抑制方法

针对天波雷达海杂波难以抑制且现有方法未充分利用先验知识的问题,提出基于知识的天波雷达海杂波抑制方法。所提方法利用脉冲重复周期、雷达工作频率、海平面风向、风速作为先验知识,结合海杂波谱模型及提出的基于知识的海杂波协方差矩阵估计方法,构造出基于知识的天波雷达海杂波协方差矩阵,将该矩阵加入最优滤波器设计中,得到基于知识辅助的天波雷达海杂波抑制方法。仿真结果表明,与现有方法相比,所提方法的海杂波抑制效果可提升3 dB以上。     

基于核函数的混沌序列局域线性预测方法

针对局域线性预测方法本质上是用较简单的非线性函数来预测高度非线性的混沌时间序列的不足,提出了一种基于核函数的局域线性自适应预测算法。该算法利用包含了相空间中邻近点之间的相对距离信息的核函数,将相空间中的邻近点投影到更高维的非线性核空间,在高维(甚至无穷维)的核空间用线性自适应算法预测混沌时间序列,相当于在原混沌相空间用高度非线性的函数预测高度非线性的混沌时间序列,可获得更好的预测结果。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

基于稀疏重构的TOA定位估计算法

目标在定位空间中具有稀疏特性,基于该特点提出了一种稀疏重构的时延定位算法;已有的来波到达时间(time-of-arrival, TOA)算法大部分只利用了单次TOA进行估计,其定位结果受噪声影响较大,因此进一步提出对多样本的到达时间进行联合估计,从而提高算法对噪声的稳健性,并提高算法的定位精度。与已有算法相比,所提算法的优点是定位精度更高,对噪声有更强的稳健性。仿真结果验证了所提算法的有效性。     

基于FRFT的天波雷达多机动目标检测

天波超视距雷达（over-the-horizon radar, OTHR）中,机动目标信号存在频谱扩展,导致目标检测性能下降。强的海杂波进一步增加了机动目标的检测难度。针对该问题,考虑到海杂波信号能量主要集中在零频附近,而且可以建模为一个自回归（auto-regressive, AR）过程,用AR滤波器抑制海杂波;考虑到机动目标信号近似为线性调频信号,而分数阶傅里叶变换(fractional Fourier transform, FRFT)能有效积累线性调频信号的能量,因此采用FRFT算法估计目标运动参数,实现机动目标检测;在此基础上用分级迭代的FRFT进一步降低运算量;针对多目标检测问题,用“CLEAN”方法逐个检测机动目标。仿真结果表明,与已有的离散多项式变换（discrete polynomial transform, DPT）算法相比,本文算法可以更好地适用于多目标检测;与Radon Wigner变换算法相比,本文算法可以达到更高的参数估计精度。     

压缩机吸气压力的模糊神经网络控制方法

针对压缩机吸气压力耦合强、变化快且控制精度要求高的特点 ,在难以获得精确数学模型以及模糊控制还存在一些困难的情况下 ,采用模糊神经网络控制技术进行压缩机吸气压力的控制 ,从而保证了系统可以较快地进入工况并使吸气压力稳定在工况规定的精度范围内 .经实际控制证明 ,模糊神经网络控制可以得到良好的控制效果 .     

基于混沌同步和滤波的雷达波形设计

可匹配滤波混沌雷达系统可由低成本的模拟器件实现匹配滤波,受到广泛关注。但是该系统发射信号的带限性能不理想,信号在变换和传播过程中容易发生频谱泄露和畸变。针对该问题,提出一种基于混沌同步和滤波的波形设计方法。该方法在雷达发射端,将混沌信号频谱整形为带限信号;在接收端,利用同步和滤波恢复出混沌信号。与传统在数字域上进行信号设计的方法相比,本文方法是在模拟域上实现的,具有低成本优势。此外,在信噪比低至-20 dB时本文方法仍然有效,与直接匹配滤波相比,本文方法变换后的混沌信号匹配滤波后,最大旁瓣抬升很小。