基于分数阶功率谱的LFM信号检测

从分数阶傅里叶变换与Winger-Ville分布的关系出发,推导出分数阶功率谱与模糊函数过原点切片之间的傅里叶变换关系,提出了一种基于分数阶功率谱的LFM信号检测新因子,并证明了该因子与RAT检测因子等价。基于新因子的检测只需计算信号一定角度区域内的分数阶功率谱就能实现检测,因此相比于RAT方法在计算量上具有比较明显的优势。     

基于分数阶傅里叶变换的星载SAR信号参数实时估计

针对星载合成孔径雷达（synthetic aperture radar, SAR）信号参数估计问题,提出了一种基于分数阶傅里叶变换的实时估计方法。首先,介绍了分数阶傅里叶变换的定义和chirp信号参数的估计原理。其次,在介绍星载SAR运行特点的基础上,针对单脉冲和脉冲串这两种情况进行了相应参数的实时估计：通过对接收到的星载SAR单脉冲信号进行分数阶傅里叶变换,可以估计出星载SAR的载频和调频率;通过对接收到的星载SAR信号的脉冲串进行分数阶傅里叶变换,可以估计出方位调频率。仿真和实验证明这种方法是可行的。     

基于FrFT-Keystone运动补偿的OFDM声纳高速微弱目标相参积累检测算法

针对水下目标探测中使用的正交频分复用信号,提出了一种针对高速微弱目标的相参积累算法,以解决多脉冲积累下由目标机动引起的较大相位变化和由水下环境中信噪比低导致的相参积累增益不足的问题。所提算法利用分数阶傅里叶变换来估计目标的运动参数并进行补偿,并结合Keystone变换,实现对高速微弱目标的多脉冲相参积累。理论推导和仿真实验结果表明,所提算法能够有效补偿高速目标脉冲间的相位移动,并在低信噪比环境下取得较好的能量积累效果。     

基于分数阶傅里叶变换的chirp信号时频分析

提出了一种新的基于分数阶傅里叶变换的伪维格纳分布(PWD),用于单分量或多分量chirp信号的分析。首先通过搜索二阶分数阶傅里叶变换矩的极值点,寻找最佳变换域,然后利用旋转的短时傅里叶变换,在分数阶傅里叶变换域中实现各分量chirp信号间的分离,以抑制交叉项及噪声项的干扰。在已知信号模型的前提下,还给出了分数阶傅里叶变换最佳旋转角度的经验计算公式,以辅助信号分析。仿真实验表明,通过对时频平面的旋转,所提出的方法能够在分数阶傅里叶变换域中,很好地抑制多分量信号间的交叉项干扰,更好地提取信号的时频信息。     

分数阶傅里叶变换的自适应计算

提出了一种基于最小方差算法的自适应计算分数阶傅里叶变换的方法.通过对连续型分数阶傅里叶反变换进行离散化采样,得到适合数值计算的离散形式,进而通过适当的选择输入向量和目标函数构造自适应滤波器,并采用最小均方算法进行自适应计算,所得的滤波器权向量即为分数阶傅里叶变换的结果.仿真实验表明,该方法可以用来计算连续型分数阶傅里叶变换,并且计算延时相对较小.     

基于分数阶傅里叶域K谱线算法的LFM干扰抑制

针对线性调频(LFM)信号在分数阶傅里叶域的加窗特性,提出了一种基于分数阶傅里叶域K谱线算法的LFM干扰抑制方法.该算法直接把分数阶傅里叶域干扰所在的K根谱线进行定位和消除,从而避免了对门限值的求取.仿真结果表明该算法具有良好的抗线性调频干扰性能,而且当干扰幅度呈现非平稳变化时其性能优于门限法.     

基于分数阶傅里叶变换的LFM混响空时预白化方法

针对主动声纳在浅海混响背景下线性调频(linear frequency modulation, LFM)信号检测的高虚警问题,提出了基于分数阶傅里叶变换(fractional Fourier transform, FRFT)的空时预白化(space time prewhitening, STPW)方法。该方法利用FRFT对LFM信号良好的频域聚焦性,将混响信号变换到分数阶傅里叶域进行白化处理,使混响中的线变频率变换为稳定频率,增强了混响的局部稳定性,从而改善了混响的白化效果。通过实测混响数据对所提方法进行了验证,实验结果表明,所提方法使匹配滤波检测器的统计性能在信混比(signal to reverberation ratio, SRR)-16 dB~0 dB范围内平均提高了13%,显著提高了主动声纳在混响背景下的检测性能。     

过采样下分数阶傅里叶变换的改进算法

针对Ozaktas采样型分数阶傅里叶变换(fractional Fourier transform, FRFT)的计算量偏大以及分辨率较低的弱点,研究了过采样条件下采样型FRFT的计算,提出了一种改进算法。在过采样条件下,通过减小变换阶的取值范围,使在时频平面上的频率分布范围缩小,时域离散间隔保持不变,避免了插值运算,计算量明显减小,且算法具有可逆性。经过进一步拓展,改进算法具有分辨率可调,输出区域可选,输出长度可变的特点。最后通过数值仿真对改进算法进行了验证。     

跟踪机动目标的雷达波形选择新方法

针对多项式预测模型描述的机动目标,提出了一种新的雷达波形选择算法。由于机动目标的运动方程满足多项式的规律,以运动目标的多项式预测模型作为状态方程,Kalman滤波器可以很好地跟踪目标的位移和速度信息,并得到估计误差以及其预测。利用跟踪器得到目标状态估计误差的预测误差椭圆为基准,通过分数阶傅里叶变换来旋转测量误差椭圆,以使得雷达的测量误差椭圆与目标跟踪算法对目标状态的估计误差的预测的误差椭圆正交,从而得到了最优的波形选择。仿真结果表明,所提出的算法在性能上优于对比算法。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

基于模糊函数构型的动目标探测波形设计

针对工程中常规雷达波形存在距离旁瓣高、抗截获性差、多普勒容许性差等问题,本文借鉴噪声波形与线性调频(linear frequency modulation, LFM)波形联合思路来探测非合作动目标,即约束波形恒模条件下,利用相位尺度因子来考虑LFM波形与噪声波形的相位部分,构造恒模化的LFM-噪声复合波形;进而在模糊函数图及主优化算法(majorization-minimization, MM)体制下利用先验知识映射模板实现对特定距离-多普勒区间的波形优化,将该二维旁瓣抑制问题分步转化为多维求解问题,通过选取两次逼近函数来逼近原优化问题的解域,并在算法的每一次迭代中加入级联松弛-缩放步骤、相位校正步骤,使之加快算法迭代收敛效率,获得波形兼具低旁瓣、低截获及多普勒容许性。仿真表明:所提基于相位修正的松弛加权MM复合波形设计算法收敛迅速,相比常规算法具有明显的性能优势。     

Ultrasonic signal classification based on ambiguity plane feature

Ambiguity function (AF) is proposed to represent ultrasonic signal to resolve the preprocessing prob-lem of different center frequencies and different arriving times among ultrasonic signals for feature extraction, as well as offer time-frequency features for signal classification. Moreover, Karhunen-Loeve (K-L) transform is considered to extract signal features from ambiguity plane, and then the features are presented to probabilistic neural network (PNN) for signal classification. Experimental results show that ambiguity function eliminates the difference of center frequency and arriving time existing in ultrasonic signals, and ambiguity plane features extracted by K-L transform describe the signal of different classes effectively in a reduced dimensional space. Classification result suggests that the ambiguity plane features obtain better performance than the features extracted by wavelet transform (WT).     

基于模糊函数代表性切片的运动雷达辐射源识别

针对运动雷达辐射源的信号特性,提出了一种基于模糊函数代表性切片特征优化的个体识别算法。首先抽取模糊函数的“近零”频偏切片作为辐射源的代表性特征子集,从而保留了运动雷达辐射源信号的稳定个性特征,然后利用直接判别比准则在代表性切片上进行核点排序,以选择最具有判别力的特征。对美国海军实验室仿真雷达数据和实测运动雷达辐射源数据的实验均表明,本文算法不仅有效地解决了现有的模糊函数全平面优化法的计算问题,而且显著提高了对运动雷达辐射源的个体识别性能。     

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。     

强杂波下基于压缩感知的低空风切变速度解模糊

毫米波线性调频连续波(linear frequency modulated continuous wave, LFMCW)雷达进行低空风切变检测时, 会严重受到地杂波信号干扰, 并且风速估值模糊。针对该问题, 本文提出强杂波背景下利用压缩感知实现低空风切变速度解模糊。该方法依据多重频脉组参差方式下雷达回波的非均匀欠采样特性在角度-多普勒域中构建无模糊冗余字典(感知矩阵), 之后利用压缩感知技术提取杂波谱主要分量, 估计杂波能量支撑区, 建立杂波抑制矩阵, 接着基于加权的最小l₁范数优化模型实现杂波抑制并恢复出低空风切变在角度-多普勒域中不模糊的稀疏向量, 得到风场无模糊多普勒信息, 最终求得准确的速度值。     

Order selection in fractional Fourier transform based beamforming

Traditionally, beamforming using fractional Fourier transform (FrFT) involves a trial-and-error based FrFT order selection which is impractical. A new numerical order selection scheme is presented based on fractional power spectra (FrFT moment) of the linear chirp signal. This method can adaptively determine the optimum FrFT order by maximizing the second-order central FrFT moment. This makes the desired chirp signal substantially concentrated whereas the noise is rejected considerably. This improves the mean square error minimization beamformer by reducing effectively the signal-noise cross terms due to the finite data length de-correlation operation.  Simulation results show that the new method works well under a wide range of signal to noise ratio and signal to interference ratio.     

基于改进 HAF的线性调频雷达信号参数估计

针对多项式相位信号(PPS)中的线性调频(LFM)雷达信号参数估计,通过提出频谱方差极大值准则对PPS次优参数估计方法高阶模糊度函数(HAF)进行了改进,提出了适于单分量LFM参数估计的改进HAF。首先讨论了HAF对LFM参数的估计方法及其局限性,然后提出了分段频谱方差极大值法则下LFM调频斜率估计的方法,将其与HAF相结合提出了单分量LFM参数估计的改进HAF,克服了接收信号与实际信号起点不一致性对HAF带来的影响,降低了由于HAF局限性带来的调频斜率估计误差,改善了HAF的累积误差效应。MATLAB仿真验证了改进方法较HAF的优越性。     

基于模糊函数的LFM UWB雷达信号滑动平均波达方向估计

针对线性调频类超宽带雷达信号的线性时频特性,提出了基于2阶统计量——信号模糊函数的线性调频类超宽带雷达信号波达方向估计算法,通过分析仿真证明该方法优于传统方法。根据分析指出循环平稳算法与模糊函数算法之间的关系,介绍了循环平稳算法对基于窄脉冲形式的无载波超宽带雷达信号DOA估计的有效性。系统完整地论述了超宽带雷达信号DOA估计算法。     

基于连续信任函数理论的鲁棒雷达目标检测方法

目标检测是雷达的基本功能, 其鲁棒性直接决定了雷达应用的成败。针对瑞利目标检测问题, 充分利用连续信任函数理论在不确定性信息表征和推理方面的优势, 提出一种鲁棒雷达目标检测方法, 在决策空间中可对先验模型噪声、真实目标和外来干扰的信任进行精准量化。鉴于该检测方法不存在解析解的问题, 通过随机变量的变换, 将任意瑞利目标幅度起伏模型转化为标准瑞利模型, 再利用查表方式实现信任函数的数值计算, 最后完成检测决策或用于后续融合推理。瑞利目标检测实验验证了所提方法的鲁棒性。