基于FPGA的雷达模拟器控制系统中分频模块的设计与实现

要以Xilinx公司Spartan_Ⅱ系列XC2S200芯片为FPGA控制单板的核心,设计必要的外围扩展电路,包括A/D、D／A、液晶显示、二极管指示、串行通讯、按键等模块来构成雷达模拟器控制系统。重点阐述了控制系统中的重复频率设置及多站触发控制和指示这一主要功能模块的设计方法及实现过程。控制系统运用Verilog硬件描述语言编程,在ModelSim SE平台下进行功能的仿真,实现了硬件设计软件化。经过仿真及硬件测试表明：基于FPGA技术的硬件设计方案能够实现控制系统分频功能,实时性好,可靠性高。     

通用雷达设备虚拟维修系统中仿真模型信息管理研究

介绍仿真模型全寿命管理系统,给出了仿真模型全寿命周期信息管理的定义。讨论了仿真模型全寿命管理研究的主要内容。模拟训练系统中模型管理在时间上可分为开发阶段的模型管理和仿真运行阶段模型管理,模型信息管理另一个重要的研究内容是不同模型开发规范模型的管理,给出了在开发和运行阶段模型管理具体实现的功能。     

基于光学-ALS变量组合和非参数模型的天然次生林地上生物量估算

【目的】通过组合机载激光雷达(airborne laser scanning, ALS)数据和Sentinel-2A数据提取特征变量,探讨估算天然次生林地上生物量(aboveground biomass, AGB)最佳的变量组合方式和估算方法。【方法】以2015年ALS数据、2016年Sentinel-2A数据和黑龙江帽儿山林场森林资源连续清查固定样地数据为数据源,通过ALS数据提取高度特征变量(all the LiDAR variables, 记为A_L),Sentinel-2A数据提取若干植被指数变量(all the optical variables, 记为A_O),然后将光学-ALS结合变量(combined optical and LiDAR index, COLI,记为I_COL)结合成为新的变量 I_{\mathrm{CO}{\mathrm{L}}_1} 和 I_{\mathrm{CO}{\mathrm{L}}_2} ,以6组特征变量组合方式(A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} 、 I_{\mathrm{CO}{\mathrm{L}}_2} 、 I_{\mathrm{CO}{\mathrm{L}}_1} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L、 I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入变量,分别使用多元线性逐步回归(stepwise multiple linear regression,SMLR)、K-最近邻法(K-nearest neighbor,K-NN)、支持向量回归(support vector regression,SVR)、随机森林(random forest, RF)和堆叠稀疏自编码器(stack sparse auto-encoder,SSAE)共5种方法构建了天然次生林AGB估算模型,探讨I_COLs变量以及不同模型对生物量估测精度的影响。【结果】结合变量I_COLs对于森林AGB的估算十分有效,加入I_COLs变量能够很大提高森林AGB模型的估算精度;与其他4种模型相比,无论使用哪些变量作为输入数据,SSAE模型的精度最高;当使用SSAE模型,以光学和ALS变量组合 ( I_{\mathrm{CO}{\mathrm{L}}_1} + I_{\mathrm{CO}{\mathrm{L}}_2} +A_O+A_L)作为输入特征变量时,模型的准确性最高:R²=0.83,均方根误差为11.06 t/hm²,相对均方根误差为8.23%。【结论】结合变量COLIs能够有效地提高天然次生林AGB的估算精度,而且深度学习模型(SSAE)在估算天然次生林AGB方面优于其他预测模型。总体而言,利用ALS和Sentinel-2A数据组合变量的SSAE模型可以较准确地估算森林AGB,为天然次生林地上生物量的估算和碳储量评估提供技术支持。     

基于轻小型无人机雷达的植被高度反演方法

针对目前主流雷达传感器难以满足轻小型无人机载荷需要,且存在着数据获取成本高及算法模型复杂的问题,在自行研制的一种高度集成、轻量化且具有高可靠性的轻小型无人机雷达系统基础上,发展了一种植被高度信息反演新方法。该方法中使用二维滤波抑制直耦波能量,基于剩余图像熵的自适应主元分析去噪方法解决传统方法主元选择不稳定的问题,并基于互相关信息的后向投影算法进一步增强目标信号,最后应用Sobel算子提取植被高度。实验结果表明,该方法反演得到的植被高度和验证数据的相关性达到0.92,均方根误差可达1.28 m。     

AFSS反射器双脉冲周期间歇调制方法

针对无源电磁调控中目标模拟样式单一且灵活性欠缺的问题,利用有源频率选择表面(active frequency selective surface, AFSS)电磁散射特性可调且不主动辐射电磁波的特性,提出了一种AFSS反射器电磁散射状态切换的双脉冲周期间歇调制方法。构建了AFSS反射器的双脉冲周期间歇调制信号模型,分析了调制信号的特点。通过理论推导,研究了AFSS反射器对雷达线性调频信号回波匹配滤波结果的影响。最后进行了仿真验证,结果证明了所提方法的有效性和可行性。该方法增加了控制参数维度,调制样式更为丰富,应用于雷达目标模拟时可以提高其可变性和灵活性。     

基于Beta过程的高分辨ISAR成像

对于高信噪比、完整回波、目标平稳运动等理想观测环境,现有成像技术已经较为成熟,可以获得聚焦良好的高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像。但在实际中的方位回波缺损与低信噪比观测情况下,随机相位误差等因素会降低现有成像算法的性能甚至使其失效。本文首先建立了ISAR稀疏观测模型,并基于稀疏贝叶斯学习理论,通过引入Beta过程非参数先验构建层级概率模型,进而交替利用Gibbs采样及最大似然方法对ISAR像及随机相位误差进行估计。实验结果表明,所提方法在低信噪比、回波缺损等复杂观测环境下能够获得聚焦良好的ISAR图像。     

基于减小功率孔径积的天基雷达扫描方式优化

针对天基雷达的性能受限于功率孔径积的情况,利用目标相对于天基雷达覆盖区域的运动方向基本与星下点运动方向相反这一特性,在保证击中目标的前提下得到了一种能有效延长扫描时间的优化扫描方式,从而达到减小功率孔径积的目的。研究同时表明,优化的扫描方式还能较快地击中目标。最后给出了优化扫描方式下系统允许的最大扫描时间。计算机仿真验证了结论的正确性。     

基于多约束条件遗传算法的雷达网优化部署

为深入研究实际阵地环境对雷达网优化部署的影响和制约,并探讨一种实用高效的优化部署方法,对实际阵地环境下的雷达网优化部署问题进行了深入分析,讨论了部署的简要约束条件及雷达网实际探测能力评估方法,并在此基础上进行了雷达网优化部署的多约束遗传算法设计。通过实例进行了仿真验证,结果表明,所述方法实用高效,对于实际阵地环境下的雷达网优化部署有较大应用价值。     

基于MQNM的双基地雷达目标定位改进算法

针对求解双基地雷达目标定位问题常用的Gauss-Newton法自身固有的缺点,如收敛精度和收敛速度依赖于迭代初值与真实值的接近程度和函数的非线性程度,进一步考虑了目标函数Hessian阵的二阶信息,结合MQNM法(修正拟牛顿法)提出了一种双基地雷达目标定位问题的优化改进算法。计算机仿真结果表明了该算法的可行性和有效性。     

双站RCS计算GRECO算法的新改进

针对利用单双站等效法存在的大角度双站雷达散射截面计算误差太大的问题和用被光照面作为积分区域计算双站雷达散射截面方法存在的无法处理相对接收站可见面的识别问题,从感应定理和等效原理出发,基于图形电磁计算方法,提出了双站雷达散射截面图形电磁算法的改进方法,解决了可见面的识别问题,扩大了感应定理和等效原理的应用范围,提高了双站雷达散射截面计算的准确度。通过对典型样件的计算结果比较与公认结果和解析算式结果一致,证明了该方法的有效性。