新一代通用机载雷达信号处理机的实现

为提升机载雷达信号处理机多通道、并行、大运算量的实时处理能力,基于DSP＋FPGA结构采用模块化设计构建的新一代雷达信号处理机,符合“通用化、系列化、标准化”的要求,并且根据软件雷达的思想,通过改变算法和软件．使其适应不同的工作环境和任务需要。高性能DSPTS201和大容量FPGA为核心实现的新型通用机栽雷达信号处理机的通用平台。主要实现数字脉压、FFT,CFAR,SAR／ISAR等算法。     

基于DDS+PLL的LFM探地雷达信号产生器设计与实现

介绍了一种宽带线性调频(LFM)雷达信号产生的方法与实现,结合直接数字合成(DDS)+锁相环(PLL)的方式,采用DDS芯片AD9852和集成锁相芯片ADF4360-7完成了设计所需求的宽带线性调频信号。详细说明了该方案设计的构架、各单元电路的设计与实现以及各芯片参数的设定情况。实测结果表明,该频率合成器输出功率>-4 dBm,环路锁定时间为14μs,输出信号相位噪声优于-90 dBc/Hz@1 kHz,输出信号达到了所需指标要求。     

基于CPLD+LVPECL可调窄脉冲发生器的设计与实现

采用CPLD和具有速度极快的LVPECL门电路来实现脉宽可调的窄脉冲信号。利用CPLD提供的10 MHz激励信号和对延时芯片进行写延时控制字来产生所需脉宽。测试结果表明,该可调窄脉冲发生器能产生500 ps～20 ns范围内的脉宽可调、幅度约为400 mV的脉冲信号。     

基于VME总线的通用信号处理机

介绍一种基于VMK总线的通用信号处理机的构成及特点，并对其中的一些关键技术进行了介绍。     

基于毫米波雷达的非视距目标探测和定位方法研究

隐蔽非直视目标探测和定位技术在城市巷战、安防、防暴等领域具有广泛的应用。本文针对L形非视距区域内单目标的探测与定位问题进行研究。首先,对雷达布设位置及可探测区域进行了分析;其次,针对共同可探测区域,设计了多路径联合检测器;最后,基于设计的多径雷达应用系统,利用所提检测定位方法进行实验验证。与现有研究相比,本文的创新点在于：在L形非视距场景下,对宽波束毫米波雷达布设位置及可探测区域进行分析并给出合理建议;其次利用所提多路径联合检测器将不同反射面的多条路径联合使用,提高了检测性能。本文通过实验验证了系统的可靠性及雷达位置对可探测区域的影响,通过仿真与实验探究了所提检测器的性能改善。     

一种汽车防撞雷达多目标识别方法

针对汽车防撞雷达在多目标环境下遇到的虚假目标问题,基于各种多目标识别方法给出一种改进型变周期线性调频连续波(LFMCW)雷达多目标识别方法。该方法将改进型变周期三角波作为调频信号,通过对回波信号进行动目标检测、恒虚警检测等处理后进行容差函数的判断,最终达到去除虚假目标的目的。仿真结果表明,与传统LFMCW雷达相比,该方法在复杂多目标环境下能去除虚假目标,从而更为准确地识别目标。在实际应用中为驾驶员提供正确的目标距离和相对速度信息,从而起到主动防御的作用。     

基于EEMD和HOC的超宽带雷达生命探测算法研究北大核心CSCD

针对超宽带生命探测雷达回波信号属于非线性、非平稳等特点,提出了一种基于EEMD和HOC的超宽带雷达生命探测算法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后计算各个IMF分量在呼吸和心跳频带内的能量百分比重构呼吸和心跳信号,最后对重构的呼吸和心跳信号的四阶累积量进行FFT变换,获得呼吸和心跳的频率。实验结果表明,文中提出的算法比EEMD重构后直接进行FFT变换具有更高的信噪比和频率估计精度,可有效应用于生命探测雷达人体信号检测中,具有广阔的研究价值和应用前景。     

多目标LFMCW车载前向防撞雷达的实现

为主动减少高速公路上碰撞事故的发生,提出一种基于FPGA和DSP芯片的车载前向防撞雷达系统的实时处理方案。分别介绍了LFMCW雷达的基本原理、系统硬件架构、信号处理流程,给出了实测数据的结果分析。系统采用MTD-频域配对法来实现对目标参数的估计,实测数据结果不仅验证了算法的有效性,而且表明系统能够准确实时地检测出前面目标车辆的距离与速度信息。该方法可以应用到LFMCW防撞雷达系统当中,从而给驾驶员提供前方道路行驶参考,以达到减少交通事故的目的。     

基于深度展开模型的毫米波稀疏成像算法

针对传统压缩感知算法的高计算成本问题,从稀疏信号的恢复角度出发,提出一种基于深度展开模型的稀疏成像算法。首先构建复数稀疏重建网络VAMP-Net,在该网络中,复数形式的降采样回波信号被拆分成实部和虚部作为输入,接着代入到基于VAMP算法的迭代块中,最后通过卷积神经模块进行最优非线性稀疏变换,得到恢复的实部和虚部信号,两者进行合并后得到恢复的目标图像。对于所提算法,采用人工合成的数据集在不同目标密集程度、迭代次数和噪声环境下进行仿真实验,并与传统的迭代收缩阈值算法和深度学习重构算法进行比较。再使用不同程度稀疏性的数据进行实测验证。实验结果表明,该算法重构的图像在NMSE、TBR、重构耗时以及内存使用上有更好的表现。     

基于ResNet车载雷达干扰分类研究

随着自动驾驶技术的发展,毫米波雷达成为自动驾驶的一个关键传感器,由于汽车雷达数目增加,雷达与雷达间相互干扰是不可避免的问题,为了减轻雷达间的相互干扰,识别车辆中雷达发射的信号类型是很有必要的。针对不同干扰信号类型,本文提出了一种基于残差神经网络的车载雷达干扰分类的方法,首先建立不同类型的干扰数据模型,生成大量的干扰数据,然后应用残差神经网络对不同类型的干扰进行分类。结果显示,该网络不仅收敛速度快,而且在干扰分类方面取得了很好的效果。