基于数据矩阵分解的相干源方向估计新方法

提出一种相干源存在情况下的波达方向估计新算法。利用阵列快拍数据构造数据矩阵,相关去噪后,通过奇异值分解获得低维信号子空间的估计,然后运用ESPRIT思想估计出波达方向。无论是否存在相干源,新算法均能有效估计出波达方向,并且无需角度搜索,运算量小。该算法虽基于一维线阵,但可直接推广到具有线性性质的二维平面阵,如L形阵、十字阵、双平行线阵等。计算机仿真验证了算法的有效性     

分布式被动传感器网异步采样下的机动目标跟踪

针对分布式被动传感器网的特点，提出了一种异步采样条件下机动目标跟踪方法。该方法采用交互式多模型概率数据互联滤波器跟踪机动目标。为启动滤波器，采用最大似然法估计目标初始状态；为适应异步观测条件，提出了马尔可夫转移概率计算方法。仿真实验表明，在分布式被动传感器网中采用该算法能有效进行机动目标跟踪。     

地面坦克目标红外热成像物理模型研究

根据红外成像的基本流程，研究并建立了地面坦克的红外物理模型。针对复杂场景分别对目标和背景部分建模、求取温度场分布，同时考虑目标和背景之间的相互作用得到完整的场景红外理论模型；考虑红外辐射的大气吸收，建立了大气衰减模型；模拟红外传感器的工作特性建立成像综合响应模型。最后给出了地面坦克目标热成像系统的仿真流程，利用该系统可以在试验环境下进行目标的红外仿真，为红外系统以及武器的研制提供经济快捷的手段。     

基于多尺度特征融合的红外图像小目标检测

针对复杂背景红外图像弱目标检测问题,提出了一种基于多尺度特征融合的红外小目标检测方法。该方法在对红外图像进行离散小波框架变换的基础上,提取目标在各子带图像上的多个特征;然后对各子带图像上的多个特征分别进行融合,获得相应的目标检测判决置信度图;接着采用自适应加权方法对各个目标检测判决置信度图进行融合,得到目标检测判决总置信度图,并对其进行目标区域分割,获得最终的目标检测结果。实验结果显示,该方法对高杂波条件下红外弱目标检测具有良好效果。     

基于Delta算子的QR分解LMS算法

针对基于Delta算子的自适应滤波问题,提出了Delta算子描述的QR分解LMS(Delta-QR-LMS)算法。首先给出后向Delta算子模型的另一种表示形式,并利用该变换公式推导出Delta-QR-LMS算法的具体迭代步骤。通过仿真算例表明,Delta-QR-LMS算法比传统的LMS算法具有更好的滤波性能和更快的收敛速度。     

几种简化联合概率数据互联算法性能分析

针对最优联合概率数据互联算法复杂、运算量大的问题,目前提出了许多简化的联合概率数据互联算法。为了清楚地了解这些算法在不同环境下在跟踪精度、实时性等跟踪性能上的差异,对几种典型的简化算法进行了详细的性能分析。给出了简化算法的数学模型,然后从理论上对这些算法进行了优缺点比较,最后选取了多种典型的与实际工程背景相近的多目标运动环境,对几种比较有代表性的简化算法在这些环境下进行仿真实验,并根据仿真结果对它们各方面的性能进行综合分析。     

基于多普勒谱的多目标鉴别技术

多目标鉴别是雷达信号处理中迫切需要解决的技术难题。针对Chirp脉冲雷达体制及其相参积累处理的原理和特点,利用多个目标的多普勒谱分布特性,提出了应用CLEAN算法的多普勒谱旁瓣抑制技术实现多目标鉴别。仿真结果表明了这种技术的有效性,且在信噪比较低的情况下仍然非常稳健。     

PBSV-DDM在电大尺寸柱体电磁散射中的应用

提出了一种高效率的基于部分基础解向量的区域分解算法(PBSV DDM).它首先求出关于连接边界上节点的部分基础解向量,在迭代过程中,只需要对部分基础解向量作简单的线性组合就可以获得整个求解区域的最终解,极大地提高了计算效率,降低了存储量.PBSV DDM不但适合于快速高效地计算任意电大尺寸柱体的电磁散射,还特别适合于求解具有几何重复性特征的结构,如天线阵列、有限周期频率选择表面、PBG EBG等的电磁仿真问题.数值算例验证了该方法的准确性和有效性.     

合成孔径雷达成像三维地形目标模拟方法

分析讨论了一种合成孔径雷达成像三维地物目标模拟的方法。阐述了复杂三维地物目标模型的建立方法，分析了回波信号的结构并且讨论了成像仿真参数。最后完成了对三维复杂地物目标的成像仿真实验，得到了较为理想的结果。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。