基于数字高程模型数据的机载认知雷达地杂波建模方法研究

针对机载认知雷达信号处理的特点,设计了一种基于数字高程模型数据的地杂波建模方法。该方法首先从数字高程模型数据中提取对杂波功率谱有影响的地形因子,然后结合地理地貌学理论和地形因子对数字高程模型提供的真实地貌类型进行量化分类;设计动态数据库来存储量化后的地貌信息,以提高杂波建模过程的实时性;最后基于地貌信息和后向散射系数模型构建地杂波。仿真结果表明,采用该方法构建的地杂波模型符合机载雷达所处的地貌实际情形,用作机载认知雷达的先验信息时具有真实、稳定和可靠的优势,可有效地辅助机载认知雷达提高工作性能和生存力。     

基于多级维纳滤波的机载共形阵雷达杂波抑制方法研究

目前,多级维纳滤波器是一种收敛速度最快的降秩空时自适应处理算法,但它只适合于处理平稳随机信号,不能直接用于抑制非均匀的机载共形阵雷达杂波。该文在分析共形阵雷达杂波特性的基础上,提出采用俯仰向空域滤波改善杂波的非均匀性,改进了传统的协方差矩阵加权算法,最后形成了一种基于俯仰向空域滤波的协方差矩阵加权多级维纳滤波算法,用于抑制共形阵雷达杂波。仿真结果表明,该文方法抑制共形阵雷达杂波的综合性能优于现有其他方法,且计算复杂度低,收敛速度快,便于工程实现,在共形阵雷达杂波抑制中具有实际应用前景。     

利用目标与杂波先验知识的机载雷达发射波形自适应生成方法

发射波形自适应能够优化雷达在检测、跟踪和抗干扰等方面的能力,但其性能的好坏与雷达目标和杂波先验知识有很强的相关性。采用最大输出信杂噪比准则设计的雷达发射波形自适应方法已经在理论上被证实可行和有效。为了提升这类方法的实际应用价值,本文利用Swerling统计模型和数字高程模型（Digital elevation model,DEM）提供的目标和杂波先验信息,针对机载相控阵雷达,分析了基于最大输出信杂噪比（Signal-to-clutter-noise ratio,SCNR）准则的发射波形自适应方法性能和实用价值。仿真结果表明,这类发射波形能够自适应地随着目标和杂波的变化而改变,并实现二者的最优匹配,在提升雷达输出信杂噪比上优于传统发射波形,具有良好的实际应用前景。     

国道261一货车追尾罐车甲醇泄漏

2013年1月8日14时30分许,在G261线k627＋200m处（阜康朝乌鲁木齐市方向路段）,一辆拉煤货车超车时撞上前方的一辆装有32t甲醇的罐车,罐车车尾左上方被撞裂出一条约5cm的口子,甲醇泄漏,致使该路段交通管制4个多小时。乌市消防出动3车、15人赶到事发现场救援,他们用罐车上的棉被堵破裂处,但堵不住。随后用高压水枪对着地面稀释甲醇液体,以防甲醇液体浓度高着火。随后甲醇罐车停止泄漏,甲醇被转移到另一辆罐车内。泄漏甲醇达10t左右。20时许,该路段被清理完毕,道路恢复正常通行。     

造纸法烟草薄片脆性的评价方法

为建立一种客观评价造纸法烟草薄片脆性的方法,采用质构仪对不同含水率的1#造纸法烟草薄片样品进行撕裂测试和拉伸测试,分析测试结果与样品含水率的关系;采用质构仪对国内不同种类(1#~4#)造纸法烟草薄片进行撕裂测试,分析该方法的准确性.结果表明:无论撕裂测试是纵向还是横向,样品的正峰个数与含水率的相关系数(R2)最高,分别为0.938 0、0.954 8,说明撕裂测试时正峰个数能够表征造纸法烟草薄片的脆性;撕裂测试时国产造纸法烟草薄片的正峰个数与其手感脆性相对应,该方法能够准确评价和区分各类国产造纸法烟草薄片的脆性.     

造纸法烟草薄片脆性影响因素的研究

分析了四种影响烟草薄片脆性的因素,包括外加纤维种类、外加纤维打浆度、外加纤维添加量、烟草萃取液涂布率对脆性的影响。结果表明：当外加纤维分别为同一打浆度的漂白针叶木浆、阔叶木浆、麻浆、竹浆、甘蔗渣浆时,烟草薄片的脆性依次增加。随着外加纤维浆料打浆度的增加,烟草薄片脆性逐渐减小,当打浆度增加到33°SR附近时,烟草薄片的脆性降低到较好状态。随着外加纤维浆料添加量的增加,烟草薄片的脆性先降低后增加,外加纤维浆料添加量为25%时,烟草薄片的脆性最小,柔韧性最好。随着涂布量的增加,烟草薄片的脆性先降低后增加,在涂布率达到65%~75%时,脆性最小,柔韧性最好。     

采用变对角加载多级维纳滤波方法抑制机载雷达杂波的研究

受机载雷达体积和重量的限制, 传统方法难以在低复杂度下达到最优雷达杂波抑制效果. 该文在分析多级维纳滤波结构基础上, 提出了一种变对角加载多级维纳滤波的空时二维自适应处理方法, 通过理论推导, 建立了新方法的后向递推算法, 并应用新算法抑制机载雷达杂波. 仿真结果验证了该算法的可行性和有效性. 在低维滤波器结构下, 该算法性能优于相关传统方法, 鲁棒性强. 在机载雷达杂波抑制中, 该算法能获得-80dB的零陷深度, 可实现良好的杂波抑制效果, 具有实际工程应用前景.     

基于DEM的机载认知雷达均匀样本选择方法

认知雷达作为一种新概念雷达,还有一些关键技术亟待解决,杂波/干扰的抑制技术就是其中之一。真实环境下杂波/干扰一般是非均匀的,机载认知雷达为了达到抑制杂波和干扰的目的,通常需要事先选择均匀样本并剔除干扰样本。样本质量的好坏直接影响到机载认知雷达杂波和干扰抑制性能的好坏。为此,文中设计了一种基于数字高程模型数据的样本选择方法。新方法首先从数字高程模型数据中提取雷达照射区域内的多种地形因子;接着,根据地形因子选择均匀样本;最后,采用知识辅助的非均匀检测器剔除含干扰的样本。仿真结果表明:文中设计的方法可以很好地完成对均匀样本的挑选以及对干扰目标的剔除,明显优于现有相关方法,可以有效地提高机载认知雷达的杂波和干扰抑制能力。