一种新的二维谐波估计方法

研究了二维谐波信号相关矩阵后 ,提出了一种称之为“矩阵束的二维谐波估计 (MP2D)”算法 ,该算法既不需要求解二维特征多项式的根 ,也不需要在二维频率空间搜索谱峰 ,算法具有高效性。仿真实验表明 ,该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。     

态势估计中一种基于贝叶斯估计的统计时间推理方法

统计时间推理是态势估计中的一个重要组成部分。Ｋｉｒｉｌｏｖ的基于极大似然估计（Ｍａｘｉ－ｍｕｍＬｉｋｅｌｉｈｏｏｄＥｓｔｉｍａｔｉｏｎ,ＭＬＥ）的推理方法将未知时间变量看作常数,估计方差较大。文中建立的已知时间信息和未知时间变量之间的关系模型,将未知时间变量扩展为随机变量,将贝叶斯估计（ＢａｙｅｓＥｓｔｉｍａｔｉｏｎ,ＢＥ）引入时间推理。经过对两种推理算法的性能进行分析和比较,发现在一定范围内,基于ＢＥ的方法性能优于基于ＭＬＥ的方法。     

一种新的高分辨极化目标检测方法

针对宽带毫米波高分辨雷达体制 ,研究了杂波环境中的目标检测问题。提出了极化域线性积累滤波的思路以提高雷达接收信号的信杂比 ,在此基础上利用宽带波形固有的径向高分辨力对目标进行一维距离成像 ,估计出回波中强散射点的数量和分布 ,通过对不同径向分辨单元内的强散射点进行整体检测 ,可进一步有效地提高信杂比 ,改善雷达的检测性能。最后在毫米波段的实验仿真结果表明该方法是一种非常有效的扩展目标检测方法     

新型武器装备系统中的人工神经网络技术

本文首先分析了现代战场环境对武器系统智能信息处理的应用需求,然后对神经网络理论与技术在武器装备系统中的现实应用与潜在前景给出了一个从理论到实例的较为详细的介绍与分析。着重介绍了神经网络在雷达、红外及声纳目标的检测、识别、多机动目标跟踪及武器系统的智能控制等方面的应用情况,力图展示神经网络用于武器装备系统的特色与优势,并给出了其在武器装备系统各方面应用情况的一个概貌。在文章的最后,针对目前存在的神经网络实验研究到实际装备之间的缺环,我们分析了神经网络能力验证的研究即神经网络本身可靠性研究的必要性与迫切性。     

基于矩阵束方法的全极化雷达目标结构特征的描述

针对宽带、高距离分辨率、全极化雷达的工作体制,提出了利用矩阵束方法将雷达目标分解为沿径向距离上的散射中心分布。根据目标的瞬态极化响应,提取相应于散射中心的极化特征,由此形成目标沿径向距离分布的结构特征描述的新方法。     

基于递归神经网络的飞机目标识别方法

针对宽带高距离分辨全极化雷达体制,提出了一种基于实时递归神经网络算法的飞机目标自动识别方法,实现了全极化下五类飞机目标的自动识别。实验结果表明,递归神经网络用于飞机目标识别是有效可行的。     

基于本征极化的飞机目标识别

提出了变质极化散射矩阵对称性的最小Ｆｒｏｂｅｎｉｕｓ范数准则修正方法,并在此基础上利用本征极化理论提取了雷达目标的极化特征,对五种飞机目标进行了识别实验研究,取得了良好的目标分类或识别效果。     

一种综合集成与演示验证一体化系统的构建方法

复杂性科学问题研究中的综合集成方法是构建研究平台的一项重要内容.针对复杂性研究中的系统平台的建模问题,提出一种综合集成与演示验证一体化系统的构建方法,探讨了具体实现方式和数据同步与数据一致性维护等问题.在雷达目标特性研究中,运用上述综合集成与演示验证一体化系统的构建方法,完成了一个具备尺度一致性和可扩展能力的电磁散射特性验证与演示系统.     

基于时频分析的飞机目标识别

本文利用小波变换对五种飞机目标的雷达回波进行时频分析,得到了回波信号的时频分布图。全面清楚地描述了目标的散射特性。文中通过提取时频分布图的矩特征作为目标特征量,对五种飞机的目标作了识别实验,取得了良好的识别效果     

二维衰减谐波估计的四阶混合累积量方法

针对二维衰减谐波估计方法在大样本容量条件下计算量过大的问题,提出了一种基于二维四阶混合累积量的ESPRIT方法。在不影响估计精度的前提下,通过保持特征矩阵结构不变,有效地减小了算法的计算量。利用四阶混合累积量对高斯噪声的自动抑制,降低了参数估计的信噪比门限并提高了估计精度。仿真实验表明,在高斯色噪声条件下该方法的计算效率和估计性能优于现有方法。