中频信号采样与正交相干检波

本文讨论了用直接对带限中频信号进行采样的方法来实现正交相干检波的基本原理,它们在工程实际中有很大的实用价值。对迄今为止提出的各种方法进行了分析与总结,用统一的观点给予了解释。并在统一指标下比较了它们各自的性能与适用条件。     

二进前向网络的结构优化设计

ｎ维超立方体顶点的分类问题是人工神经网络研究中的重要问题之一。若对ｎ维超立方体的顶点进行正确分类，同时保证网络具有最好的稳健能力，则任两个不同类顶点连线的中点都应是分割这两顶点的超平面上的点。基于这样的思想，本文导出了使网络稳健能力最强的分类超平面的标准方程，给出了网络各层节点之间连接权值和阈值的可能值。其连接权值仅需取＋１、－１和０，阈值仅需取１２加上〔－ｎ，ｎ－１〕上的整数，从而可获得最优的网络结构、最少的隐节点数目、最大的稳健能力，这样结构的网络易于训练，并不易进入局部极小点。     

基于特征谱散布特征的低分辨雷达目标分类方法

大多数雷达,特别是地面警戒雷达,其脉冲重复频率相对较低,会导致雷达发动机调制(JEM)回波多普勒模糊,对目标的观测时间(扫掠时间)相对较短,多普勒分辨率较低,会导致目标分类性能下降.针对这一问题,本文从模式分类的角度提出了利用JEM特征谱散布程度特征实现喷气式飞机、螺旋桨飞机和直升机目标分类的方法.分析指出JEM回波在多普勒域近似看作是一系列线谱,采用谐波和的数学模型提取特征谱作为分类特征,分别给出脉间、脉内的特征谱提取方法及特征的降维方法.该特征不补偿机身回波,对机身多谱勒变化不敏感.仿真实验证明了所提方法的有效性.     

群归—复子波包处理

推广Lawton的方法构造FIR的复数子波包变换滤波器组及相应的子波包函数,并按照不同的时间 频率特性选择适用的基函数.针对传统子波和子波包分解系数难以准确反映该时频单元信号分量强度的缺点,给出改进的自适应子波包变换技术——群归一子波包变换,并利用时频掩模滤波技术,完成强背景下目标信息的获取与分离,明显改善信杂比.由于该类复子波包变换滤波器是线性相位的酉正交滤波器,分解系数去相关能力更好,处理效果更强.推广的l~p-范数熵定义增加了群归一子波包变换在低信杂比情况下的处理能力.类似的结果可应用于强散射点分离、图象增强、杂波抑制、最优检测以及雷达成象等信号处理领域.     

复随机信号的四阶统计量估计中的浮点舍入误差分析

本文分析了由单个数据记录沽计复平稳过程四阶矩与四阶累积量的浮点舍入误差,得到了峰度与四阶切片矩的估计中引入的量化噪声的均值与方差的闭形表达式或上界,说明舍入误差明显影响四阶矩估计,尤其是对于为减少估计方差而采用的长数据记录情形.     

星机双基地SAR 的目标二维频谱计算

卫星和飞机配合的双基地SAR具有广阔的应用前景,要实现这种双基地SAR的频域成像关键要得到准确的目标二维频谱.文中分析指出,采用驻定相位点展开法得到的目标二维频谱的精度与收发平台的速度及收发雷达的斜视角度有关,由于星机双基地SAR的收发平台速度差异很大,斜视角度也可能较大,因而采用该方法得到的目标二维频谱的误差较大.接着,利用驻定相位原理并结合双基地SAR的几何关系,提出了两种计算星机双基地SAR目标二维频谱的方法,一种基于解析式计算,该方法的运算量小,精度较高;另一种基于数值方法计算,该方法的运算量稍大,但完全精确.这两种方法的精度均不受收发平台速度及收发雷达斜视角度的影响,因而适合星机双基地SAR成像.最后,通过对仿真数据的频域成像验证了所提方法的有效性.     

同航线双基合成孔径雷达成像的频域分析

近十年来,分布式小卫星雷达受到广泛关注.有一种低成本的方案是用一组小卫星跟随某一在轨卫星,小卫星上只有接收设备,用来接收在轨卫星发射的信号.已有的小卫星编队方案有Cartwheel,Pendulum和Tandem-X等.这些构形中,小卫星与主星的间距有的达数万米或更远,对它们接收的回波数据进行成像不同于单基合成孔径雷达(SAR).文中以沿航向排列的Tandem-X为例,分析这类双基SAR的成像算法.首先利用瞬时频率的概念,并引入双基角这一变量,精确推导出双基SAR回波信号的二维频域表达式;然后对双基角采取一定的近似,给出了一种双基距离徙动成像算法(RMA),并详细分析了此近似条件的适用范围.最后用仿真结果验证了所提方法的有效性.     

基于成像的分布式卫星SAR系统地面运动目标检测(GMTI)及定位技术

针对三维超大稀疏立体阵星座构形，研究了此类分布式卫星SAR系统的地面运动目标检测(GMTI)方法，并以三颗卫星的“干涉车轮”(Cartwheel)和“干涉钟摆”(Pendulum)构形为例仿真分析了GMTI的性能，对地面运动目标在SAR图像中的方位位置会偏离其真实位置，提出通过估计运动目标Doppler谱的偏移量来重新定位运动目标，此方法简单、易于实现。     

基于复合特征及分层特征选择的雷达HRRP识别

雷达高分辨距离像(highresolutionrangeprofile,HRRP)具有方位敏感性、平移敏感性以及在特征空间高度交叠的特点,采用复合特征可以更好地描述目标特性。利用复合特征,结合分层识别结构提出了一种分层特征选择方法,充分利用了特征信息,简化了识别器结构,使识别运算量大大下降且提高了识别率。基于HRRP的平移不变特征和相关矢量机的计算机仿真实验表明,该方法是有效的。     

基于分阶段学习的盲信号分离

首先定义了描述信号分离状态的信号相依性测度, 并利用此测度将传统算法中的学习速率参数推广至二维矩阵, 从而提出了一种基于分阶段学习的盲信号分离算法, 即整个信号分离过程被分成三个阶段进行: 初始阶段、捕捉阶段和跟踪阶段, 每个阶段的学习速率由信号的分离程度自适应选取. 理论分析表明, 该算法满足等变化性和分离矩阵的非奇异性条件. 仿真结果证实, 新算法具有比使用固定和其他自适应学习速率的算法更快的收敛速度、更好的稳态性能和更高的数值稳定性.