雷达杂波的分形特性研究

本文利用实测外场雷达地杂波数据,分析了它的分形特性,对杂波的统计特性、自相似性、维数、无标度区间和混沌性等方面进行了研究。实验结果表明,杂波具有分形特性,是近似的分形函数     

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。     

雷达作用距离的分形特性研究

雷达信号的检测特性是根据目标回波的某种随机分布确定的,但实践证明雷达目标回波具有分形特性,即雷达回波是受非线性动力学系统控制的,随机性中又存在着某种确定性。根据雷达回波信号的分形特性,分析提出了雷达作用距离也具有分形特征。通过建立仿真模型进行实验,证明了所提理论的有效性,得到了雷达作用距离的分维数,对于修正雷达检测特性曲线具有一定的指导意义。     

高频雷达海洋回波混沌特性研究

为分析大面积海域海洋回波的混沌特性,使用时间序列相空间重构、时间延迟、嵌入维数、关联维数和Lyapunov指数等混沌特性研究方法。利用海洋状态测量与分析雷达(OSMAR 2000型)获取的时间序列数据,基于Donald E.Barrick提出的线性调频中断连续波(FMICW)雷达信号处理方法和一、二阶海洋表面回波理论,对位于浙江舟山东海岸张角约65°,距离约200 km的扇形海面高海态和低海态回波数据进行了分析处理,证明此类海洋回波具有混沌特征。     

基于多重分形模型的海杂波特性分析与仿真

在分析实测雷达海杂波数据时域特性的基础上,发现海杂波具有长时相关特性,且在较大的范围内具有尺度不变性,因此,利用多重分形模型可以较好的刻画海杂波的复杂特性。在此基础上,提出一种基于小波多重分形模型的海杂波建模与仿真方法。实验结果表明该方法可以较好的模拟海杂波的统计特性和多重分形特性,并且具有较小的计算量,为雷达海杂波的建模和仿真提供了一条新的思路和有效手段。     

基于火控雷达测试的箔条弹RCS快速预估方法

火控雷达工作的频段是反舰导弹末制导雷达主要工作频段之一,研究箔条弹在该频段的RCS特性对水面舰艇反导作战具有重要意义. 本据火达可以实时跟踪快速小目标的特性,结合外场测量实际和测量原理,提出了一种基控雷达测量的箔条弹RCS快速预估方法. 该方法首先利用火控雷达实时跟踪箔条弹,并箔条弹弹丸开舱前瞬间的雷达回波增益控制电压衰减量和距离; 然后火控雷达转而跟踪后所形成的箔条云,并实时测量箔条云的雷达回波增益控制电压衰减量和距离; 最后利用改雷达截面积比较法快速预估箔条干扰弹的RCS. 外场试验表明: 该方法能快速得到测量数据,现RCS的快速预估. 同时,测试数据可为舰载火控雷达的抗箔条干扰研究提供参考.     

用混沌序列提高MIMO雷达多目标检测性能

基于混沌相位编码信号在相关性和随机性等方面的良好特性,提出了一种用混沌相位编码信号提高多输入多输出(multiple input multiple output, MIMO)雷达多目标检测性能的方法。取不同初始值代入混沌映射产生不同的混沌序列|通过均匀量化、四相编码得到混沌相位编码波形。通过多脉冲压缩累积有效降低混沌波形的互相关和自相关旁瓣,使得输出结果具有较低的旁瓣峰值,从而提高了MIMO雷达对多目标检测的性能。最后的仿真结果表明了该方法的有效性。     

雷达目标动态RCS仿真研究

根据中段弹道目标的运动学特性，结合室内缩比模型RCS静态测量数据，提出了一种雷达目标动态RCS仿真的方法。该方法首先仿真空间目标飞行弹道，然后计算目标在飞行过程中的方位角，由此获得目标在设定场景下的RCS动态特性。仿真结果与理论分析相比较，证明了所提出方法的可行性。     

高速动态空间目标宽带回波仿真方法研究

获取空间高速动态目标的宽带回波数据是进行空间目标电磁特性研究,开展空间目标探测与识别的基础.针对静态测量和动态测量不同形式的雷达发射信号,分别建立了空间目标静态测量条件下扫频宽带回波信号模型和解线频调的高速宽带回波信号模型.在分析两种信号模型差异的基础上,提出了一种利用静态数据仿真生成高速动态目标宽带回波的方法,并详细分析了该方法的适用条件.最后对仿真方法进行了验证,证明了其可行性和正确性.     

空间微动目标动态全极化回波仿真技术研究

从空间微动目标的运动特性和全极化散射特性两方面出发,研究了进动目标动态全极化回波仿真技术。分析了自由段飞行过程中目标姿态角的变化规律,通过进动坐标系建立了微动参数到目标姿态角的映射关系,修正了直接将偏航、俯仰、横滚等三个欧拉角应用于进动目标姿态角计算的方法。建立了目标测量极化到雷达发射极化的变换关系,指出全极化雷达各个极化通道回波的仿真,均需要目标全极化测量数据的支撑。典型参数下的仿真结果表明,本文提出的方法能够逼真反映空间微动目标的全极化特性。     

时间序列处理中一阶分形模糊滤波器效果分析

一阶分形模糊控制滤波器是一种自适应滤波器,根据噪声的分形特征量变化改变滤波器的控制参数,自动调整其滤波特性,可以应用于时间序列的处理中。分析了一阶分形模糊控制滤波器的频率-幅度特性,白噪声和有色噪声分形盒维数的变化;讨论了滤波器中时间序列的短时分形盒维数的定义及分形模糊控制函数形式及选用方式。针对一个低频信号混杂不同有色噪声的时间序列的滤波处理算例表明分形模糊控制滤波器能够提高信噪比,相对固定滤波器具有较小的均值误差;但是其过于简单的结构和对时间序列分形特征量应用的不准确影响其性能。提出改变分形模糊滤波器结构、利用噪声多重分形特征量并采用神经网络、查表法确定模拟控制函数等来改善分形滤波器性能的方法。     

基于奇异值熵和分形维数的雷达信号识别

针对低信噪比条件下雷达信号脉内调制方式识别算法识别率低的问题,提出了基于奇异值熵和分形维数的雷达信号识别算法。该方法首先通过Choi Williams分布得到信号的时频图像,提取时频图像的奇异值熵;然后再提取信号频谱的盒维数与信息维数,组成三维特征向量;最后使用基于支持向量机的分类器实现雷达信号的分类识别。对8种典型雷达信号的仿真试验结果表明该方法抗噪性强、识别率高,在信噪比大于1 dB时,平均识别率能达到95%以上。     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

基于CMCAP的低空风切变风速估计方法

针对机载气象雷达在存在幅相误差影响时,杂波抑制性能下降,低空风切变风速估计不准确的问题,提出了基于组合空时主通道自适应处理(combined space-time main channel adaptive processing, CMCAP)的低空风切变风速估计方法。该方法首先对待测距离单元的雷达回波数据利用构造的降维联合空时变换矩阵进行自适应降维处理,然后构造降维处理器的最优权矢量对降维处理后的数据进行自适应滤波,进而在存在幅相误差的情况下实现风场速度的准确估计。后续仿真结果证明了所提方法的有效性。     

三维瞬时极化滤波器

以高频地波雷达为背景 ,提出了三维极化滤波方法 ,此方法能够滤除二维极化滤波不能抑制的干扰 ,扩大极化滤波的干扰抑制范围。为实现实时处理和自适应快速变化的干扰 ,推导了一种瞬时极化滤波算法 ,该算法可以根据单样本建立滤波极化矢量 ,按照取样率的速度自适应干扰极化状态的变化 ,为算法的实时处理提供了可能性。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。     

ISAR成像系统的二维资源自适应调度算法

现有认知雷达成像系统的资源调度策略只从距离向(或波形设计)或者方位向一个维度进行资源调度,没有充分分配和利用雷达系统资源,为此提出了一种针对步进频率逆合成孔径雷达成像系统的二维资源自适应调度算法,来进一步提高雷达系统的工作效率。该算法在对目标特征认知的基础上,根据压缩感知原理,计算对目标二维稀疏观测所需脉冲资源,依据二维资源调度模型,自适应分配二维脉冲资源,实现对多目标的交替稀疏观测成像。最后通过仿真验证了算法的可行性并与常规算法相比在资源饱和的情况下,可以执行更多的成像任务。