基于相关系数谱的宽带跳频信号时延估计

结合目前跳频信号带宽越来越宽、跳频点越来越多的特点,提出了一种基于相关系数谱的宽带跳频信号时延估计方法,实验表明该方法能够有效实现宽带跳频信号的时延估计,估计精度不受限于采样间隔.并且该算法具有较好的实时性和数据扩展性,易于工程实现.     

差分多普勒在无源雷达目标速度估计中的应用

提出了一种差分多普勒信息在目标速度估计中的应用方法,并给出了具体的算法。对差分多普勒信息应用于目标速度估计中的精度进行了理论分析,通过Monte carlo仿真对提出的算法进行了验证。仿真结果表明,利用差分多普勒信息能够有效地提高对目标速度的估计精度,并且对目标机动段也能够取得很好的速度估计精度。     

使用辅助变量的单静止站纯方位目标跟踪

利用现时刻之前的方位测量构造现在方位的预测值 ,形成了与现在测量方位在统计上独立的辅助变量 ,该辅助变量用以对拟线性估计算法的修正 ,能产生无偏的目标参数估计     

锥体空间目标基于进动特性识别

为了研究基于空间锥体目标进动特性的识别方法,通过对空间锥体目标的弹道建模,分析了进动锥体目标姿态角变化,引入平均视线角变化对回波RCS的影响,推导了空间锥体目标相对雷达波的姿态角计算公式,分析RCS随时间变化关系,通过回波RCS序列估计进动周期及进动角参数,以惯量比为特征,提出弹头和诱饵的识别方法,仿真试验证明了算法的有效性.     

基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。     

基于协方差矩阵估计的稳健Capon波束形成算法

常规Capon波束形成器性能对模型误差或失配非常敏感,尤其是当期望信号包含在训练数据中,导向矢量失配将引起性能急剧下降。为解决这一问题,提出了一种采用干扰噪声协方差矩阵和导向矢量联合估计的稳健波束形成算法。该方法通过对Capon空间谱在非目标信号的方位区域内的积分,实现对干扰噪声协方差矩阵的估计,解决数据协方差矩阵包含有目标信号时引起信号自相消问题;其次为了克服导向矢量失配的影响,通过最大化输出功率,并增加二次型约束防止估计的导向矢量接近于干扰导向矢量,实现对导向矢量的估计。仿真实验表明:该算法能获得近似最优的输出信干噪比,与现有算法相比稳健性更强。     

信号变频引入相差后的时延估计方法

分析了用同-本振对两路存在相对时差的信号进行变频时引入新的相差的原因,提出了一种新的相位补偿时延估计算法,与传统的存在相差的时延估计方法相比,新方法将传统的对相差和时差的二维搜索改进为单纯对时差的一维搜索,大大地提高了运行效率,巧妙地解决了变频引入相差条件下的时延估计问题.     

基于辅助阵元的幅相误差和DOA同时估计算法北大核心

针对阵元幅相误差使波达方向(direction of arrival,DOA)估计精度下降的问题,提出了一种阵元幅相误差和DOA同时估计算法。该算法通过在阵列一侧设置少量已校正阵元,改变了误差矩阵的结构,并根据改变后的矩阵特征构造了变换矩阵,通过构造的变换矩阵和子空间算法,实现了对阵元幅相误差和DOA的同时估计。此外,该算法能够解决信源功率存在较大差异时误差估计不准的问题,实现了高精度的误差和角度的同时估计。计算机仿真结果证明了所提算法的正确性和有效性。