小斜视角的MIMO雷达波数域成像方法

针对传统逆合成孔径雷达（ISAR）成像技术存在的运动补偿难题，通过使用确定性阵列与单次快拍并行空间采样取代传统IsAR中的非确知性合成阵列与长时间多脉冲采样，给出了一种MIMO雷达波数成像方法．该成像方法利用发射／接收阵元的角度分集和信号分集，在单次快拍观测期间即可实现目标散射函数波数域二维支撑域上的有效观测，避免了ISAR成像中对目标运动的补偿难题．仿真验证了该方法的可行性．     

抑制SAR压制性干扰的三通道对消方法

针对合成孔径雷达(SAR)压制性干扰的抑制问题,提出了一种三通道对消方法.首先从理论上给出了该方法抑制压制性干扰的原理及对SAR成像产生的影响,然后导出了目标回波信号的损失周期表达式,最后进行了仿真实验.与双通道对消处理的比较结果表明,本文所提出方法在SAR抗干扰方面具有的优越性.此外,本文将该方法推广到N通道对消处理的一般意义情况,从而使该法抑制SAR干扰方法在应用上具有可行性和有效性,且在理论上具有完备性.     

一种用于雷达信号分选的改进型神经网络

基于雷达信号分选的应用需求，对传统自组织特征映射（SOFM）神经网络进行了分析，提出一种结构自调整的改进型SOFM神经网络，并进行了分选仿真．结果表明，该网络能够通过增加或删减输出神经元的数目，自动调整神经网络的规模使其与实际输入模式的类别数目相适应，从而取得了较好的雷达信号分选效果．     

TFR-HT的多分量LFM信号脉内特征提取方法

针对多分量LFM信号脉内特征的提取问题，提出了一种基于时频重排-Hough变换（TFR-HT）的特征提取方法，以重排后的时频分布作为图像，利用Hough变换检测图像中直线的原理，依次实现了对各分量的脉内特征提取．仿真结果表明，该方法能够有效地提取多分量LFM信号各自分量的脉内特征，同时具有较高的抗噪声性能．     

宽带雷达网结构模型与传输实时性分析

介绍了宽带雷达网的结构模型,对不同模型的骨干网技术、接入网技术作了简要分析和比较。基于雷达信号高速传输的要求,对传输实时性进行了重点分析,建立了雷达信号在宽带雷达网中的传输延时模型,并用小型专用网进行了仿真。     

抓住课程特点搞好"三个创新"

根据《统计信号处理》课程的内容和教学特点，以培养研究生独立从事科研工作的能力、提高研究生的综合素质为目标，在教学内容、教学方法和教学手段上大力创新，形成了一套特色鲜明、行之有效的研究生专业基础课教学法。     

任意稀疏结构的多量测向量快速稀疏重构算法研究

目前的稀疏重构算法求解多量测向量时存在两个问题:一是计算复杂度高;二是不能实现任意稀疏结构的多量测向量重构.为此,本文提出一种多量测向量快速重构算法.该算法首先构建矩阵平滑零范数法,实现对具有任意稀疏结构的多量测向量的重构,并获得多量测向量的初始支撑集;其次根据稀疏度与量测维度的关系,对初始支撑集进行筛选获得预选支撑集;然后采用贝叶斯组检验方式得到信号重构所需的最终支撑集;最后通过最终支撑集实现信号的重构.该算法充分利用了矩阵平滑零范数法的高效性以及贝叶斯组检验对冗余支撑集的剔除功能,不但实现了稀疏位置随机变化的多量测向量的高效重构,而且保证了算法的精度,并对噪声具有一定的鲁棒性,基于实测数据的ISAR成像实验验证了所提算法的有效性.     

弹道中段带翼弹头章动微多普勒特性研究

文中建立了带翼锥体弹头章动数学模型,分析了章动参数对目标姿态角的影响,推导了带翼弹头固定型和滑动型点散射中心的章动微多普勒理论公式,并对其进行了时频分析。基于电磁计算软件获取的目标静态电磁散射数据,结合目标运动模型合成了带翼弹头的雷达动态回波,进而获得其章动微多普勒的电磁仿真结果,验证了章动微多普勒理论公式的正确性,并给出了重要结论。     

中段弹头IMM-EKF跟踪方法及性能分析

为了提高中段弹头跟踪收敛速度以及跟踪精度,提出了一种基于交互多模型(IMM)的扩展卡尔曼滤波(Extended Kalman Filter,EKF)的跟踪算法。基于中段弹头加速度变化特点,建立了目标的中段系统动力学模型及量测模型,通过引入速度测量值,使用IMM-EKF算法对中段目标进行跟踪。仿真结果表明,通过交互多模的非线性滤波算法,可以使中段跟踪收敛速度大为加快,速度测量值的引入也使得跟踪精度有所提高,并在弹头中段与再入段衔接处有较好的跟踪性能; 验证了IMM-EKF跟踪中段弹头的有效性。     

二维稀疏信号的联合压缩感知方法研究

传统的压缩感知理论主要考虑一维稀疏信号的感知和重构。当待处理信号是二维(2 dimension, 2D)或多维时,若直接将信号向量化处理,会造成感知矩阵维度急剧变大,使得存储和后续的重构复杂度大大增加,同时重构性能下降。为实现对2D信号的高效感知和快速重构,本文首先构建一个针对2D信号的模拟信息转换(Analog-to-Information Conversion, AIC)感知框架,通过行、列同时感知的策略实现量测值获取,以达到降低量测值存储维度的目的;其次针对压缩采样后的量测数据,提出一种2D快速迭代收缩阈值算法(2D Fast Iterative Shrinkage-Thresholding Algorithm, 2D-FISTA),并对该算法的基本迭代格式、收敛条件、参数选择以及算法收敛速度等问题进行了详细分析。仿真结果表明,所研究的算法可直接处理2D信号,具有重构速度快和存储量低等优势。