基于MMSE估计的全极化雷达自适应脉冲压缩

针对同时极化测量体制雷达发射波形自相关和互相关特性相互制约的矛盾,提出了一种基于最小均方误差估计的全极化雷达自适应脉冲压缩方法,其核心思想是通过初始化滤波器得到各距离单元散射系数的先验信息,并结合对应极化通道的回波信号,根据贝叶斯原理估计得到每个距离单元的自适应滤波器,在分离各极化通道回波信号的同时实现脉冲压缩。通过设置典型的仿真场景,从检测概率和目标极化散射矩阵估计的均方误差两个方面分析了自适应脉冲压缩算法的性能。仿真结果表明,该算法能有效地抑制邻近距离单元的干扰和不同极化通道之间的互扰,比标准匹配滤波器更好地实现全极化雷达脉冲压缩。     

基于滤波器组的星载SAR DPC-MAB技术方位向非均匀采样信号的重构

给出了基于滤波器组对方位向周期性非均匀采样信号重构方位向均匀采样信号的算法。该算法主要利用滤波器组重建信号的原理,由完全重建条件和已知的分析滤波器组得到合成滤波器组,通过得到的合成滤波器组对方位向周期性非均匀采样信号进行重构,得到均匀采样信号。该均匀采样信号被用来消除当多相位中心方位向多波束星载SAR在系统的脉冲重复频率(PRF)偏离理想值时进行成像而产生的成对虚假目标。通过仿真,证明了该算法的有效性。     

基于并联滤波器的多谐波分析算法

提出一种对包含多种谐波的电力信号进行分析的多个二维线性滤波器并联的算法.通过调节每个滤波器的频率参数和带宽参数,该并联滤波器组能够同时实现对任意已知频率的谐波和问谐波的准确跟随和分析,该算法不需要傅立叶算法那样大存储空间.说明了系统是一致全局稳定的,给出传递函数矩阵,分析了频率特性.通过仿真试验,表明新算法对频率已知平稳信号,能实现快速跟随和精确检测,对于频率存在偏差的信号,频率偏移的大小决定了检测精度.     

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.     

基于Sallen-Key滤波器的数字高斯成形方法的仿真

详细阐述了一种指数信号数字高斯成形技术的计算机仿真方法.首先,以Sallen-Key滤波器为基础,建立了指教输入信号和高斯输出信号之间的数学关系模型.该模型是一个二阶微分方程.其次,模型解算过程中利用数值微分算法得到一个数值递推解通过计算机仿真该数值递推解实现了指数信号的数字高斯成形.最后,将成形模型应用于实际核脉冲信号分析系统中,通过计算机仿真确定了成形参数.     

基于并行滤波器组和高阶累积量的扩频信号检测与估计

在非协作通信截获中,提出了一种有效的基于并行滤波器组和三阶累积量的扩频信号检测方法.滤波器组将输入信号细划成许多窄的频率通带,不仅在时频域完整的描述了未知信号,也改善了输出信噪比.采用三阶累积量估计器进一步抑制高斯噪声,并保留信号的有用信息,提高算法的检测能力.最后通过创建特征矩阵,实现扩频信号的参数估计.仿真实验表明,算法适用于低信噪比下的直接序列扩频扩信号检测,并能有效估计截获信号的载频和调制带宽.     

脉冲噪声中基于数据可信度加权的跳频信号检测

时频分析是跳频(frequency-hopping, FH)信号检测的有力工具,但是脉冲噪声下性能严重退化,无法有效地提取跳频信号的周期、频率和跳变时刻等参数;基于分数低阶统计量和最大似然估计(maximum-likelihood,ML)的算法是改善脉冲噪声下FH信号时频分布的两类常用方法,但前者性能改善有限,后者通常对噪声的概率分布较为敏感,且计算复杂度高。对此,提出一种基于数据可信度加权(weighting based on the data credibility,WDC)的FH信号检测方法。该方法基于云模型(cloud model, CM)理论,建立了数据可信度的概念,以分析脉冲噪声下接收信号的不确定性,然后在此基础上实现信号加权,改善脉冲噪声下FH信号的时频分布特征。仿真实验证明,在稳定分布噪声中,该方法与基于分数低阶及Myriad滤波器的时频分析方法相比,能够较好地抑制脉冲噪声,获得FH信号的参数信息,具有良好的鲁棒特性。     

GNSS软件接收机中匹配滤波器算法研究

为了适应全球卫星导航定位系统接收机的发展趋势,针对GNSS系统不同信号,研究了一种联合多个星座卫星信号的匹配滤波器捕获算法.通过对算法的分析,给出了影响算法复杂性的两个因素:接收序列伪码长度和本地复现序列数,并通过仿真给出了捕获GPS粗码信号和伽利略系统E1频段开放信号可以参考的最佳复现序列数.仿真结果表明,对不同的GNSS信号,只要通过软件配置算法中的复现序列数,就可以以最小的计算复杂性来捕获相应信号.这个结论对软件接收机中匹配捕获算法的设计有重要的指导意义.     

基于LFM子脉冲的宽带雷达目标回波模拟方法

在宽带雷达目标回波信号的半实物计算中,需要同时满足实时性和仿真精度的要求。提出一种基于线性调频(linear frequency modulation,LFM)子脉冲的宽带雷达目标回波模拟方法,将LFM脉冲信号分成若干个窄带、短时线性调频子脉冲,通过计算各个子脉冲对应的目标回波信号,来重构全脉冲的宽带目标回波信号。采用这种方法可大幅度减少算法的运算量,显著降低了算法对硬件资源的要求,提高了算法的实时性。计算机仿真结果证明了方法的可行性并具有较高的计算精度。     

多载频相位编码雷达信号自适应脉冲压缩方法

多载频相位编码信号(multi-carrier phase-coded,MCPC)作为近年来备受关注的一种宽带雷达信号,具有较高的频谱利用率、良好的自相关以及频率分集特性等优点,因而在目标检测、抗干扰以及高分辨成像等领域具有较大的应用前景。针对MCPC雷达信号常规脉冲压缩易产生高距离旁瓣而导致强目标邻近的弱小目标检测困难问题,通过对MCPC雷达信号进行建模分析并结合其信号特点,提出了一种MCPC雷达信号自适应脉冲压缩算法,通过利用循环迭代获取每个距离单元的最优匹配滤波器,从而有效抑制了距离旁瓣,提高了对邻近距离单元弱小目标的检测能力。仿真实验验证了该方法的有效性,并进一步分析了编码方式对脉冲压缩距离旁瓣的影响。     

一种新的基于梯度信息的自适应平滑算法研究

为了弥补基于梯度信息的平滑技术难以滤除脉冲噪声的不足,借鉴中值滤波理论,提出了一种新的基于梯度信息的自适应平滑算法。实验结果表明,该算法不仅可以有效滤除各种慢变化及脉冲噪声,而且在滤噪的同时能锐化目标的边缘。其单次滤波效果较基于梯度信息的平滑技术有明显改进,而且只需3次滤波即可达到比较理想的平滑效果。     

形状自适应各向异性微分滤波器边缘检测算法

传统参数固定的微分滤波器难以精确检测图像中不同类型的边缘,并存在噪声敏感的不足,为此,提出了一种基于形状自适应各向异性微分滤波器的边缘检测算法。利用图像的微分自相关矩阵构建一种反映边缘像素类型的度量准则,并建立度量与各向异性高斯方向导数(anisotropic Gaussian directional derivative, ANDD)滤波器各向异性因子之间的映射,实现ANDD滤波器的形状自适应控制,从而能精确地提取不同类型边缘的强度映射。同时大尺度的ANDD滤波器增强了边缘强度映射的噪声鲁棒性。实验结果证明,在无噪声情况下,所提算法的边缘品质因子(pratt figure of merit, FOM)分别比Canny边缘检测算法、基于Gabor的边缘检测算法和基于测度融合的边缘检测算法高23.3%、14.5%和9.5%。在含噪声情况下,则分别高41.7%、29.7%和12.0%。     

间歇非均匀采样转发干扰产生方法研究

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)在接收端匹配滤波后会产生相干假目标群,但是这些假目标在距离和幅度上都呈现出很强的规律性。针对这一问题,依据每一个采样子波形的理论脉压结果,采用间歇非均匀的采样和不定量的转发破坏假目标在脉压后的规律性,使其能在较大范围内形成压制效果,并使用禁忌搜索算法对每一个干扰采样信号的脉冲宽度和转发次数进行优化求解。仿真分析了不同信号参数和禁忌搜索算法中的不同权值对干扰效果的影响,并从脉压前后的平均功率、脉压结果的过门限概率以及脉压前后干扰信号和目标信号的循环相关系数等3个方面将传统的产生干扰方法和本文所提的方法进行对比,证明了所提方法的有效性。     

基于强跟踪器的机动航天器相对动态定位算法

针对机动航天器之间精确动态相对定位问题,提出一种基于强跟踪器(strong tracking filter, STF)的动态相对定位算法。该算法针对相对机动过程中3个方向的机动特性,设置三向渐消因子进行三向滤波,克服了单向渐消因子与实际机动不匹配而造成的跟踪精度下降问题, 针对三向滤波在直角坐标系下的跟踪问题,设置去偏转换测量算法,克服了球坐标系与直角坐标系的转换偏差问题。仿真实验表明,该算法在初值敏感性和相对机动恢复性上均强于其他算法,适用于脉冲推力、有限推力等多种情况下机动航天器间精确动态相对定位。     

Optimal design study of high order FIR digital filters based on neural network algorithm

An optimal design approach of high order FIR digital filter is developed based on the algorithm of neural networks with cosine basis function . The main idea is to minimize the sum of the square errors between the amplitude response of the desired FIR filter and that of the designed by training the weights of neural networks, then obtains the impulse response of FIR digital filter . The convergence theorem of the neural networks algorithm is presented and proved, and the optimal design method is introduced by designing four kinds of FIR digital filters , i.e., low-pass, high-pass, bandpass , and band-stop FIR digital filter. The results of the amplitude responses show that attenuation in stop-bands is more than 60 dB with no ripple and pulse existing in pass-bands, and cutoff frequency of passband and stop-band is easily controlled precisely .The presented optimal design approach of high order FIR digital filter is significantly effective.     

高斯粒子PHD滤波的多个弱小目标TBD算法

针对现有多个弱小目标检测前跟踪(track before detect, TBD)算法存在的跟踪精度低,算法复杂度高等问题,提出一种新的基于概率假设密度(probability hypothesis density, PHD)的TBD算法。所提算法通过高斯粒子滤波对PHD中的各高斯项进行递归运算、进行多帧能量累积,并提取高斯项的均值为目标的状态,达到检测与跟踪多个弱小目标的目的。算法在随机集滤波框架下完成未知数目的多个弱小目标跟踪,不仅充分利用粒子滤波的非线性估计能力,同时避免了传统算法利用模糊聚类进行目标状态提取所带来的跟踪精度低等问题。仿真结果表明,所提算法与传统方法相比,在降低算法复杂度的同时,对多个红外弱小目标具有更加良好的实时检测和跟踪性能。     

高距离分辨雷达用相关滤波提高目标检测性能

当目标被大时间带宽积的信号照射后，其回波特性并不呈现出点目标特性。对于这种目标回波信号的检测可以利用相关滤波的方法。本文将叙述相关滤波法的原理和性能。由于采用此法可以提高目标信号／噪声比，因而也可使低ＲＣＳ（雷达反射截面积）目标检测性能得到提高。     

Lattice structure adaptive IIR notch filter based on least square kurtosis

A new variable step-size algorithm for a second-order lattice form structure adaptive infinite impulse response (IIR) notch filter to detection and estimation frequency of sinusoids in Gaussian noises is proposed. Utilizing least square kurtosis of output signals as a cost function, the new gradient-based algorithm to update frequency of the adaptive IIR notch filter and the new variable step-size algorithm are given. The computer simulation results show that the proposed algorithm has better ability in suppressing colored Gaussian noises and better accuracy in estimating parameters at low SNR than previous algorithms.