一种改进的Montgomery大数模乘器

文中针对Montgomery模乘算法进行了分析和改进,采用了一种理想的适合于硬件实现的Montgomery算法。根据此算法提出了一种新的脉动阵列结构,有效降低了芯片的面积,提高了模乘的运算速度。基于CMOS的0.6um工艺下,模乘器VLSI实现共用9k个等效门,最高工作时钟频率可达100MHz,完成1024位Montgomery模乘约需4295个时钟周期。     

8位平台SMS4密码算法实时加解密实现

SMS4算法是国内官方公布的第一个商用无线局域网分组密码算法.本文简要的介绍了SMS4算法,并分析了8位平台输入输出和SMS4算法的特点,采用了流水线技术,在密钥提前生成的情况下实现了ECB加模式下的实时加解密.     

基于极化散射特性的空间锥体目标宽带回波对齐

包络对齐是宽带回波预处理中重要的一部分,然而对于空间锥体这类只有较少散射中心且目标存在微动的情况,现有的包络对齐方法并不能得到较好的对齐结果。对于一些利用宽带回波进行微动目标参数估计的算法,包络对齐是其算法的关键一步。该文提出一种基于极化散射特性进行包络对齐的算法,算法首先利用极化谱估计与幅相联合估计(P-CAPES)超分辨方法估计宽带极化回波中的散射中心的数目、位置和极化散射矩阵,然后计算前后时刻回波散射中心的极化相似性参数,最后利用得到相似性参数进行包络对齐。基于电磁计算数据的实验结果验证了算法的有效性。     

高分辨SAR图像自动区域筛选目标检测算法

在G0分布背景杂波假设下,基于VI-CFAR算法该文提出一种自动区域筛选的恒虚警目标检测算法,以解决高分辨SAR图像复杂环境背景下的目标检测问题。该算法首先利用变化指数(VI)统计量对局部参考窗内的均匀区域进行筛选,以剔除参考窗内具有目标干扰点的非均匀区域;然后利用均值比(MR)统计量对参考窗内同质的均匀区域进行区域合并,以解决杂波边界处的背景杂波筛选问题;最后利用筛选到的同质均匀区域内的像素集合进行背景杂波参数估计,对待检测区域实现二值检测。通过实测SAR图像车辆目标检测实验表明,在多目标和杂波边界复杂环境背景下,该算法具有较稳定的检测性能和虚警抑制能力。     

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。     

基于微多普勒效应和多级小波分解的轮式履带式车辆分类研究

短驻留时间条件下的轮式和履带式车辆目标分类对于战场侦察雷达系统目标识别功能的引入具有应用价值。该文基于微多普勒效应对轮式和履带式车辆的雷达回波进行了分析,针对这两种车辆的雷达回波中包含的微多普勒信号的差异,提出一种基于多级小波分解的分类方法。该方法首先使用多抽样率信号处理减轻了目标平动速度变化对分类结果的影响,其次通过对目标的平动和微动分量进行分离,提取了较好描述类间目标差异性的特征。基于实测数据的实验结果表明该方法具有较好的分类性能,同时对目标速度的变化具有稳健性。     

无限最大间隔线性判别投影模型

针对具有多模分布结构的高维数据的分类问题,该文提出一种无限最大间隔线性判别投影(iMMLDP)模型。与现有全局投影方法不同,模型通过联合Dirichlet过程及最大间隔线性判别投影(MMLDP)模型将数据划分为若干个局部区域,并在每一个局部学习一个最大边界线性判别投影分类器。组合各局部分类器,实现全局非线性的投影与分类。iMMLDP模型利用贝叶斯框架联合建模,将聚类、投影及分类器进行联合学习,可以有效发掘数据的隐含结构信息,因而,可以较好地对非线性可分数据,尤其是具有多模分布特性数据进行分类。得益于非参数贝叶斯先验技术,可以有效避免模型选择问题,即局部区域划分数量。基于仿真数据集、公共数据集及雷达实测数据集验证了所提方法的有效性。     

基于多特征融合词包模型的SAR目标鉴别算法

针对复杂场景中的SAR目标鉴别问题,该文提出一种基于多特征融合词包(Bag-of-Words, BoW)模型的SAR目标鉴别算法。在BoW模型底层特征提取阶段,算法采用SAR-SIFT特征描述局部区域的形状信息;同时,采用该文基于传统鉴别特征提出的一组新的SAR图像局部特征描述局部区域的对比度信息和纹理信息。对于BoW模型中多个底层特征的融合,算法采用图像层的特征融合方式生成图像的全局鉴别特征,其中各单底层特征BoW模型特征的权系数通过L2范数约束的多核学习方法训练得到。在MiniSAR实测SAR图像数据上的目标鉴别实验表明,与基于传统鉴别特征以及单底层特征BoW模型特征的鉴别算法相比较,该文基于多特征融合BoW模型SAR目标鉴别算法具有更好的鉴别性能。     

基于矩阵加权的稳健波束形成方法

提出了一种基于约束主瓣幅度波动范围的矩阵加权波束形成方法,该方法相比已有方法可以有效控制方向图的主瓣形状、旁瓣电平以及零点深度.存在噪声和系统误差时,该方法对于信号功率的估计具有更好的稳健性.通过约束主瓣幅度波动范围波束形成方法求得加权矩阵的协方差矩阵,对该协方差矩阵做特征值分解求得加权矩阵,通过划分特征值大小来确定最小规模的加权矩阵,该加权矩阵可以在不损失方向图形状和信号功率估计性能的条件下有效降低系统实现复杂度.     

阵列误差下的多输入多输出雷达测向技术

针对多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达收发阵列同时存在阵元互耦效应和幅相误差时目标测向性能下降的问题,提出了一种基于Capon波束形成的测向算法.该方法利用Toeplitz特性降低了参数空间维数,并结合Kronecker积特性将发射和接收阵列的阵列误差去耦合,从而对收发阵列误差进行迭代补偿,最终获得目标方位角的估计.仿真结果验证了所提算法的有效性和可行性.