一种实时雷达脉冲信号检测算法及其性能分析

提出了一种新的实时雷达脉冲信号检测算法,该算法首先将数据分为两路,对一路进行单点滑动、取共轭,然后与另一路信号相乘,再累加、取模,最后与门限比较,得到检测结果。算法具有递推和流水结构,硬件实现时只需一个复数乘法器、一个复数加法器、一个复数减法器和一个复数取模运算器。在此采用一阶扰动分析,推导了算法起始点检测误差的解析式,给出了算法性能边界,仿真结果验证了理论推导的正确性。与其他信号检测算法相比,该算法结构规整,易于硬件应用,可实现实时检测。     

基于最大似然法的超分辨率离散谱估计算法

基于最大似然法的交替陷波周期图算法（ＡＮＰＡ）是一种超分辨率的谱估计算法,它同时具有超分辨率、高精度和低信噪比门限的特性。本文提出了一种计算陷波周期图的新算法,它可使运算量和存储容量大幅度下降。计算机仿真结果证明了这种算法在分辨能力和估计精度方面优于己有算法。     

自主式宽带PD雷达目标回波模拟方法

为了实现PD雷达目标回波信号的高精度模拟,提出了一种自主式雷达目标回波的模拟方法,该方法相对于射频存储式目标模拟,具有高相噪指标、电路简单等优点,笔者对雷达回波信号的典型特征实现方法进行了阐述.     

一种考虑互耦的机会阵雷达波束综合方法

研究了机会阵雷达在阵元间互耦影响下的波束综合.考虑到大量天线单元的随机分布,基于子阵思想,提出了交叉划分子阵,利用矩量法计算子阵的互阻抗矩阵并构建机会阵的互阻抗矩阵,同时结合遗传算法优化各单元的激励状态、馈电幅度和相位,实现机会阵雷达的波束综合.以任意偶极子面阵和任意偶极子立体阵的波束综合为仿真实例,运用该算法,有效减小了计算量,给出了合适的子阵划分距离,并通过对比电磁仿真工具与不考虑互耦的仿真结果,验证了算法的正确性及考虑互耦的必要性.     

宽带雷达目标模拟系统在线校准技术研究

针对宽带雷达目标模拟系统产生的回波信号幅相失真问题,采用在线提取幅相误差的方法对系统幅相特性进行估计,并使用有源均衡器和FIR滤波器联合校准的方法完成对回波信号幅相失真的校正.使用有源均衡器对随频率变化的插损部分进行校正,避免校准过程中信号动态范围的恶化,使用混沌粒子群算法优化设计FIR滤波器对幅度的非线性高频振荡部分...     

任意概率分布随机振动激励源的设计与实现

随机振动台是航空航天产品重要的研制、鉴定、可靠性及生产试验设备,提高振动模拟试验的逼真性和振动试验的效果都需要产生非高斯分布的随机激励信号.本文对具有给定功率谱密度分布的非高斯随机振动激励信号的生成技术进行研究与分析,使数字式随机振动控制系统可以同时具有频谱和幅度分布的控制能力.给出了采用数字信号处理技术高精度和快速地产生任意概率分布的随机振动时域激励信号的方法.采用这种方法得到的宽带随机信号的信噪比可达到70 dB,可用于精密随机振动台的驱动控制信号,准确地实现被试验产品的模拟实验.计算机仿真和实验结果也证实了该方法的正确性和有效性.     

雷达目标模拟器LFM信号线性度校准研究

线性调频(LFM)信号由于其良好的时-频聚集性,被广泛应用于雷达系统中,其频率随时间变化的线性程度,对雷达测距精度及距离分辨率影响很大.为准确模拟雷达LFM回波信号,对雷达目标模拟器所产生的LFM信号,必须进行线性度校准.本文提出了一种基于小波变换的雷达目标模拟器LFM信号线性度校准算法,通过对来自不同模拟器的大量实测数据的实验测试,证明了算法的有效性,校准精度优于0.1％.     

外推算法在实时杂波模拟中的应用

由于实时性和计算量上的要求,在实时雷达杂波模拟系统中利用网格划分法计算出来的杂波功率谱点数有限,一般不超过1 024点。为了提高模拟得到的时域杂波序列的频率分辨率,改善由于在DSP上46 ms内重复使用同一段序列所导致的周期性,特别引入了最大熵外推算法及其改进的梯度格型快速自适应算法,扩大了时域序列的点数。实践证明,使用该外推方法可以在保证实时性的前提下,将杂波重构过程频率分辨率提高1倍。     

雷达多径信号分辨的小波变换方法

雷达多径回波信号(多径干扰信号)对雷达系统的检测性能具有十分不利的影响,抑制多径干扰的关键是准确分辨多径回波信号(检测并确定其部分参数)。小波变换在时、频域具有良好的局部化特性并对信号的奇异性非常敏感,在不同的尺度下(频带)奇异信号的小波变换模局部极大值点不变。雷达多径回波信号可用小波变换的方法进行分析和检测,根据信号与白噪声的小波变换局部模极大值的传播特性差异来抑制背景白噪声。本文通过正交二进制小波变换算法估计雷达多径回波信号的数目和信号时延,达到分辨多径信号的目的。文中的计算机仿真结果证明了该方法的可行性。     

基于深度学习技术的水稻生长期辨识方法研究

我国作为人口大国,对粮食的需求量与日俱增。文章以水稻田间管理为研究对象,采集广东省内不同地区的水稻田图像,基于深度学习技术,采用多分类器融合的思想,将不同分类器联合使用,得出以下结论：直接应用传统CNN网络辨识准确率低,采用多分类器融合的思想,得到的分类结果准确性高,融合后的分类性能优于任何单一分类器的分类性能,所提出的方法11类总体分类准确率达到70.3%。