北斗导航信号电离层闪烁模拟及其影响

电离层闪烁具有突发性、偶发性和区域性,且难以建模准确刻画。针对电离层闪烁影响下的北斗导航信号复现问题,研究了基于应用伽马分布和零均值高斯分布模型的导航信号电离层闪烁序列生成方法,并基于国防科技大学电子科学与工程学院研制的NSS8000型多体制导航信号模拟器给出了北斗导航信号电离层闪烁模拟的硬件架构。在此基础上,通过中频信号采样和软件接收机处理,分析了电离层闪烁对北斗接收机跟踪环路的影响。结果表明:在相位闪烁指数为0,幅度闪烁指数为0.9时,码环鉴相误差可达0.05 chip;而在幅度闪烁指数为0,相位闪烁指数为0.5时,载波环鉴相误差可达15°,处于失锁的临界状态。     

基于深度限制波尔兹曼机的辐射源信号识别

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题,提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成,通过逐层自底向上无监督学习获得初始参数,并用后向传播算法对整个模型进行有监督的参数微调,利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别,具有较高的识别精度和较强的鲁棒性。     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集；以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征；输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。     

大容量变流器DCM模式下带逆变器级联系统 静态稳定性分析

为了确保级联系统在全负载功率范围的静态稳定,针对DC/DC变流器运行于DCM模式时的级联系统进行了建模及静态稳定性分析。首先,基于开关网络平均法建立变流器DCM模式的小信号模型,通过将逆变器模型简化为电容并联恒功率负载,建立级联系统的小信号模型;然后,通过特征值灵敏度分析控制参数对系统静态稳定性的影响,并在此基础上基于全局寻优法对控制参数进行优化。仿真和试验结果表明:该级联系统模型能够准确反映DCM模式下的系统特性,且在控制参数优化后,系统的静态稳定性得到了有效改善。     

基于小波鲁棒阈值的雷达信号检测方法性能分析

针对雷达信号中存在的不同于高斯分布的拖尾分布噪声,基于ε污染的正态分布族获得一种鲁棒阁值处理方法.仿真实验表明,与基于高斯噪声的经典阈值方法相比,鲁棒阅值能更好地消除雷达信号中的拖尾分布噪声,且在未知ε精确取值的情况下仍能到达很好的消噪效果.实验结果进一步表明软阈值比硬阈值更适合于小波鲁棒阈值的处理.     

一种慢跳DS/FH信号的检测方法研究

提出了一种慢跳DS/FH信号方法,根据DS/FH信号的特性,将信号的跳频特性与直扩特性分开进行检测.首先利用成熟的跳频检测方法,在时频域或频域上对信号进行跳频检测,当检测到跳频信号后,再在时域上采用空间互相关方法检测信号是否具有直扩特性,从而判断DS/FH信号的存在性.计算机仿真结果表明该方法具有一定的可行性.     

LFM-UWB雷达的梳状谱干扰技术

为了解决对超宽带雷达干扰中功率分散的问题,提出利用梳状谱信号,即将干扰功率集中在雷达信号频带范围内的部分频率点,对雷达实施干扰,破坏回波信号与参考信号的相关性,从而实现有效的干扰.并以线性调频超宽带雷达的距离像为例,通过仿真,给出了不同信号带宽条件下梳状谱干扰仿真结果,比较得出梳状谱信号对线性调频超宽带雷达具有较好的干扰效果.     

基于优化初始聚类中心K-Means算法的跳频信号分选

提出了一种优化初始聚类中心的方法.方法通过搜索参数统计直方图峰值预估类数目,并根据峰值位置确定聚类中心大概位置.由于优化的初始类心与实际类心相隔不远,聚类迭代次数大为减少.与传统的优化聚类中心方法相比,本方法计算量更少.最后将改进K-Means聚类算法应用于跳频信号分选,仿真结果表明,分选效果良好.     

基于PRI的参差雷达脉冲列分选方法

针对参差雷达脉冲信号分选这一信号分选领域的难题,在分析扩展关联法基本原理的基础上,建立了以脉冲到达时间和脉冲列重复周期为变量的函数.通过检测函数峰值位置,提取出不同重复周期的脉冲列和各脉冲到达时间,利用脉冲到达时间进行脉冲抽取,实现了交迭脉冲列分选.仿真结果表明该算法对固定、参差重复周期脉冲列都有较好的分选效果.     

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。