非平坦地形双基地海底混响的快速计算方法改进

针对传统双基地海底混响的计算量问题,对该类海底混响的理论计算模型进行了改进,利用基于Lambert散射法则的闭型表达式和基于曲线拟合的数值计算方法,实现了对任意地形双基地海底混响的快速计算。基于该方法,对不同变化规则的非平坦海底双基地混响进行了仿真分析,并讨论了周期和非周期的非平坦海底环境下,地形拟合步长对信混比计算精度的影响。仿真结果表明:该方法能够快速计算得到复杂海底地形的信混比空间分布。相比经典单元散射混响模型,所提出的双基地海底混响计算改进方法可以大幅提高计算效率,同时在合理的海底地形拟合步长前提下兼顾计算结果的精度。     

一种基于声矢量阵混响空间特性的窄带目标探测算法

针对声矢量水听器阵主动探测问题，从声矢量混响空间特性方面开展研究。首先，从理论上分析各向同性混响条件下声压阵、振速阵的空间相关系数，指出远距离、长处理帧条件下声压、振速阵列半波长以上阵元间距的各向同性混响近似不相关；然后，以此为基础，给出声矢量圆阵信号接收模型，并针对各向异性、各向同性混响共存情况，给出了一种声矢量解析振速平滑阵列处理方法。该方法充分利用解析振速结构特点，对声压、解析振速阵列数据协方差矩阵进行累加平均，有效减小了不同阵元各向异性混响成分相干性。实测数据结果表明：声矢量解析振速平滑方法的常规波束形成处理与最小方差无畸变波束形成处理的声场级都小于声压阵处理结果，具有更高的目标分辨能力。     

高阶累积量自适应波束形成的改进算法

针对线性约束最小方差(LCMV)算法在自适应波束形成时,存在的对噪声敏感、信噪比(SNR)较高时波束形成受小特征值扰动影响较大的情况。在基于高阶累积量的LCMV算法的基础上提出改进方法。该方法首先计算阵列接收数据的高阶累积量,然后对高阶累积量构造数据增广矩阵,进行奇异值分解求出伪逆,再用伪逆修正LCMV算法的权值,形成波束。仿真结果表明,相比于传统LCMV算法与基于高阶累积量的LCMV算法。算法能够有效地克服信噪比升高时小特征值扰动对波束形成的不良影响,且在较低快拍数下仍能有效形成波束。     

基于形态学和高阶统计量的弱小运动目标检测

为检测复杂背景中的红外弱小运动目标,提出了一种基于形态学滤波和三阶累积量分析的检测方法。该方法采用形态学背景估计方法对红外图像序列进行预处理,提高图像信噪比,并消除高亮度大尺寸背景和图像边缘对高阶累积量估计造成的影响。利用高阶累积量对高斯噪声是"盲的"这一特点,基于红外图像序列构造三阶累积量作为统计判据检测图像中的弱小运动目标。仿真实验表明,该方法能够连续有效地检测红外弱小运动目标。     

一种新的概率数据关联滤波算法

在密集多回波条件下对单个机动目标跟踪的情况下,综合利用"最近邻"法和概率数据关联滤波算法,推出了一种基于"最近邻"方法的概率数据关联滤波算法,采用关联区域内总数固定的候选回波来更新被跟踪目标的状态,并进行了计算机仿真.结果表明,新滤波算法的跟踪性能明显要优于概率数据关联滤波算法,而且降低了概率数据关联滤波算法的计算量.因此,可以通过回波的残差协方差矩阵进行衡量,挑选总数固定的"最近邻"回波,取这些回波的加权和作为目标回波用于概率数据关联滤波算法中更新被跟踪目标的状态.     

一种新的多传感器多机动目标快速跟踪算法

基于FAFDA滤波算法,根据Houles和Shalom将PDA算法推广到解决两个传感器单目标的跟踪问题的思路中,构造一种两个同类传感器的序列观测数据的融合来跟踪多个机动目标的数据关联方法(MSFAFDA)。它主要使用的是点/航迹联合和序列估计法。算法计算量远小于原先的顺序和并行多传感器联合概率数据关联算法,蒙特卡洛仿真结果也表明它对多机动目标的跟踪具有比FAFDA更好的跟踪性能。     

探雷声纳作用距离预报建模与仿真

针对复杂海洋环境下探雷声纳作用距离难以有效确定的特点,研究了探雷声纳基阵的三维指向性函数,通过建立声纳三维单波束照射海底模型,仿真计算了基于实际波束指向下声纳波束域海底混响级、目标回波级和海洋环境噪声级,实现了探雷声纳作用距离的有效预报,并重点就波束指向对声纳探测性能的影响进行了仿真验证。结果表明,研究结论对于指导探雷声纳的作战使用有重要意义。     

半仿真方位高分辨后置处理方法

MVDR自适应波束形成可获得良好的目标方位估计性能,但其方位分辨力仍受限于阵列孔径.为进一步提高目标方位分辨性能,在MVDR自适应波束输出的基础上,提出了一种高分辨后置处理方法.在两目标方位不可分时,仿真构造两个目标的阵列输出空间方位谱,通过搜索两目标的方位和幅值,与真实数据的空间方位谱输出作匹配处理,从而获得目标的方位估计.实验室仿真及海试数据处理验证了该方法的有效性.     

浅海混响的建模与预报

建立了独立于传播模型之外的统一的浅海混响计算模型,分别给出基于简正波理论和波束跟踪理论的模型表达式.结合仿真算例和实验数据,进行了基于这两种理论的模型计算结果比较分析和实验验证.结果表明,统一的混响计算模型有利于基于不同的传播模型进行混响强度的计算,且具有明晰的物理意义;基于简正波理论与波束跟踪理论的模型计算结果吻合,使用这两种方法都能很好地预报实验结果.     

粒子PHD滤波存活粒子采样新方法

针对多目标跟踪粒子概率假设密度滤波算法中存活粒子的重要性密度采样问题,给出一种结合最新量测信息的存活粒子重要性密度采样新方法.该方法根据最新量测集中的各个最测与目标粒子的单步预测状态的似然值,以概率选取量测值,利用无迹变换获得粒子的重要性密度函数,并对其进行采样实现粒子概率假设密度滤波中存活粒子的采样,有效地减轻了粒子的退化现象. 3目标跟踪仿真试验中,当目标模型与跟踪算法使用的目标模型不匹配时,采用所提出的存活粒子采样方法的粒子概率假设密度滤波算法最优子模式分配距离下降约70km.论文给出的存活粒子采样新方法显著地提高了多目标跟踪粒子概率假设密度滤波算法的鲁棒性.     

应用于探测的220 GHz收发前端

基于太赫兹肖特基二极管的强非线性特性,采用多次谐波倍频和混频的方式,研制了可应用于连续波频率调制雷达探测的紧凑型220 GHz收发前端.为了使接收机实现高功率输出,220 GHz三倍频器的功放驱动采用4路功率合成的方式,实现70 GHz 300 mW高功率功率放大器模块,70 GHz高抑制度7阶腔体带通滤波器抑制高次谐...     

基于估计协方差MME检测的频谱感知算法

针对小采样数据长度下,采样协方差矩阵对统计协方差矩阵估计不准,影响传统最大最小特征值(MME)检测算法检测性能的问题,提出一种基于逼近收缩(OAS)矩阵估计的改进MME检测算法。首先利用OAS估计量对采样数据做协方差矩阵估计,再对估计协方差矩阵特征值分解,将最大最小特征值之比作为检测统计量,克服了传统MME算法检测门限随采样点大幅波动的缺陷,提高了检测门限的鲁棒性。仿真结果表明,所提算法的检测门限具有鲁棒性,检测性能提高了1 d B~2 d B。     

数据和导频通道的功率加权联合捕获算法

下一代全球导航卫星系统将采用数据和导频通道功率不等的调制方式,而传统算法多采用数据和导频通道的等权重加权联合进行捕获。当二者功率不相等时,等权重加权联合不能获得最优的捕获性能。因此提出功率加权联合的改进捕获算法,在数据和导频通道的功率分配不等的情况下,进行不同加权系数的联合捕获,并且利用最小二乘的方法进行最优加权系数的拟合估计。利用捕获判决量的特征函数推导检测和虚警概率。仿真实验验证了当数据和导频功率比为1∶3、检测概率为0.8、虚警概率为10-3时,所提出的改进算法能提升0.4 d B的捕获灵敏度。     

非晶丝GMI磁传感器信号的小波分析

当非晶丝巨磁阻抗效应( Giant Magneto-Impedance,GMI)磁探头输出数据的信噪比小于0时,常规的峰值检波方法难以检出真实信号.为此,提出了一种新的微弱信号检测方法,将非晶丝GMI磁探头的输出信号经放大、滤波和采样之后直接送入数字信号处理系统,利用小波变换方法提取微弱信号的特征,并利用相关分析法确定...     

利用复单脉冲比的群目标存在性检测算法

详细推导单目标和群目标条件下单脉冲比的统计特性,根据其本质差异提出基于单脉冲比的群目标检测算法,在双目标条件下通过仿真分析了群目标检测性能与信噪比、目标角度间隔以及复幅度比之间的关系,得出了有益的结论。当小目标伴随大目标时不容易被检测出来;两个幅度相当的目标,相位差别越大越有利于群目标检测。群目标检测可以有效剔除"野值",为分辨与测量奠定基础。     

高阶BOC信号多区域鉴别器的无模糊多径抑制算法

传统的高阶BOC信号多径抑制算法的有效收敛区间较小,不利于信号的稳定跟踪,因此提出一种多区域鉴别器的高阶BOC多径抑制算法。在伪码误差为零的附近区域,采用优化的QStrobe多径抑制鉴别器,而在其他区域采用收敛区间较大的正交BOC鉴别器。利用卡尔曼滤波器对跟踪误差进行开环估计,判断误差所处区域并进行鉴别器的实时切换。对BOC(15,2.5)和BOC(14,2)信号的仿真结果表明,该算法能够实现无模糊跟踪,且6 d B衰减多径误差包络面积比传统QStrobe算法分别改善了57%和51%。     

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。     

海洋环境中基于WVD的LFM信号检测方法

海洋环境中弱信号的谱与海杂波的谱相混叠 ,目标和背景的位置差异很小 ,经典的频域或空域处理对海杂波中弱信号的检测难以奏效。鉴于Wigner-Ville分布 (WVD)对线性调频信号 (LFM )具有时频聚集性这一特点 ,提出了一种海洋环境中基于WVD的LFM信号检测方法。利用雷达采集的真实海杂波数据 ,在不同信杂比的条件下 ,研究了该方法与经典频域法在信号检测中的差别。通过实验分析 ,与经典方法相比 ,该方法具有明显的优越性 ,且信杂比达到 -14 . 3dB时 ,其仍能很好地对信号进行检测。     

海底小目标数据库功能和运用方法研究

利用海底小目标数据库中的数据信息辅助探猎雷作战，可以摆脱传统探猎雷作战行动中的盲目性，优化反水雷作战流程，有效提高反水雷作战效率。如何科学构建数据库功能，合理设计数据存储、查询和调用的方式方法，以充分发挥各类探测数据的潜在作用，对辅助反水雷战术指挥决策具有重要意义。本文根据海底小目标对探猎雷作战的影响，提出目标位置比对、声纳图像比对、探测态势比对和数据统计分析是海底小目标数据库所应具备的主要功能，结合探猎雷过程中的典型作战环节，阐述了各项功能的基本运用方法和实现手段，指出数据的“量”“质”以及采集规范和维护管理制度，均是数据库建设的重要前提，并对建设数据库所应具备的保障条件进行了 说明。     

Arbitrary-oriented target detection in large scene sar images

Target detection in the field of synthetic aperture radar (SAR) has attracted considerable attention of researchers in national defense technology worldwide, owing to its unique advantages like high resolution and large scene image acquisition capabilities of SAR. However, due to strong speckle noise and low signal-to-noise ratio, it is difficult to extract representative features of target from SAR images, which greatly inhibits the effectiveness of traditional methods. In order to address the above problems, a framework called contextual rotation region-based convolutional neural network (RCNN) with multilayer fusion is proposed in this paper. Specifically, aimed to enable RCNN to perform target detection in large scene SAR images efficiently, maximum sliding strategy is applied to crop the large scene image into a series of sub-images before RCNN. Instead of using the highest-layer output for proposal generation and target detection, fusion feature maps with high resolution and rich semantic information are constructed by multilayer fusion strategy. Then, we put forwards rotation anchors to predict the minimum circumscribed rectangle of targets to reduce redundant detection region. Furthermore, shadow areas serve as contextual features to provide extraneous information for the detector identify and locate targets accurately. Experimental results on the simulated large scene SAR image dataset show that the proposed method achieves a satisfactory performance in large scene SAR target detection.