罗兰C信号模拟器的设计与实现

运用数控技术产生罗兰C信号 ;通过对罗兰C脉冲的傅立叶分析和采样分析 ,确定仪器所用的采样频率和滤波器 ,给出了设计及实现罗兰C信号模拟器的原理     

基于模拟退火算法的阵列模型有源校正方法

针对同时存在通道幅度相位不一致与阵列互耦的均匀直线阵列,提出了一种采用模拟退火算法的阵列模型校正方法.该方法使用多个辅助信源分时工作,根据子空间基本原理构造目标函数,采用模拟退火算法对幅相误差矩阵及互耦矩阵进行估计.利用该方法对均匀直线阵进行了计算机仿真与实测实验,仿真及实验结果证明了该方法是有效可行的.     

雷达定时脉冲近距离传输的分析与电路设计

通过分析比较多种时间同步技术,对与雷达距离上百米的系统,采用有线传输雷达定时脉冲信号的方式来实现快速的时间同步。针对雷达脉冲信号边沿跳变迅速,在传输过程中存在延时、反射和畸变等问题,借助Cadence仿真软件对信号传输过程进行了仿真分析,设计了合理的传输电路。实验证明本方案结构简单,抗干扰能力强,同步时间可以达到亚微秒级,在雷达信号检测模拟器、雷达诱饵和雷达组网中都有着重要应用。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.     

飞行器有源对消隐身技术

隐身技术已经成为现代高性能飞行器设计的重要支撑,是先进战机的基本要求。现行的隐身设计方法主要包括气动外形优化以及隐身材料涂覆。随着雷达探测能力的不断提升,尤其在米波雷达探测背景下,外形优化与隐身涂层变得不再有效,有源隐身技术被重新予以重视并有望成为新的隐身技术突破点。本文着重分析了有源对消技术的基本概念、技术现状以及相应的关键技术,对该技术体制的优势和特点进行了归纳和总结。     

基于粒子群算法的宽带真延时平面阵列方向图综合

针对大阵元间距平面阵列方向图综合问题,提出基于粒子群算法的宽带真延时平面阵列方向图综合方法。该方法根据真延时条件下阵列方向图主瓣和栅瓣指向的特点,采用宽带真延时抑制阵列方向图的栅瓣;利用粒子群优化算法优化阵列结构,得到具有较高主副瓣比的平面阵列方向图。通过对8×8的矩形平面阵进行仿真,验证了所提方法的有效性,在此基础上,还仿真研究了该方法对栅瓣的抑制性能与信号带宽之间的关系。     

协方差压缩感知逆合成孔径雷达成像技术

为解决低信噪比条件下短观测时间雷达成像问题,提出一种基于回波协方差矩阵处理的压缩感知逆合成孔径雷达成像技术。该方法构建了回波协方差矩阵层面下的压缩感知问题模型,并通过特定的线性变换降低环境噪声对成像结果的影响。在仿真实验中,通过处理短观测时间和低信噪比条件下的模拟回波数据,该方法获得比传统压缩感知方法像质更好、对比度更强的目标成像结果。同时,其成像结果的目标背景比和背景噪声能量两个雷达图像评价指标都优于传统方法,进一步验证了该方法的有效性。     

基于正交分集的灵巧噪声干扰对抗方法*

针对数字射频存储干扰机多通道宽带转发模式下的灵巧噪声干扰,提出了基于混沌调制信号、多谐波相位调制线性调频信号的正交分集抗干扰方法。混沌调制信号与多谐波相位调制线性调频信号具有“图钉”型模糊函数,除了具有良好的距离、多普勒分辨力,而且对回波频率敏感,通过正交分集设计,能够更好的适应宽带转发灵巧噪声干扰。通过计算机仿真对新方法的抗干扰性能进行了分析和验证,结果表明,在多通道宽带转发灵巧噪声干扰环境下,新方法的抗干扰改善因子能够达到10dB以上,抗干扰性能明显优于传统的频率捷变、斜率捷变方法。     

高动态GNSS信号多普勒模拟任意阶DDS合成器设计*

为高精度模拟高动态条件下GNSS信号的多普勒特性,本文提出一种任意阶DDS信号合成器的设计方法。设计了任意阶DDS信号合成器的结构;通过理论分析,推导了各级累加器相位初值的计算公式;给出了字长选择方法;经仿真与验证,该方法能精确模拟GNSS信号的多普勒特性。此外,本文提出的DDS设计方法不受阶数的限制,可普遍应用于各类信号模拟器的设计。     

基于免疫粒子群文化算法的数字电路故障诊断

为改善粒子群算法摆脱局部极值点的能力,提升种群进化的多样性,将免疫算法中免疫机制引入到粒子群算法中形成免疫粒子群算法;为有效提高故障覆盖率和缩短测试生成时间,将免疫粒子群算法引入文化算法框架中形成免疫粒子群的文化算法。将其应用于数字电路故障模型仿真实验并与其他测试生成算法进行对比,结果表明该算法能够有效提高故障覆盖率,缩短测试生成时间,在大规模电路测试生成与故障诊断中更具优势。