基于EMD算法的空间自旋目标平动补偿与微动特征提取

针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法。对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用 EMD算法分离出微多普勒曲线,提取微动特征。仿真实验验证了该方法的可行性与有效性。     

基于时频分析-随机Hough变换的微动目标参数快速提取

研究了微动目标的参数与其微多普勒特征之间的关系,针对旋转目标的微多普勒信号表现为三参数正弦调频信号的特点,提出了一种正弦调频信号参数快速提取算法.该方法对目标信号进行时频分析,并对分析的结果进行时频脊的提取,获得正弦调频信号的频率变换曲线.最后在提取的时频变换曲线上进行正弦曲线的随机Hough变换检测,从而得到正弦调频信号的参数估计.当信噪比较小时,该方法的估计精度优于Time Frequency Distribution-Hough(TFD-Hough)变换方法.当信噪比较大时,两种方法的估计精度相当,但该方法的运算时间优于TFD-Hough变换方法.仿真实验结果表明,相对于TFD-Hough变换方法,该方法的运算量明显减少,当信噪比为0时,该方法的运算时间约为TFD-Hough变换方法的19.9%.在计算精度方面,该方法的计算精度与TFD-Hough变换方法相当.     

基于谱聚集度的旋翼微动特征提取方法

针对无闪烁条件下多分量周期性微多普勒信号的参数估计问题,提出了一种基于谱聚集度指标的微动目标特征提取方法．首先通过散射点模型分析了目标的微多普勒调制特性,然后利用目标回波慢时间维的相位信息构建微多普勒信号的解调算子,并引入奇异值比谱法估计微多普勒信号中的主周期分量,实现搜索空间的降维优化处理,最后通过计算微多普勒信号与解调算子乘积的谱聚集度来实现目标叶片数、叶片长度和初相的参数估计．仿真结果表明：该方法估计精度高、运算速度快,且在低信噪比和搜索网格失配条件下具有较好的鲁棒性．     

基于时频分析和相关搜索法的正弦调频信号的分离

针对微动研究中微多普勒特征多表现为正弦调频信号的特点,首先在时频域采用时频分析的方法预估计信号的类别和相关参数范围,进而在时域通过相关法搜索相关参数对多分量正弦调频信号进行分离,最后通过仿真验证了该方法的有效性。     

基于DSFMT的旋转微动目标分离

针对窄带雷达距离分辨力低、无法从距离维分离弹道群目标的问题,提出利用离散正弦调频变换（DSFMT）分离群目标信号分量的方法。通过研究弹道目标的微动对回波信号的调制特性,建立微动信号的回波模型,利用离散正弦调频变换对正弦调频信号能量聚集的特性,将多分量信号投影到参数变换域上,构造目标函数,处理变换域上的峰值特征点,利用消去的思想逐步分离出各个信号分量。仿真实验验证了算法的有效性和鲁棒性。     

基于逆Radon变换的多散射点微动检测与测量

为将微动特性用于雷达目标识别,提出一种多散射点微动检测与测量算法.推导了典型微动对雷达回波调制的微多普勒,在此基础上,给出基于逆Radon变换的目标微动检测与测量原理;结合逐次消去法,研究了大动态范围下多散射点的微动检测与测量算法并给出相应的处理流程.定量仿真实验结果证明了该算法的有效性.     

基于瞬时频率率的平动刚体目标微动参数测量

为了估计具有二阶平动的刚体目标的微动参数,提出一种基于短时三次相位函数（CPF）和逆Radon变换（IRT）的参数测量方法.基于典型旋转微动模型,推导并分析初步平动补偿后微动散射中心的瞬时频率率（IFR）;采用短时三次相位函数得到雷达回波的时间瞬时频率率二维平面;基于时间瞬时频率率二维平面,利用逆Radon变换对正弦曲线的测量原理实现平动补偿的速度误差、加速度误差以及微动参数的测量。仿真结果验证了该方法的有效性。      

基于微多普勒的锥体目标进动和结构参数估计

真假目标识别是弹道导弹防御的一大技术瓶颈,目标识别的正确与否在一定程度上决定了反导系统的成败.微动引起的雷达可观测量微多普勒特征包含了目标的运动、尺寸、形状等大量信息,因此微动特征是当前学术界公认的弹道中段目标识别的有效特征之一,对微动特征的提取为弹道导弹防御目标识别提供了新的解决手段.该文以旋转对称锥形目标为研究对象,根据散射中心理论以及攻防对抗条件,推导了目标两个等效散射中心的位置与回波模型,建立了基于滑动型散射中心的锥体目标进动模型.分析了目标的结构参数与雷达回波微多普勒参数的显式关系,推导出微多普勒随时间变化的解析表达式.结合弹道中段目标识别等应用背景,提出了基于TFDHough变换的联合参数估计的方法.该方法综合两个散射中心的微多普勒参数,联合求解二者的参数空间,对进动和结构参数进行估计.仿真结果表明目标回波的微多普勒时频曲线与解析微多普勒曲线吻合,所提联合参数估计方法可准确估计进动角、进动频率、锥体高度、锥底半径等进动和结构参数.     

基于时频分析的微动弹道目标ISAR成像方法

为克服弹道目标在微动情况时,其散射点的多普勒频率会随微动而变化,最终影响弹道目标的成像质量问题,提出了利用abor变换进行时间选择成像的方法。通过时频分析的方法,在时频域上找寻多普勒频率近似于直线变化的时间段,并在此时间段中对目标进行成像。仿真结果表明:在目标存在微动情况下,选择多普勒频率近似为直线的时间区间进行成像,能有效地聚集ISAR成像,仿真分析验证了该方法的有效性。     

窄带雷达网弹道目标微动特征提取

目标微动特征是弹道中段识别的有效特征之一。针对单部雷达获取目标微动信息的局限性,提出了一种利用窄带雷达网进行弹道目标进动特征提取的方法。首先,建立了锥体进动模型和窄带信号模型,得到了散射点微多普勒表达式。然后,在锥体非理性散射点转化为理想散射点的基础上,通过频谱分析,实现了不同视角下散射点的匹配关联。最后,利用锥顶微多普勒信号对锥底进行补偿,在雷达视角方差最小时求得补偿系数。再联立2部雷达的微多普勒信息即可求出参数。仿真结果表明该方法能够精确提取微动参数和结构参数。     

基于深度卷积神经网络的弹道目标微动分类

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题,利用深度学习的高维特征泛化学习能力,提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先,在建立弹道目标微动模型的基础上,分析3种微动形式下的微多普勒表示,并生成雷达回波信号的时频图,作为训练、验证及测试的数据集;然后,运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练;最后,利用训练后的网络实现3种微动形式下的目标分类,并研究信噪比对分类性能的影响。仿真结果表明,与传统的微动目标分类方法相比,该方法不仅智能化程度高,而且在低信噪比条件下分类准确性更强。     

均匀圆形阵列的联合二维角度-频率估计

研究均匀圆形阵列的联合二维角度-频率估计问题.基于数据矩阵的重新排列、信号子空间的实数化处理、复数移不变方程以及联合特征值估计,推导出联合估计参数的ESPRIT类算法,该算法将参数估计问题转化为3个具有实特征值的实数矩阵的联合特征值估计问题.通过同时对角化算法估计矩阵的联合特征值,获得了参数联合估计的强可辨识性,即允许信号参数在任何一维任意重复,并可以使估计参数实现自动配对.理论分析和仿真证明了所提算法的有效性.     

面向托卡马克第一壁检测的超冗余机械臂运动学分析

针对托卡马克第一壁大范围高精度检测的需要,设计了一种超冗余13-DOF宏微式机械臂.为解决超冗余机械臂运动学计算快速性与精确性之间的矛盾,提出了一种考虑机械臂作业环境结构的运动学算法.该算法利用宏机械臂平面多连杆的构型特点和圆弧形的运动轨迹有效降低了逆运动学计算的复杂性.利用摄动法解决了微机械臂处于奇异位置时,运动学逆解无法解析求取的问题,借助能量最优原则唯一确定存在多解或无穷多解时逆解的选取.最后通过仿真验证了该运动学计算方法的有效性.     

基于酉ESPRIT的跳频信号DOA估计

为了利用跳频信号的空域信息辅助同步跳频信号的网台分选,提出了一种基于STFD酉ESPRIT的跳频信号DOA估计算法。首先用WVDSPWVD组合时频分析方法对接收数据进行时频变换,然后提取出跳频信号的有效跳(hop),并对其建立空时频矩阵(STFD),最后利用酉ESPRIT算法进行跳频信号DOA估计。该方法通过酉变换将ESPRIT算法的协方差矩阵从复数域转化到实数域,降低了计算量,而且酉ESPRIT算法利用了数据的共轭信息使数据长度等价增加了一倍,提高了估计精度。仿真结果表明文中算法在信噪比大于2dB时,DOA估计性能优于ESPRIT算法。     

基于自相关检测法和能量重心法的正弦信号频率估计算法

为了提高淹没在高斯白噪声中的实正弦信号的频率估计精度,提出了一种综合的结合自相关检测法和能量重心法的正弦信号频率估计算法。该算法首先通过多次自相关运算对输入信号进行预处理,可检测出淹没在噪声中的微弱正弦信号,来提高信噪比;然后对信号进行FFT(fast fourier transform)运算可得信号的功率谱,通过搜索最大值谱线的位置可粗估计出信号频率;最后运用离散频谱能量重心法,可精确估计出正弦信号的频率。仿真结果表明本算法在整个频段上频率估计性能比较稳定、频率估计的均方根误差更小,性能优于Rife算法、Quinn算法和能量重心法,并易于硬件实现,具有工程实用价值。     

基于正弦调频傅里叶变换的自旋微动群目标分辨

近年来针对孤立目标的微动特征提取技术已较为成熟,但针对群目标的分辨与微动特征提取技术尚有待深入研究。本文以空间自旋微动群目标为例,提出了一种基于正弦调频傅里叶变换的自旋微动群目标分辨方法。首先建立了自旋微动群目标的回波模型,在此基础上采用正弦调频傅里叶变换来提取回波中的微多普勒特征分量。针对正弦调频傅里叶变换在分析多分量正弦调频信号时所特有的交叉项问题,提出了一种有效的交叉项抑制方法。最后,结合交叉项抑制方法,利用正弦调频傅里叶变换处理自旋群目标微动信号,实现了对自旋微动群目标的分辨,并准确地提取出各子目标自旋频率特征。     

基于整整小波变换的心电数据压缩算法

根据整整小波变换理论提出了一种心电（ｅｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ） 数据压缩算法,整 整映射的整数运算保证了算法的快速性．由于屏蔽函数的引入和对阈值函数进行了特殊考虑,使该算法可同时取得高的数据压缩率和信息保真度．它不仅可完整保留ＱＲＳ、Ｐ、Ｔ、ＳＴ 段等临床信息,而且可有效保留心室晚电位信息．用ＭＩＴＢＩＨ 心律失常数据库对提出的压缩算法进行测试,结果表明平均压缩比为６－７ ,平均均方误差（ＰＲＤ） 为３ ．１ ％     

基于CUDA的运动估计算法研究

运动估计是H.264视频编码器中复杂度最高、耗时最长的模块.本文介绍了运动估计的基本原理以及全搜索算法FS(Full Search)和钻石搜索法DS(Diamond Search)等经典的运动估计算法,并引入了基于CUDA的运动估计算法:全域消除GEA算法和基于CUDA的并行FS算法,有效地提高了H.264视频编解码速度.     

基于圆弧样条构造NURBS曲线的等距线

利用双圆弧构造 Ｇ１ 圆弧样条逼近原始 Ｎ Ｕ Ｒ Ｂ Ｓ曲线,然后对每段圆弧的法矢进行调整,生成一条光滑的 Ｎ Ｕ Ｒ Ｂ Ｓ曲线,并将其称为等距方向曲线。按等距方向曲线对圆弧样条进行等距操作即可得到原始曲线的逼近的等距线。该方法有以下几个优点：①逼近精度容易控制;②所得等距线具有 Ｎ Ｕ Ｒ Ｂ Ｓ表示,且为一 Ｇ１ 圆弧样条,光滑性可达到工程要求;③算法稳定可靠,适合于任一平面或空间 Ｎ Ｕ Ｒ Ｂ Ｓ曲线,鲁棒性好。