多分量雷达辐射源信号检测新方法

针对现有方法难以有效检测多分量雷达辐射源信号(multi-component emitter signal,MCES)的问题,提出一种SHE(S-metbod,Hough-transform and elimination-method)检测新方法。该方法引入S-method计算信号的时频分布,采用Hough变换检测调频斜率,通过提出的时频面消除法实现信号分量的逐次提取和参数检测。SHE方法计算复杂度低,容噪能力强,易实现在线检测。仿真实验结果表明:SHE方法能准确检测MCES中各信号分量起止时间和瞬时频率,不易受交叉项干扰,脉宽检测精度大于98.030%,带宽检测精度大于96.430%,信噪比降低到-5dB时仍然保持高检测精度。     

基于重排小波-Radon变换的LFM雷达信号参数估计

小波变换是一种兼顾时频分辨率的线性变换,对多分量情况不会引入交叉项。针对此问题,提出基于重排小波-Radon变换的多分量线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。对单分量和双分量的情况进行了仿真,结果表明,该方法有效提高了时频分布图的聚集性,大大节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

基于切割聚类的快速多分量LFM信号分离

针对多分量线性调频(linear frequency modulation, LFM)雷达信号检测和参数估计精度低、计算速度慢等问题,提出了一种基于小波变换的切割聚类拟合参数估计的算法。该方法首先通过小波变换得到信号的三维时频分布图,其次采用等高线截取提取出小波脊线,再找出脊线的交点,以交点为界对小波脊线图进行切割,利用模糊C均值聚类完成各LFM分量脊线的聚类,最后分别对每段脊线进行拟合加权,从而估计出多分量LFM信号参数。仿真结果表明,与基于Hough变换检测直线方法相比,不仅在计算复杂度以及参数估计的准确度上都有较大的提升,而且当LFM信号分量达到4个以上亦有较准确的检测精度。     

基于分数阶功率谱的LFM信号检测

从分数阶傅里叶变换与Winger-Ville分布的关系出发,推导出分数阶功率谱与模糊函数过原点切片之间的傅里叶变换关系,提出了一种基于分数阶功率谱的LFM信号检测新因子,并证明了该因子与RAT检测因子等价。基于新因子的检测只需计算信号一定角度区域内的分数阶功率谱就能实现检测,因此相比于RAT方法在计算量上具有比较明显的优势。     

基于遍历Hough变换的弱目标检测前跟踪算法

针对基于标准Hough变换的TBD算法在低信噪比环境下检测概率较低以及运算时间较长的问题,提出一种基于遍历Hough变换的TBD方法.将接收到的各帧回波点进行第一门限判决并依次存储到不同矩阵中;把所有超过第一门限的点统一叠加到数据平面;接着两两遍历组合数据平面中不同点求取直线参数,将其投影到参数平面对应单元,并建立累加器,同时将组合两点的幅值积累到该单元对应的累加器中;提取累加器中积累值超过第二门限单元,实现航迹回溯.通过仿真比较所提算法与其它两种基于Hough变换的TBD算法,验证了所提方法能够有效提高低信噪比下目标的检测概率并且运算时间也比标准Hough变换少.     

一种新的LFM信号检测算法仿真分析

关于线性调频信号的检测,目前的一个主要研究方向是先对信号进行时频分析,获取信号的时频分布特征,然后对时频平面采用Radon变换,投影到Radon变换空间进行峰值检测,以实现线性调频信号的检测。在此基础上,提出了一种新的时频分布积累检测算法。该算法联合运用多种窗长的傅立叶变换分析和Radon变换二值积累,有效的利用了信号能量,通过多层积累处理,取得了较好的效果。通过详细的仿真分析,验证了该算法的有效性,并明确了算法应用中应当注意的问题,具有一定的参考价值。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

LFM信号时间-调频斜率分布交叉项抑制方法

分析了多线性调频信号的时间 调频斜率分布的交叉项,导出了交叉项的数学表达式,结合线性调频信号的特点,提出用Radon变换的交叉项抑制的方法,该方法具有运算量小的特点。仿真表明该方法能滤除绝大部分交叉项和噪声,且能用于低信噪比的场合。     

一种新的平行多分量LFM信号的参数估计方法

基于Hilbert-Huang变换(HHT)能分解出信号的任何频率成份和线性调频(LFM)信号的瞬时频率是关于时间的直线的特性,对频率相近的平行多分量LFM信号进行HHT变换,再利用滤波和改进的最小二乘直线拟合,最后得到各分量较为准确的瞬时参数估计.该方法不需要改变HHT算法本身,而是利用滤波方法和进一步的最小二乘直线拟合抑制了HHT固有的边界效应对瞬时参数估计的影响,提高了频率提取的准确性,而且更容易实现.仿真结果表明该方法能成功地解决小波脊方法所不能解决的频率相距很近的平行多分量LFM信号的频率分离和参数估计问题.     

基于WHT的多分量LFM参数估计与分离

强度相当的多分量LFM信号在Wigner-hough(WHT)平面上呈现出多个尖峰值,各尖峰值对应各分量在时频平面上频率轴上的初始频率和调频斜率。提出了一种基于WHT的多分量LFM信号的参数估计与信号分离算法。该算法结合解线调和窄带滤波器分离和估计各分量的参数的算法,可以一次提取多个尖峰值。仿真结果证明,此方法可有效地对多分量IJM信号进行精确的参数估计与分离且不出现虚假信息。     

基于霍夫变换的模糊建模研究及其应用

传统TS的建模方法由于其本身的不足,在实际应用中有一定的局限性.本文基于输入输出数据,提出一种基于霍夫变换的改进TS模型,首先确定模糊模型结论部的参数,然后利用聚类方法确定模型前提部的参数,从而建立了非线性系统的模糊模型,仿真结果表明了该方法快速性和有效性.     

Multi-component LFM signal detection and parameter estimation based on Radon-HHT

A new method is proposed to analyze multi-component linear frequency modulated （LFM） signals, which eliminates cross terms in conventional Wigner-Ville distribution （WVD）. The approach is based on Radon transform and Hilbert-Huang transform （HHT）, which is a recently developed method adaptive to non-linear and non-stationary signals. The complicated signal is decomposed into several intrinsic mode functions （IMF） by the empirical mode decomposition （EMD）, which makes the consequent instantaneous frequency meaningful. After the instantaneous frequency and Hilbert spectrum are computed, multi-component LFM signals detection and parameter estimation are obtained using Radon transform on the Hilbert spectrum plane. The simulation results show its feasibility and effectiveness.     

基于节点相似性的LFM社团发现算法

传统的局部适应度社团发现算法(LFM)在社团结构模糊的网络中精度下降严重。针对此问题,提出LFMJ算法。利用邻居节点信息和改进的杰卡德系数重构网络,使网络结构更为清楚,社团划分结果更为准确。为验证算法,选择了5种算法在LFR网络和真实网络中进行测试,包括LFMJ、LFM和传统的LPA算法以及性能较好的WT和FUA算法。结果表明:在标准LFR网络中,LFMJ精度高于LFM和LPA,与FUA和WT相当;在真实网络和具有重叠结构的LFR网络中,LFMJ精度优于其他4种算法。     

离散分数阶Fourier变换的LFM信号时延估计

根据Ozaktas的采样型离散分数阶Fourier变换算法,针对线性调频信号,结合分数阶Fourier变换对线性调频(LFM)信号的独特聚集性,研究了基于Ozaktas离散分数阶Fourier变换的含多普勒的LFM信号时延估计,给出了线性调频体制雷达分数阶Fourier域的目标检测与测距具体实现,并与经典数字脉压对雷达目标测距的分辨力、时延估计误差、运算量进行对比分析,结果验证了基于Ozaktas离散分数阶Fourier变换时延估计的可行性及有效性。     

基于Hough变换和聚类的航迹起始算法

基于Hough变换的航迹起始是密集杂波环境中低信噪比目标起始的一种有效方法,但其存在阈值选取困难及一个目标起始多条航迹(航迹簇拥)等问题.提出了一种Mean Shift多尺度聚类Hough变换航迹起始算法(MSMSC-HT).该算法先用低阈值进行航迹初选;然后对初选航迹进行多尺度聚类,并用Mean Shift算法求取聚类中心;最后通过尺度寻优自适应地确定航迹数目和航迹参数.该算法通过聚类避免阈值设计的困难,解决了航迹簇拥下航迹的检测与估计问题.仿真结果表明了算法的有效性.     

基于平滑WVD的动目标检测

讨论了平滑Wigner Ville分布 (WVD)在动目标检测 (MTD)中的应用。传统的MTD是通过Doppler滤波器组来实现的 ,但由于Doppler滤波器组的旁瓣电平往往较高 ,从而限制了对目标的检测能力。给出的基于平滑WVD的MTD克服了传统方法的缺点。对该方法进行了理论分析和计算机仿真。理论分析和仿真结果均验证了此方法的有效性     

噪声中信号的一致最优不变检测器的理论研究

本文运用不变检验原理,来研究未知参数的噪声背景中信号的一致最优不变检测问题,导出了未知功率电平的Gauss噪声中非随机信号的一致最优不变检测器(UMPVD)的结构,讨论了其在大样本和小样本情形下的检测性能,从而获得若干有意义的结论。     

基于减法聚类的两级Hough变换航迹起始算法

针对低信噪比、低信杂比环境下作匀加速直线运动的目标检测中随机Hough变换算法存在的采样次数总量大、无效采样多的现象,提出了一种改进的航迹起始算法-基于两级Hough变换的航迹起始算法.该方法首先采用标准Hough变换滤除原始数据空间上的大量杂波点,然后用随机Hough变换以较少的采样次数获取备选航迹参数,再对所得参数使用最小距离筛选的方法进一步减少虚警,最后利用减法聚类得到准确的航迹数及航迹参数.实验表明该方法不但能够明显降低随机Hough变换的采样次数、减少无效采样,而且对杂波干扰具有很好的鲁棒性,尤其适用于复杂环境中的目标检测.