LPI雷达信号特征提取综合时频算法

如何准确提取LPI雷达信号脉内特征参数一直都是雷达信号处理中的一个难点.提出一种综合时频算法来提取雷达信号的脉内特征,首先把稳健的小波变换法与分辨率较高的伪威格纳威尔分布(Pseudo Wigner-Ville Distribution,PWVD)法进行截断综合,再对综合的时频图提取小波脊线从而得到稳健、高精度的脉内特征参数.仿真实验说明了该算法的有效性.     

对钢尺精密量距计算方法的商榷

现行测量教材《测量学》中《钢尺精密量距的计算方法》一节,介绍了如何用钢尺精密地测量两点之间的水平距离,但该方法误把量得的斜距当成真实的斜距进行了倾斜改正,计算过程缺乏严密性,导致结果存在错误。正确方法是,对量得的斜距还要进行尺长改正和温度改正,计算出实际倾斜距离,然后才能进行倾斜改正,求出实际水平距离。     

LFM脉冲雷达测距偏差分析与估计

研究了线性调频(LFM)脉冲体制雷达由于距离-多普勒耦合效应造成的测距偏差问题。推导、分析了该测距偏差的产生机理,指出了偏差中被大多数研究者遗漏的非线性余项,并分析了该余项与雷达发射信号及目标运动参数的关系;利用无约束优化方法对该偏差余项进行估计。最后,计算机仿真实验验证了分析结论和估计算法的正确性。     

基于分块的伪Zernike矩归一化的人脸识别方法

以改进的伪Zemike矩相关知识为背景,提出了一种新颖的人脸识别方法。该方法通过将人脸分块,降低了光照条件、人脸表情等外在因素对人脸识别的影响。首先将人脸图像分块并重组矩阵的行和列,然后计算重组后人脸图像的伪Zemike矩,并对其进行归一化处理,最后采用最小邻近分类器进行判别。实验结果表明,该方法对于人脸光照、姿态和表情变化均具有良好的鲁棒性。在前人的研究基础上,进一步探讨了伪Zemike矩在人脸识别方面的应用。     

基于运动特征的机载雷达目标断续量测处理

机载预警雷达对目标的量测经常出现断续现象,影响了航迹连续性要求。通过对机载脉冲多普勒雷达量测出现断续的机理分析,考虑目标进入雷达多普勒盲区的情况,基于目标运动特征提出利用联合关联波门与盲区预测相结合的处理方法,将重新出现的目标点迹与原有航迹进行关联,避免同一目标航迹因量测断续而重复起始。仿真结果表明了该方法的有效性与可行性。     

2-一致光滑Banach空间中k-严格伪压缩半群公共不动点的隐格式迭代算法

对于Banach空间中女一严格伪压缩半群的公共不动点给出了隐格式迭代算法,证明了一个强收敛定理,推广并扩展了相关结论。     

纯方位偏差补偿估计算法研究

众所周知,纯方位伪线性估计有着严重的偏差问题。以伪线性估计的理论模型为基础,研究它在纯方位问题中的应用。将伪线性估计的偏差分离出来,形成偏差补偿估计,对这种估计方法进行仿真计算,并与伪线性估计相比较,经蒙特卡罗仿真研究,其估计偏差确实比伪线性估计小,算法性能反映在一些典型态势上。     

Hilbert空间中Lipschitz伪压缩映像不动点的杂交投影算法

在H ilbert空间中,采用杂交投影的方法设计了一种Lipschitz伪压缩映像不动点新的迭代格式,并利用H ilbert空间中特有的性质,证明了由此算法产生的序列强收敛于Lipschitz伪压缩映像不动点。     

北斗三号系统中轨道地球卫星伪距多路径误差分析和改正

2018—2019年,北斗三号系统陆续发射十几颗中轨道卫星,逐步完成全球组网。北斗三号系统卫星同时播发平稳过渡信号B1I、B3I和新体制信号B1C、B2a。实际数据分析表明,中轨道地球卫星民用B1C和B1I频点包含明显的伪距多路径误差,并且由于中轨道地球卫星的轨道特性,这种现象在卫星低高度角,即出入境时十分显著。利用多路径半天球图(Multipath Hemispherical Map, MHM)与伪距噪声和多路径校正法(Code Noise and Multipath Correction, CNMC)两种算法对伪距多路径误差进行改正。MHM算法对伪距多路径误差的改正并不明显;CNMC算法在高度角大于30°时可以将B1C频点伪距多路径误差从0.11 m降低至0.03 m,将B1I频点伪距多路径误差从0.074 m降低至0.024 m,从而使中轨道卫星的多路径误差降低60%以上。     

水下声探测系统载体振动干扰分析及抑制方法

针对水下探测系统载体振动对目标回波信号的微多普勒特征谱产生干扰的问题,从干扰产生的基本原理出发,推导了干扰的近似乘性表达式。在获取振动干扰数据的条件下,提出了针对乘性干扰的干扰抑制算法,并针对推导干扰乘性表达式时的近似条件,分析了近似算法带来的误差。仿真结果表明,该方法可有效抑制水下探测系统平台振动对目标回波信号的微多普勒特征谱产生的干扰,并且在绝大多数情况下,由算法带来的误差可以忽略不计。