MIMO天波超视距雷达正交信号设计研究

多输入多输出雷达(MIMO Radar)体制综合采用多通道、等效发射波束形成技术,为天波超视距雷达(OTHR)面临的杂波多普勒扩展提供了一条有效的解决途径。具有良好的自相关性能和低互相关电平的正交波形集是MIMO雷达体制应用的关键。从信号处理的角度出发,利用互模糊函数对正交频分线性调频信号(OFD-LFM)的互相关峰值幅度及位置进行了分析,给出了正交信号的设计规律,仿真实验验证了分析的正确性。     

非完备杂波先验知识场景下MIMO-STAP稳健波形设计

本文考虑了色高斯干扰条件下MIMO STAP稳健波形优化问题以提高非完备杂波先验知识条件下多输入多输出（MIMO）雷达体制下空时自适应处理（STAP）最坏情况下探测性能。由于高斯干扰（包括杂波、干扰以及热噪声）场景下最大化系统输出信干噪比（SINR）等价于最大化MIMO STAP检测性能,因而在本文所建立杂波协方差估计误差的模型基础上,总功率发射以及参数不确定凸集约束下,经推导可得稳健波形优化问题。为求解得到的复杂非线性问题,本文提出了一种迭代算法以优化发射波形相关阵（WCM）从而最大化凸不确定集上最差情况下的输出SINR进而改善最差情况下MIMO STAP的检测性能。通过利用对角加载（DL）方法,所提算法中的每个迭代步骤皆可表示为能获得高效求解的半定规划（SDP）问题。与非稳健方法及非相关波形相比,数值实验验证了本文所提方法的有效性。      

基于空时分组码的MIMO-OFDM系统性能研究与分析

首先根据空时分组码的编码原理,给出MIMO-OFDM系统中空时分组码编译码方案及系统模型,然后重点对加入空时分组码的MIMO-OFDM系统性能进行研究与Matlab仿真.对收发端采用不同天线数时的误码性能进行仿真与分析,同时,对采用QPSK,8PSK与16QAM调制方式的误码性能进行仿真与分析,并给出仿真曲线图.     

基于目标散射中心和HMM分类的多视角 雷达目标识别方法

根据高分辨雷达目标的简单散射点模型,提出用Relax算法从雷达回波提取目标强散射点分布的位置信息作为目标识别的物理特征,用隐马尔可夫模型表征多视角雷达回波序列,实现飞机类目标识别的方法.实测数据的计算机仿真表明,对训练数据段,仿真可以指示飞机的姿态,方位识别平均正确率为96.77%,类平均正确识别率为99.80%;当测试数据取自没有训练过飞行数据段时,两种情况的类平均正确识别率分别为81.25%和89.87%.     

一类不确定时滞网络控制系统的鲁棒容错保成本控制

针对一类具有时滞且模型中具有参数摄动的网络控制系统,研究在执行器发生故障的情况下系统具有鲁棒保成本可靠控制器设计问题。根据Lyapunov稳定性理论和容错控制理论得到满足系统存在鲁棒保成本控制器的一个矩阵不等式,进而将这个矩阵不等式转化为线性矩阵不等式,从而得出系统渐近稳定的充分条件和系统的保成本上界。最后用实例仿真证明结论的有效性。     

基于压缩感知的波束域DOA估计

针对传统波达方向角(DOA)估计算法需要大量采样数据从而导致较高计算复杂度的问题,基于压缩感知理论,利用目标信号空域稀疏性,提出一种基于波束域的多测量矢量欠定系统正则化聚焦求解DOA估计算法。该算法将压缩信号从阵元域映射至波束域,一定程度上克服了稀疏重构算法无法用于低信噪比情况下的缺陷。数值仿真表明,与传统的Capon,MUSIC和l1-SVD算法相比,所提算法可对相干信号进行有效DOA估计,具有较高角度分辨力和估计精度;与RMFOCUSS和l1-SVD算法相比,所提算法具有较低计算复杂度。     

基于低秩矩阵恢复的DOA稀疏重构方法

为提高非均匀噪声下波达方向（direction of arrival,DOA）角估计算法的估计精度和分辨率,基于低秩矩阵恢复理论,提出了一种二阶统计量域下的加权L1稀疏重构DOA估计算法。该算法基于低秩矩阵恢复方法,引入弹性正则化因子将接收信号协方差矩阵重构问题转换为可获得高效求解的半定规划（semidefinite programming,SDP）问题以重构无噪声协方差矩阵;而后在二阶统计量域下利用稀疏重构加权L1范数实现DOA参数估计。数值仿真表明,与传统MUSIC、L1-SVD及加权L1算法相比,所提算法能显著抑制非均匀噪声影响,具有较好的DOA参数估计性能,且在低信噪比条件下,所提算法具有较高的角度分辨力和估计精度。     

一类时延网络控制系统的骱容错保成本控制

针对具有时延和参数不确定性的网络控制系统的研究。考虑系统的时延小于一个采样周期,传感器是时钟驱动,控制器和执行器是事件驱动。当执行器发生故障时,研究网络控制系统的Hoo容错保成本控制。依据所描述情况建立系统模型,基于Lyapunov稳定性理论、容错控制理论和线性矩阵不等式（LMIs）处理方法,推导出网络控制系统是渐近稳定的,并且得出系统的Hoo容错保成本控制的充分条件和系统的保成本上界。实例仿真证明结论的有效性。     

基于多层卷积神经网络的SAR图像分类方法

针对合成孔径雷达图像数据源的分类优化方法,提出了基于多层卷积神经网络的SAR图像分类方法。该方法采用多层卷积运算和下采样技术以及神经元的非线性功能,利用局部响应归一化进行特征的降维,以softmax作为分类器。用MSTAR数据库的五类目标数据进行仿真实验,仿真实验结果表明该方法是有效的,统计平均识别率达到了97.77%。     

基于高斯混合HMM雷达目标识别方法

采用Relax算法提取雷达目标参数,选择散射点强度及其相对位置作为模式识别特征;用高斯混合模型来逼近模式特征的概率分布密度;通过隐马尔可夫状态描述雷达目标不同方位之间的概率关联。研究了飞机类目标的识别问题。实测数据的计算机仿真结果表明,当训练数据与识别测试数据取之完全不同数据段时,三类飞机的100次识别的平均识别率分别为76％,74％,83％。