基于Volterra滤波器的混沌背景弱信号检测

针对混沌背景弱信号检测问题,提出了一种基于Volterra滤波器的混沌背景弱信号检测算法.在Volterra滤波系数计算过程中,采用了解线性方程组算法代替原有的自适应算法,提高了混沌预测精度以及混沌背景中弱信号检测性能.仿真结果表明,本文所提出的算法在信混比达到-70dB时,仍能检测混沌背景中微弱信号.     

海杂波环境中基于混沌的目标检测

介绍了基于混沌理论的海杂波分析方法,计算了加拿大McMaster大学IPIX雷达实测海杂波数据的各种混沌特征量,分析了该数据的混沌特性。分析结果表明,该数据在一定程度上具有混沌特性。设计了混沌检测器,该检测器采用径向基函数神经网络来重建海杂波的混沌动力结构,即建立海杂波的精确预测模型,并通过设定合适的预测误差门限来检测掩埋在海杂波中的微弱目标。计算结果验证了该检测器的可行性。     

海杂波背景下基于神经网络的目标检测

为了检测海杂波背景下的目标回波信号,提出了一种基于神经网络的目标检测方案。设计径向基函数(RBF)网络对海杂波的混沌动力学特征进行学习和预测,并对预测误差作功率谱分析,可以检测出目标信号并提取其速度和距离信息。应用实际参数在岸基和舰载雷达条件下的仿真结果表明该方法优于感知器门限分类检测和目标信息的二维FFT提取,检测相对误差控制在10-3~10-4量级。仿真进一步给出了两种条件下的检测最低信噪比。     

Volterra滤波器在混响背景下信号检测中的应用

混响是主动声纳检测中主要的背景干扰,它是一种有色干扰噪声,并常被看作是一个非平稳的随机过程,这使得工作在白噪声条件下检测器的性能在一定程度上受到限制.关于混响背景下信号的检测问题是人们一直关注的问题,通常人们将混响视为随机信号进行建模,而忽视它的混沌特性.将混响视为混沌噪声并进行混沌建模,利用Voiterra滤波器实现混响时间序列预测,实现混响背景噪声下信号的检测,并通过仿真得到预期结果.     

海杂波的混沌特性分析

介绍了相关维数、Lyapunov指数等用于描述混沌动力系统的重要概念及其计算方法,并对雷达采集的实际海杂波时间序列数据进行了计算分析。结果表明,海杂波具有有限的相关维数和正的最大Lyapunov指数,说明海杂波信号具有混沌系统的典型特征。     

强杂波干扰背景下高分辨雷达信号的模糊检测

本文研究了强杂波干扰背景下运用模糊集合理论解决高分辨雷达信号的检测问题。文中首先分析了在高分辨雷达体制下获取稳定距离像的方法，并指出了传统匹配滤波方法的局限性。针对该问题，文中定义了四种模糊集合相似性测度，并在此基础上提出了一种模糊匹配滤波方法。基于文中定义的增量相似性测度准则对平均距离像采用模糊匹配滤波，实验结果表明该方法具有在强干扰背景下检测目标的良好能力，其性能明显优于传统匹配滤波方法。     

基于RBF神经网络的海杂波建模

从相空间重构理论出发，构造了一个RBF神经网络预测器来重构海杂波的内在动力学，并且利用这个确定性的模型时海杂波的演变进行预测。为验证模型的推广性能，采用了多步预测。对雷达采集的实际海杂波数据的实验结果表明，这个确定性的模型可以很好地追踪海杂波的演变。文中还分析了该RBF神经网络预测器在不同高斯白噪声条件下的预测性能，得出了其预测误差与杂噪比（CNR）的关系。     

混沌信号发生器的DSP实现

混沌信号具有噪声的统计特性,可在雷达系统中作为噪声源使用。设计了一种使用DSP产生混沌信号的电路,该电路主要由DSP、CPLD、FIFO以及DAC四种芯片组成,通过控制外部时钟,可以产生不同带宽的混沌信号,通过改变程序,可以产生混沌调幅、调频及调相信号。实验结果表明了该方法的有效性。     

复杂背景下雷达信号的模糊检测

本文着重研究如何利用模糊子集理论来解决复杂背景下雷达信号的检测问题。文中首先给出模糊检测的数学模型,然后基于贴近度准则及重要度加权的概念,导出了模糊滤波算法,最后利用“重合不多于一”雷达信号形式具体设计了两种模糊检测器。实验结果表明,这两种模糊检测器具有在强相关和弱相关杂波背景下检测雷达目标的良好能力,其性能明显优于传统的线性相关检测器。     

导引头中速度拖引干扰下弱信号的检测与跟踪

本文讨论了导引头中弱信号的检测问题,着重论述了速度拖引干扰下、大干信比和小信噪比环境中目标信号的检测和跟踪,提出并采用预测加速度补偿积累方法,达到高检测概率和低虚警率;文中还讨论了对抗速度拖引干扰的方法,均取得了较好的效果。     

采用神经网络同步器对混沌信号分类的研究

提出了一种用神经网络同步器对混沌吸引子进行分类的方法。该方法对每一类混沌吸引子都训练一个相应的神经网络同步器 ,采用同步测量法实现驱动与被驱动网络的渐近同步 ,所以这种测试方法与系统内部状态的初始值无关。最后通过对Lorenz和R ssler混沌吸引子进行分类证实了所提分类方案的可行性。     

混沌、噪声背景中信号的滤波检测方法

本文对混沌时间序列的线性滤波特性进行了深入研究,将经典的匹配滤波技术与混沌时间序列的局部预测方法相结合,提出了混沌、噪声背景中信号检测的新方法。最后,用典型的混沌系统的具体分析验证了本文方法的正确性和有效性。     

从强信号掩盖中检出弱信号的一种新检测算法

针对功率较强、带宽较宽调制信号掩盖下是否隐藏有功率较弱、带宽较窄调制信号的检测问题进行研究,提出了一种新检测算法。算法先根据调制信号的星座特性消除强信号的干扰,在此基础上分别从时域和频域角度提取了两个特征参数:K参数和H参数,结合两个参数的特点设计了检测算法。该算法能够实现具有一定能量和带宽弱信号的高效检测,并能对弱信号的个数进行估计。仿真结果表明,算法具有很高的正确检测概率。     

高速信号处理系统及其在弱信号检测中的应用

依据水下信号处理任务的特点,结合流水线处理和并行处理,采用模块化设计方法,实现了一个由 １片 ８０８６ 微处理器和 １ 片高速数字信号处理器 Ｔ Ｍ Ｓ３２０ Ｃ２５ 构成的高速信号处理系统。该系统的峰值运算能力为２６ 亿次以上的整数操作。该系统能够实时实现信号的空间处理和时间处理等,并在水下弱信号检测中得到应用,取得了良好的结果。     

分布式雷达信号检测

本文将讨论一种分布检测系统,在这种系统中包括一组相互独立的检测器和一个中心处理器。此系统有高可靠性、强的生存能力和较短的判决时间。在对付电子干扰影响方面系统也较单站要好。 每一单站的检测性能(发现概率和虚警概率)都假设为己知,本文得出了分布检测时最佳检测器形式、分布检测器性能。并得出随着单站数目增加而检测性能提高的数字结果。     

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。     

从强信号背景中提取微弱信号的DBF算法

提出了一种利用波束形成技术从强信号与微弱信号的混合中对微弱信号进行盲提取的方法.当强信号与微弱信号的空间间隔大于一个波束宽度时,该方法可较好地实现对微弱信号的提取.同时,该方法具有不需要估计目标信号的方向、计算量小、对系统误差有一定稳健性的优点.在无系统误差的条件下亦可同时得到最强信号的方位信息.模拟实验验证了该方法的有效性.     

一种基于组合RBF网络及混沌理论的弱目标检测算法

针对复杂背景中的弱目标检测问题，提出了一种基于组合RBF网络及混沌理论的检测算法。该算法具有结构简单的优点。文中对算法的可实现性及合理性进行了理论分析，建立了基于预测误差优化的非线性预测模型，并结合闽值化处理实现了对弱目标的检测。在理论分析的基础上，对所提出的算法进行了仿真，结果表明了检测算法的有效性。