基于分光链路模拟的曲面量子雷达散射截面研究

量子雷达基于量子态特性对目标探测识别,可有效克服复杂电磁环境和目标隐身特性影响。针对光量子在大气中传播时易受介质吸收和散射影响的问题,提出利用分光链路模拟大气介质的方法,对目标量子雷达散射截面进行了研究。通过引入单光子波动方程,采用分光链路模拟大气介质,得到衰减条件下光子波函数,推导衰减条件下量子雷达散射截面公式,并对衰减条件下单曲面量子雷达散射截面进行仿真。仿真证明,在不同入射角条件下,量子雷达散射截面主瓣峰值随衰减系数增加而减小,入射角对量子雷达散射截面无影响;在0 ℃、能见度30 m条件下,目标量子雷达散射截面主瓣峰值随波长增加。     

随机森林分类用于雷达信号预分选新算法研究

 现代战争中,雷达电子战环境越来越复杂,随着雷达种类的多样化和雷达脉间调制方式的复杂化,对信号分选的识别难度也愈加增大。本研究采用随机森林算法对脉冲描述字特征进行预分选,可自适应的对特征进行选择,并实现分类。随机森林由于可以自动进行特征选择,可对不平衡的数据进行误差平衡等优点,通过多决策树表决方式,可以迅速完成对大量数据快速训练。在脉冲丢失导致的部分特征损失的情况下,仍可以维持识别准确率。通过实验证明了本方法对雷达脉冲描述字特征进行预分选的有效性。     

一种用于电力线通信系统的改进MIMO检测算法

目前多输入多输出(multiple-input multiple-output,MIMO)技术已经被电力线通信(power line communication,PLC)系统采用,但由于MIMO PLC系统噪声呈非高斯分布而且各端口噪声之间存在相关性,故不能直接采用无线系统中的MIMO检测算法。采用了二元Middleton class A分布对MIMO PLC系统中噪声进行建模,提出了基于该噪声分布的最大似然检测改进算法,由于改进最大似然检测算法实现复杂度高,为了便于实现,进一步提出了用近似函数降低复杂度的2种次优的检测算法,优化了算法复杂度。仿真结果表明,与传统的基于高斯噪声分布的最大似然检测算法相比,提出的基于二元Middleton class A类噪声分布的信号检测算法在MIMO PLC系统能获得更好的性能。在性能损失较小的情况下,次优算法的复杂度明显低于最大似然检测改进算法。     

基于Homotopy算法的低复杂度多用户大规模MIMO信号检测方法

在上行多用户大规模多输入多输出(multiple input multiple output,MIMO)系统中,为了降低信号检测的计算复杂度,在传统的最小均方误差(minimum mean square error,MMSE)算法的基础上,提出一种基于Homotopy算法的低复杂度信号检测方法。在该方法中,通过对Homotopy方程的解向量采用逐级展开来逼近真实解向量,从而避免MMSE检测算法中的高阶矩阵的求逆运算,降低了信号检测的计算复杂度。仿真结果表明,最多需要对Homotopy方程的解向量进行4阶展开,就可获得与MMSE检测算法几乎同样的误比特率(bit error rate,BER)性能,同时,其计算复杂度仅为O(K2),其中,K为小区用户数。     

基于被动量子雷达的隐身目标探测研究

未来战场,将是隐身武器的较量,不论是有人机、无人机,还是巡航导弹、弹道导弹,都朝着隐身化方向发展.传统雷达在对付这些隐身目标时存在无法突破的性能极限.笔者将被动雷达与量子技术结合,提出被动量子雷达,分析其对隐身目标探测的机理.采取超导电路技术实现对微波光量子转换处理,并使用SVI和PSA量子增强接收技术,以及JPA技术实现高灵敏度微波信号接收,被动量子雷达可将系统灵敏度最大提高大约4个数量级.分析结果表明提出的基于被动量子雷达的隐身目标探测原理可行,具有很强的应用潜力.     

基于深层次特征增强网络的SAR图像舰船检测

针对合成孔径雷达图像中舰船目标检测困难的问题,提出了一种基于深层次特征增强网络的多尺度目标检测框架.利用Darknet53提取原始图像特征,自上而下建立四尺度特征金字塔;特别设计基于注意力机制的特征融合结构,自下而上衔接相邻特征层,构建增强型特征金字塔;利用候选区域及其周边上下文信息为检测器计算分类置信度和目标分数提供更高质量的判定依据.所提算法在SSDD公开数据集和SAR-Ship自建数据集上的平均检测精度分别为94.43%和91.92%.实验结果表明,该算法设定合理且检测性能优越.      

基于KNN-TSVR算法的MIMO-OFDM系统信道估计

为了提高多输入多输出正交频分复用(MIMO-OFDM)系统的信道估计性能,提出了一种基于K近邻加权孪生支持向量回归(KNN-TSVR)的信道频率响应估计算法.该算法的工作过程是首先用最小二乘算法对导频位置的信道参数进行估计,获取训练样本,然后用K近邻(KNN)算法对训练样本进行预处理,得到赋予各样本的权重,最后由加权TSVR对MIMO-OFDM系统所有位置的信道参数进行插值估计.本文提出的改进的加权TSVR信道估计方法不仅具有TSVR对非线性关系回归的优势,同时引入KNN算法对TSVR进行改进,使得该算法与传统TSVR相比,具有更好的回归性能和抗噪声能力.对非线性MIMO-OFDM信道进行估计的仿真实验结果证实了这一结论.     

基于改进极坐标格式算法的大斜视SAR成像方法

针对大斜视合成孔径雷达成像（SAR）模式下,回波存在较大的距离走动和严重的距离 方位交叉耦合等问题,对传统极坐标格式算法（PFA）进行改进,提出了一种基于改进的PFA算法的大斜视SAR成像方法。根据实际回波数据存储的形式,建立了大斜视SAR的斜距模型,通过对距离向与方位向的二维泰勒级数展开设计了一种斜距平面的二维插值函数,有效地提高了成像算法的聚焦深度。与传统PFA不同,斜距平面的距离展开能够避免回波数据的投影,所以改进的算法更适用于地形起伏不平的成像场景。仿真数据和实测数据分析验证了该方法的有效性。     

一种用于激光雷达识别车道标线算法

利用点云数据空间分布特征和回波强度信息,结合局部均值变点统计方法,提出了一种用于激光雷达数据帧的车道标线识别算法。该算法首先基于车载激光雷达采集的道路周围环境点云数据中高程信息进行滤波,确定可行驶区域。然后利用局部均值变点统计对可行驶区域点云数据中的回波强度值进行标记提取,即车道标线点云数据粗提取。最后基于EM(最大期望)方法聚类,从而完整、准确地识别车道标线。实验结果表明,该算法不仅能够准确定位可行驶区域,进而可以实现车道标线的自动提取;而且有效抑制了道路周围环境对车道标线识别的干扰,验证了算法的有效性。     

随机二相码PD雷达信号及其平均模糊函数

本文提出了用随机二元码调相和相干脉冲调幅得到随机信号雷达波形的新方法。推导出该波形的平均模糊函数。分析模糊图表明，该波形同时具有优良的无距离模糊和速度模糊的双重性能，是一种适合于取代周期性脉冲确定序列的随机信号雷达波形。