一种基于粒子滤波的跳频信号频率跟踪技术

为了能在未知跳频模式或跳频时刻的条件下,实时估计跳频信号的频率,提出了1种相位粒子滤波的跳频信号频率跟踪算法.首先建立了跳频信号的相位统计模型;然后通过粒子滤波算法实现对信号相位的后验概率密度估计;最后通过相位的后验概率密度实现对跳频频率的最小均方误差估计.算法使用序贯重要性采样技术实现粒子权值的迭代更新,采用系统重采...     

Costas跳频雷达运动补偿中的模拟退火算法

通过为Costas跳频雷达一维距离像定义一个波形熵，将运动补偿转化为一个一维优化问题。基于模拟退火算法的原理，提出了一种一维精确搜索算法并将其运用到Costas跳频雷达的运动补偿中。仿真表明，该算法不依赖于梯度信息，具有良好的稳健性和全局收敛性，在信噪比为0．4dB时仍能获得高分辨率的一维距离像。     

高超声速平台随机跳频雷达目标一维距离成像

针对随机跳频合成宽带雷达体制以及高超声速应用背景,分析了大尺度多卜勒展宽效应、随机/非线性距离-多卜勒耦合效应及其对目标一维距离成像的影响,提出了基于多卜勒前置处理的实时递归记忆成像方法.该方法利用当前帧以及过去若干帧的回波数据得到当前帧的多速度通道一维距离像,在目标所处的速度通道附近进行前置的多卜勒波束锐化处理,抑制高动态/随机跳频合成宽带情况下的上述特殊效应所造成的目标一维距离像的发散;采用递归方式,每一帧的距离像都可以在前一帧距离像的基础上通过增加少量运算得到;引入记忆因子,进一步降低了存储及计算开销.理论分析及仿真结果表明:提出的成像方法可以有效改善成像质量,并且更容易满足高超声速应用情况下的高数据率实时成像需求.     

稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

基于动态规划的雷达弱目标检测前跟踪算法

针对中重频雷达弱目标检测的距离-多普勒模糊问题,提出了一种基于动态规划的检测前跟踪算法。在多重频工作模式下,将目标的状态分解为模糊状态和模糊数两类变量,将解模糊问题转变为对模糊状态和距离-多普勒模糊数的联合估计问题。对每个单重频雷达数据都采用动态规划算法估计目标状态并获取目标最大的航迹能量。最后采用余差查表法解距离-多普勒模糊并回溯目标真实航迹。仿真结果表明,在存在距离-多普勒模糊的情况下,该算法对雷达弱目标具有很好的检测性能。     

基于单脉冲测角技术的雷达高分辨三维成像方法研究

本文针对宽带毫米波雷达角跟踪中的角闪烁问题,提出一种基于高分辨距离像的单脉冲测角新算法。该算法利用线性调频步进信号高分辨测距、单脉冲技术进行测角,从而形成基于扩展目标的合成高分辨距离-方位-俯仰三维像。仿真实验证明,此成像方法可以较精确的得到目标散射中心的方位、俯仰角以及散射强度信息,提高测角精度,对实现精确制导技术有着重要的参考价值。     

室内动态环境下的移动机器人自主避障策略

针对室内未知动态环境移动机器人自主避障问题,提出一种融合动态障碍物方向判断策略及子目标点更新策略的自适应模糊神经网络优化避障算法,并依据该算法设计移动机器人避障控制系统。首先,分析移动机器人的运动模型,获取机器人的目标角度;然后由超声波传感器获取障碍物距离信息,由障碍物距离信息判断动态障碍物运动方向并更新子目标点;最后利用自适应模糊神经推理系统实时输出机器人的转向角与速度,实现对机器人转向角的控制,使机器人能够无碰撞地到达目标点。研究结果表明:本文提出的算法能够使移动机器人在未知动态环境下识别障碍物、判断动态障碍物的运动方向以实现自主避障;相对于无子目标点更新策略,移动机器人平均移动速度提高11.75%,验证了所提算法的有效性。     

面向成像任务的宽带MIMO雷达认知波形设计

为了利用最少的带宽资源,获取多个方向目标满意的成像结果,提出了一种信号带宽动态调整的宽带MIMO雷达认知波形设计方法。通过建立目标一维距离像与发射信号带宽之间的闭环反馈,使雷达可根据目标的粗分辨一维距离像,设计在距离向上每一个散射点所需的最小发射信号带宽。在此基础上,综合考虑发射方向图和在目标方向所合成发射信号的带宽要求,建立波形认知优化模型并对其进行求解,最终实现了多目标观测时发射信号带宽的动态调整。仿真实验表明,在信噪比为-10dB条件下,该方法可以准确计算出各目标在距离向上最近两散射点之间的距离,并且可在最少消耗带宽资源的条件下实现目标逆合成孔径雷达成像,该成像结果与大带宽线性调频信号的成像结果十分相近。     

基于雷达和红外的序贯粒子PHD滤波融合算法

针对粒子概率假设密度(PHD)滤波算法在虚警、漏检情况下,目标状态估计不稳定和目标可观测性较弱的问题,提出了一种基于序贯融合的粒子PHD滤波方法,利用雷达和红外传感器多目标进行融合跟踪.其基本思想是先对红外传感器进行粒子PHD滤波,再将红外传感器滤波结果作为雷达的预测值,然后利用雷达观测的数据进行更新,这样通过雷达和红外传感器交替工作保证目标状态的可观测性,从滤波器输出结果即可得到目标的状态信息.仿真结果表明,在虚警、漏检和密集目标环境下,该方法是有效的和稳健的.     

基于线性调频步进信号的SAR实测数据成像

介绍了线性调频步进信号的形式及合成高分辨距离像的原理,提出了一种基于该信号形式拉伸处理的地杂波剔除方法,分析了目标运动以及雷达载机振动对合成的一维距离像的影响等问题,给出了合成距离像的仿真结果以及一种毫米波直升机机载成像雷达的实测数据成像结果。     

一种新的Q学习算法在机械臂轨迹规划中的应用

为了对二自由度机械臂轨迹进行规划, 提出了一种新的动态搜索Q学习算法。该算法不需要建立机械臂的数学模型, 直接对轨迹进行规划, 根据学习进程动态调整贪婪策略的比例参数, 并给出较传统方式更具客观性和公平性的定量策略评价单元。同时, 由动态更新机构在线更新学习经验。仿真结果表明, 新的Q学习算法能使机械臂更快速地达到目标位置, 并实现轨迹全局最优。     

基于多散射中心联合抽取的步进频雷达成像方法

针对步进频雷达复杂目标抽取一维距离像时存在的多散射中心幅度损失问题,提出了一种基于多散射中心的联合抽取算法.方法根据目标最强散射中心,利用逆向舍弃法得到参考距离像,然后提取目标多散射中心峰值,并由强到弱得出能抽取到相应散射中心峰值的多组抽取起始点集合,依次对这些集合取交集,作为最佳抽取起始点.该方法确定的抽取起始点能够抽取到尽可能多的散射中心峰值,并且各散射中心的测距精度更高.经计算机仿真和实测数据验证,该方法抽取效果优于逆向舍弃法等传统抽取方法.      

一种基于独立分量分析的变速跳频信号盲分离方法

针对当前跳频信号盲分离算法计算量大,精确度不高的问题,结合变速跳频信号采用不断加快的跳速和“跳速多变”的策略,提出了一种利用信源间的独立性解决变速跳频信号盲分离问题的方法。同时,采用负熵最大化寻优算法加快了传统独立分量分离算法运算速度。通过仿真实验与处理实际数据结果表明：与其他方法相比,该方法在不需要任何先验信息的条件下,可以在低信噪比的情况下较好地分离出各个变速跳频信号,同时能够精确恢复出变速跳频信号的跳频图案,在20 dB信噪比的情况下,分离后相似系数可以达到99%。该研究为变速跳频信号盲分离问题提供一个新的解决途径。     

基于TMS320C6x的调频步进雷达数字信号处理机

研究利用步进频结合调频子脉冲信号体制实现雷达的距离高分辨力。首先从理论上分析该信号的信号处理算法,然后通过仿真验证其处理算法的可实现性。在硬件设计的基础上,通过仿真分析ＴＭＳ３２０Ｃ６２０１的有限字长效应对调频步进雷达信号处理机的影响,利用ＴＭＳ３２０Ｃ６２０１实现了步进频结合调频子脉冲信号的压缩处理,并提出了有限字长效应的解决方案。利用步进频结合调频子脉冲信号体制,可以实现雷达的距离分辨力的Ｎ倍     

基于流形的分类算法及其在毫米波雷达目标识别中的应用

针对毫米波高分辨率雷达一维距离像目标识别的多类分类问题．基于局部线性嵌入（Locally Linear Embedding,LLE）算法思想,考虑样本与其所在低维流形之间的关系,提出一种多类分类算法．该算法先确定样本所在低维流形的结构,然后通过比较未知样本与各类已知样本流形间的关系来分类．将其应用于毫米波高分辨率雷达一维距离像目标识别,实验结果表明,该算法能够有效地进行分类。性能优于其他常用多类分类算法．且对输入参数不敏感．     

基于搜索的步进频雷达信号速度补偿算法

为了提高步进频体制雷达的目标数据输出率,提出了一种基于搜索的步进频雷达信号速度补偿算法.该算法利用步进频方式下目标运动产生的二次相位项带来的影响,不用参差就能解速度模糊,从而完成速度补偿.研究了新算法对雷达参数设计的要求,理论和仿真结果表明了该方法的有效性,为步进频体制雷达的参数设计提供了理论依据.     

Prony算法在步进频率雷达多 目标检测中的建模研究

步进频率信号是一种以增大信号带宽为代价来提高雷达距离分辨力的宽带信号。在步进频率雷达中,将接收的基带信号看作是包含目标信息的指数函数的线性组合;而Prony 算法是用指数函数的一组线性组合来描述等间距采样数据的数学模型。将扩充的Prony算法应用到步进频率体制的雷达中,可以得到更为精确的目标信息,并且可以克服直接采用IDFT合成高分辨距离像的一些缺点。相应的建模分析和实验仿真,说明了该算法的优越性。     

一种改进的毫米波雷达聚类算法

针对毫米波雷达数据均匀性差,数据量小,噪点多等问题,提出一种基于DBSCAN (density-based spatial clustering of applications with noise)的雷达自适应聚类算法.改进算法能够根据K近邻距离和目标反射截面自适应调整聚类半径.首先给出一种聚类半径根据K近邻距离动态调整的机制:目标第K个近邻的距离与阈值相比较,以确定阈值半径取值.再提取雷达提供的目标反射截面,基于该值计算目标假象半径作为聚类半径的补充量.实现根据目标反射截面与数据稀疏程度自适应聚类的效果.将改进算法与不同参数的DBSCAN聚类算法在真实雷达点云数据进行实验对比.相较于选取合适参数的DBSCAN算法,改进算法能够更好适应毫米波雷达点云特征,对行人目标识别准确率提高4.18％,对车辆目标识别准确率提高5.63％.     

基于一维高分辨距离像的相关测速补偿算法

在分析运动目标对频率步进信号成像影响的基础上,阐述和推导了基于一维高分辨距离像的相关测速算法,给出了该算法的测速性能和实现流程.对是否利用IFFT结果的相位信息,提出了距离像实包络相关和复包络相关两种处理模式.针对空间高速运动目标.仿真和分析了各因素对测速精度的影晌.结果表明,该算法测速精度高,计算量小,抗噪性能较好,为宽带雷达实时自测速补偿提供可能.     

MAKF算法及其在雷达数据处理中的应用

为了实现雷达对高动态目标距离和速度的精密跟踪测量,引入衰减记忆卡尔曼滤波(MAKF)算法,并提出一种集判断发散和抑制发散于一体的衰减记忆因子确定方法. 该方法通过增加观测量在状态估计中的权重,大幅降低加速度引起的距离、速度跟踪偏差,从而有效地抑制标准卡尔曼滤波(KF)算法在跟踪高动态目标过程中产生的滤波发散现象. 仿真结果表明,在低动态下,该算法的性能与标准KF算法接近,但在高动态下,该算法状态估计的系统偏差和随机误差相对标准KF算法均有明显改善;同时,该算法可以有效地抑制标准KF算法在一般加速运动下的滤波发散.