无迹卡尔曼滤波的长码直扩信号载波频偏盲估计

针对长码直接序列扩频(Direct Sequence Spread Spectrum,DSSS)通信中的载波同步问题,提出了一种新的载波频偏估计算法。该方法结合分段和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法的思想,利用UKF算法对非线性模型的求解能力,估计载波频偏的后验概率的均值和方差。Monte Carlo仿真实验的结果表明新算法不仅具有较高的估计精度,还能实现较低信噪比下的估计。     

基于时间序列分析的火灾发生规律研究

在时间序列分析建模思想的基础上,基于全国2007年24小时火灾起数建立时间序列模型,对火灾发生趋势进行分析,并从预防控制时间上提出相应的防控建议。     

基于循环平稳的DSSS系统窄带干扰抑制技术

在对窄带干扰的频谱特性分析的基础上,采用一种新的利用信号循环平稳特性的方法进行干扰抑制。利用LCL-FRESH滤波器对信号进行更精确的估计,从而有效地抑制了窄带干扰。仿真结果表明,同传统时域预测滤波器相比,这种干扰抑制方法,能够更好地估计和消除窄带干扰,具有更加优越的干扰抑制性能。     

基于RCS序列的助推段弹道导弹识别

在弹道导弹的助推段,通过低分辨率雷达得到RCS序列作为识别的重要信息。由于运动特性和电磁散射特性的差异,弹道导弹在助推段的RCS序列与其他目标相比具有可识别性,但需要对其RCS序列进行处理。基于目标识别技术,详细阐述能从RCS序列中提取出的特征参数,并通过直方图、N点截图等方法给出了直观的反映。最后,将弹道导弹助推段特征与飞机、燃料舱等典型目标进行对比,得到可以作为识别参量的特征参数,并通过类内类间距离验证了有效性。     

基于深度置信网络的火炮炮口振动预测研究

火炮炮口振动数据准确预测后,可以对火炮随机振动误差进行补偿,对高机动条件下提高装备火控系统的精度具有重要意义。机器学习方法的进步为提高数据预测精度提供了有效途径。提出一种基于深度置信网络的火炮炮口振动预测模型,通过定义阶段、预处理阶段、训练阶段、测试阶段和评价阶段5个阶段,对火炮炮口振动数据进行了预测。结果表明,深度置信网络对炮口振动数据预测可以根据历史数据提取更丰富的数据特征,相较于传统BP神经网络,可以达到更好的预测精度。     

顾及噪声影响的GNSS高程序列预测Prophet方法

全球导航卫星系统(global navigation satellite system, GNSS)高程时间序列具有非平稳、非线性、含噪声等特点,在深入研究Prophet预测模型的基础上,针对Prophet预测模型对于趋势信号和周期信号有良好预测效果这一特性,提出一种引入经验模态分解(empirical mode decomposition, EMD)的“降噪—分解—预测”组合GNSS高程时间序列预测方法。该方法先将原始时间序列进行EMD降噪,再对降噪后的序列进行分解预测,最后重构各分量预测信号为最终预测序列。通过对实测高程数据进行研究,实验结果表明：降噪后信号的平均信噪比为10.30dB,能量百分比平均为88.75%;利用所构建的短期预测方法,GNSS高程时间序列预测结果的均方根误差分别平均提升26.41%和14.88%;平均百分比误差分别平均提升18.92%和7.91%,验证了组合预测方法的有效性及实用性。     

数字化扩频接收机的自适应抗干扰滤波方案研究

讨论了自适应抗干扰滤波在最小频移键控的直接序列扩频(DS-MSK)数字化接收机中的应用问题,对非线性滤波加以改进,提出了部分解扩非线性滤波(PDNF)结构,将快速更新子带自适应滤波(FRSAF)算法用于PDNF结构以提高收敛速度。结合FRSAF算法的PDNF自适应抗干扰滤波方案在收敛速度、稳健性和输出信噪比等方面明显优于结合LMS算法的传统非线性抗干扰滤波方案,仿真结果验证了上述结论。     

直接序列扩频通信抗干扰性能分析

简述了直接序列扩频通信基本原理,讨论了直接序列扩频通信的特点,对直接序列扩频通信系统的抗干扰能力进行研究,最后提出了几种用于提高该通信系统抗干扰能力的具体方法。     

模块化动态拆卸序列生成研究北大核心

为解决维修保障仿真过程中动态生成拆卸序列的问题,基于装备外场可更换单元,采用模块化的思想,建立了层次化模块化的装备拆卸模型,并利用约束矩阵生成各层的拆卸序列,将各层的拆卸序列进行整合,生成目标部件的拆卸序列,并利用"Microsoft Visual Studio"软件编写拆卸序列生成程序。并以一个实例从原理实现和软件实现2个方面对拆卸序列生成方法进行验证,结果均验证通过,证明了方法的可靠性和有效性,为拆卸序列生成问题提供了解决方法,也为装备维修仿真过程中的行为协同研究提供依据。     

一种Turbo码中伪随机交织器的盲识别方法

目前Turbo码的构造中广泛应用的是伪随机交织器,要完成对Turbo码的识别,必不可少地需要得到伪随机交织器的参数。针对伪随机交织器的识别问题,通过引入扩频通信中PN序列盲估计的方法,利用功率谱二次处理法求出交织长度即m序列周期,再用特征分解方法对序列进行估计。仿真实验表明,该方法能够求出m序列的相关参数,完成对伪随机交织器的识别需求。