混沌理论在雷达中的应用

混沌动力学作为一门新学科已经引起了世界各国科学界的重视,是近年来非线性科学领域的热门学科,混沌系统初值的敏感性和两个混沌系统间同步的实现,使得混沌用于保密通信成为可能,海杂波的混沌特性使人们开始探索混沌在雷达中的应用.研究表明,混沌在杂波分析与建模、信号检测、目标识别及伪随机码波形设计等领域内取得了可喜的成果.研究了混沌在雷达中的应用,分析了目前混沌在雷达中的应用现状,预测了未来研究发展的趋势.     

基于竞争神经网络的雷达杂波抑制方法

为鉴别杂波点迹和目标点迹,消除杂波对雷达性能的影响,提出了一种基于竞争神经网络的雷达杂波抑制方法.首先,选取雷达点迹形成过程中能够反映目标点迹和杂波点迹差异化的特征,作为神经网络输入数据;然后,根据输入输出的数据维度设计竞争神经网络分类器,并对其进行训练;最后,利用训练好的神经网络分类器对雷达点迹进行聚类,对识别为杂波...     

基于LVQ神经网络的雷达杂波抑制方法

针对雷达目标检测后的剩余杂波影响雷达航迹起始和航迹跟踪的问题,提出基于学习向量量化（learning vector quantization,LVQ）神经网络的雷达杂波抑制方法。从雷达回波点迹的特征入手,通过分析目标点迹和杂波点迹的特征分布,通过人工提取特征的方式选取具有差异化的特征。根据特征数量和点迹类别数量构建LVQ神经网络分类模型,并对模型进行训练。利用训练好的LVQ神经网络分类模型对雷达回波点迹进行分类,区分目标点迹和杂波点迹,保留判别为目标的点迹,滤除判别为杂波的点迹,从而实现杂波抑制功能。通过对某型航管雷达的实测数据进行测试表明：该方法能够有效区分目标点迹和杂波点迹,杂波抑制能力比BP神经网络算法更好。     

一种基于关联度的跳频频率预测方法

对跳频通信进行有效干扰的关键在于对跳频信号频率进行较准确的预测.根据跳频频率序列的混沌特性,并基于混沌系统相空间重构思想,提出了一种基于关联度的跳频频率预测方法,以达到具有较高有效预测概率的目的.仿真实验结果表明,在一定的预测精度要求条件下,该预测方法具有较高的有效预测概率,对跳频通信对抗研究具有借鉴意义.     

海杂波环境下慢速小目标检测方法

海杂波环境下慢速小目标检测一直是雷达目标识别的难点,在分析海杂波特性的基础上,设计了脉间信号平滑处理和时频分析两种实用的海杂波抑制和慢速小目标检测方法,通过实验验证,在雷达长时间照射下采取一定时间间隔的扫描间信号平滑处理,而在短时间照射下采取时频分析方法均能有效地区分出淹没于海杂波环境下的慢速小目标.     

双树复数小波变换在杂波抑制处理中的应用

针对湮没在杂波环境下的目标检测,提出一种利用双树复数小波变换对回波信号进行分解,通过相关性滤波再进行信号重构,抑制海杂波,其后采用动目标检测的方法抑制地物杂波信号。只采用动目标检测的方法仍有海杂波的影响,在通过双树复数小波变换的杂波抑制方法后作动目标检测处理能有很好的抑制效果,能检测出湮没在杂波中的小目标。将其应用到某型雷达的信号处理系统中,仿真结果表明该方法能有效降低杂波的影响。     

微波雷达海杂波混沌特性分析

随着非线性学科的发展,混沌科学受到各个学科领域的广泛重视,海杂波的混沌特性吸引越来越多的科研人员开始探索混沌理论在雷达系统中的应用。介绍了混沌理论的起源和发展趋势,简要阐述了混沌定义,给出了混沌的奇异吸引子、相图与Poincare截面、相关维及Lyapunov指数等基本特性,并基于混沌时间序列的关联积分C-C法、相空间重构法及小数据量法等混沌特性研究方法,对微波雷达实际采集的海杂波数据进行了混沌特性分析,分析结果表明,微波雷达海杂波数据具有混沌特征。     

基于HHT的雷达杂波抑制

传统时频分析方法不适于分析非平稳信号,Hilbert-Huang变换(HHT)是近年兴起的一种自适应、高效处理非线性、非平稳信号的时频分析方法.针对传统时频分析对雷达杂波抑制的局限性,采用HHT方法抑制雷达杂波.HHT方法对雷达回波信号的时频特性具有较高的分辨能力,能够清晰地突出目标弹性成分.仿真结果表明使用EMD结合阈值去噪、尺度滤波方法对抑制雷达回波中的杂波有一定效果.     

MIMO雷达信号检测前跟踪算法及性能

针对雷达目标检测中,弱小目标雷达截面积小,目标角闪烁以及目标受噪声和杂波影响比较大,基于序列检测的检测前跟踪算法是在MIMO雷达信号一般似然比检测的基础上提出来的,它能够克服强杂波噪声对信号检测的影响,在低信号杂波比的情况下滤除杂波点,实现了对弱小目标的检测。仿真实验证明,在虚警概率相同的条件下,算法的性能优于似然比检测方法。     

混沌背景下基于神经网络的编码信号检测新方法

提出了一种混沌背景下的编码信号检测新方法。信号检测过程包含两个步骤:混沌信号的预测和检测判决。该方法利用非线性前馈神经网络进行混沌信号模型的创建,并采用13位巴克码作为编码信号。仿真结果表明,通过该方法进行编码信号检测可以得到较高的检测概率和较低的虚警概率,整体检测性能较高,并且对于不同信噪比的信号具有较强的鲁棒性。     

复杂网络波动扩展衍射欠定采样预测模型

复杂网络环境中对网络波动的准确预测可以有效监测网络环境,防范网络入侵和拥堵。由于在复杂网络受到干扰的可能性更大,其网络波动具有扩展衍射特征,不可预测性强。传统方法中采用自回归移动平均模型进行复杂网络波形预测算法设计,在波动信号的时频重叠调制过程中未能纳入杂波先验信息,波动序列的扩展衍射特征形成欠定采样,预测效果不好。提出基于空间扩展自回归移动平均模型的复杂网络波动欠定预测算法,采用LTE线性均衡滤波,进行降噪去除杂波干扰,提取波动序列的扩展衍射特征形成欠定采样样本序列,设计网络波动时空序列扩展衍射点阵,准确预测网络波动的参数信息。以病毒入侵,网络监听和拥塞堵塞等波动产生模型为实例,进行仿真实验,结果表明该算法具有较高预测精度,监测点波动误差较小,实现复杂网络波动状态的动态跟踪和评估。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类,但此网络使用BP算法,其误差能量函数是一个不规则的超曲面,容易陷入局部极小值.因此,提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法.该方法能够自动地确定网络的最优结构和联结权值,同时避免网络的局部优化.实验结果表明,将该方法用于被动声纳目标的分类识别,能够有效地克服局部最小问题,具有更好的识别率.     

基于Q-MMSPF的海杂波多重分形互相关分析和目标检测

提出一种研究长程互相关和多重分形的新方法——Q阶混合矩结构分割函数法(Q-MMSPF),并利用Q-MMSPF分析了海杂波时间序列的多重分形互相关特征。通过对实测海杂波数据的计算分析发现,海杂波互相关多重分形特征较弱,目标信号之间的互相关多重分形特征明显,而目标信号与海杂波之间的互相关多重分形程度介于二者之间。据此,本文采用一种新的特征值进行海杂波背景下的目标检测。通过对不同条件下的实测海杂波数据验证,表明使用本文提出的特征值测量方法可以十分有效地检测出海杂波背景下的小弱目标。     

基于多级神经网络的类型融合

研究了基于多级神经网络的类型融合方法。这种多级神经网络分为传感器子网和融合子网两部分。传感器子网是一种基于专家规则的模糊神经网络,根据专家规则确定网络结构,网络节点和传递函数都有明确的意义,避免了普通神经网络层数和隐层节点数难以确定的缺点。经过训练的传感器子网能够实现各目标类型的置信度分配,然后用融合子网对多个传感器子网输出结果进行融合,得到目标类型的最终判决。在融合子网中,加入了各传感器的可信度,使融合结果更可靠。仿真结果表明,此方法鲁棒性强,识别率高。     

基于差分和神经网络的同步辐射光源图像压缩方法

针对常见的图像无损压缩方法效果不佳问题,提出了一种基于图像差分和神经网络的同步辐射光源图像无损压缩方法。通过图像差分以减少图像序列内部的线性相关性,训练神经网络模型以学习图像序列内部的非线性相关性,得到预测概率分布,结合算术编码压缩。为加速预测和编码过程,将像素值按位分裂为两部分进行并行处理。基于上海同步辐射光源图像的测试表明,相较于便携式网络图形、JPEG2000和自由无损图像格式等,该方法可将压缩率提升20%以上,像素位分裂可以缩短30%的模型预测和编码时间。     

混沌信号处理

描述了混沌特征参量 ,包括Lyapunov指数和分形维 ;讨论了信号相空间重构和Takens嵌入定理 ,以及嵌入维数、时间延迟等参数。还阐述应用神经网络进行混沌信号非线性处理     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.     

基于小波神经网络的MEMS陀螺输出预测方法

为了解决弹载MEMS陀螺实时输出预测问题,提高陀螺输出预测精度并减小计算量,通过分析弹载陀螺信号时间序列特性,结合小波分析和神经网络两种方法的优势,提出了一种基于小波神经网络的MEMS陀螺输出预测方法。选取并优化神经网络结构参数,利用实测陀螺数据对建立的小波神经网络进行训练,并预测出未来一段较短时间的陀螺输出值。与陀螺实测值和ARMA模型预测结果的对比发现,小波神经网络方法有效地提高了MEMS陀螺输出预测的精度、减小了计算量,从而验证了该方法的有效性和精度。     

雷达杂波的仿真与实现

对雷达信号进行仿真,必须贴近实际情况,现在影响雷达的环境因素多种多样,就针对雷达杂波仿真的实现问题进行了研究。从相关杂波的仿真、杂波功率谱计算的原理、雷达杂波的幅度分布、仿真结果的实现4个步骤进行论述,最后以实例进行Matlab计算仿真,最终结果表明可以准确实时地反映复杂环境下雷达杂波的特性。