基于LVQ神经网络的雷达杂波抑制方法

针对雷达目标检测后的剩余杂波影响雷达航迹起始和航迹跟踪的问题,提出基于学习向量量化（learning vector quantization,LVQ）神经网络的雷达杂波抑制方法。从雷达回波点迹的特征入手,通过分析目标点迹和杂波点迹的特征分布,通过人工提取特征的方式选取具有差异化的特征。根据特征数量和点迹类别数量构建LVQ神经网络分类模型,并对模型进行训练。利用训练好的LVQ神经网络分类模型对雷达回波点迹进行分类,区分目标点迹和杂波点迹,保留判别为目标的点迹,滤除判别为杂波的点迹,从而实现杂波抑制功能。通过对某型航管雷达的实测数据进行测试表明：该方法能够有效区分目标点迹和杂波点迹,杂波抑制能力比BP神经网络算法更好。     

基于FrFT的跳频通信LFM干扰抑制算法

为解决跳频通信过程中LFM干扰信号抑制问题,提出一种基于Fr FT的LFM干扰抑制算法,利用Fr FT时频面坐标轴旋转性质,通过计算信号的不同阶次Fr FT并搜索其峰值,确定信号最优Fr FT阶次,完成对LFM干扰信号的判别,进一步采用频域陷波实现对LFM干扰信号的抑制。仿真结果表明,该算法能有效抑制跳频信号中的LFM干扰信号,提高信号的最小均方误差。     

一种新的基于小波变换的多尺度边缘提取方法

选取二维高斯函数的一阶偏导数构造小波函数,利用小波变换的多尺度特性,结合"非极大抑制"的方法,提取图像的多尺度边缘信息.对传统的小波变换算法进行了简化,显著降低了算法的复杂性和计算量.通过调整小波变换的尺度,既能够获取图像的细节边缘信息,又可以提取图像的粗轮廓边缘信息,仿真实验取得了比较理想的结果.     

一种利用小波包函数调制的 MC-CDMA 及其性能

将小波包变换理论应用于多载波码分多址(MC-CDMA)系统,提出一种基于小波包函数的正交调制方法.系统中,发端数据串并转换成若干子信道,每个子信道的数据进行直序扩频,不同子信道上的数据以chip调制不同的小波包函数作为基带传输波形.小波包函数的一系列优良性质,使系统能有效地抗多径干扰,抑制子信道串扰、多址干扰等.本文对系统在多径Rayleigh慢衰落信道中的性能,进行了理论分析和计算机仿真.结果表明,本系统比基于DFT的MC-CDMA有较大的性能改善.     

受符号调制的m序列旁瓣特性研究

m序列因其优良的二值自相关特性而广泛应用于雷达和通信系统中。存在符号调制时 ,m序列匹配接收的旁瓣特性不再具有二值性。研究表明 :对于生成多项式相同的m序列 ,当移位寄存器的初始状态不同时 ,其符号调制下的旁瓣特性存在明显差异。选择合适的初始状态 ,可以得到较高的主旁瓣比。采用旁瓣抑制滤波器可以进一步显著提升主旁瓣比     

用旁瓣抑制滤波器扩展二相码信号多卜勒容限方法的研究

本文研究了用旁瓣抑制滤波器扩展二相码信号的多卜勒容限,介绍了该滤波器的数字理论和设计方法,同时还给出了其软,硬件的仿真结果。     

UWB-SAR抑制RFI算法性能评估与测试

参数化方法是实现UWB -SAR抑制RFI的重要手段。为评估抑制RFI算法的实际性能 ,利用UWB -SAR实验系统的实测数据 ,从干扰抑制能力和脉冲压缩性能改善两个方面对几种主要算法进行了比较分析。结果表明 ,在干扰能量抑制比和脉冲压缩指标度量下 ,几种典型的参数化算法都能显著提高接收信号的信干比 ,而基于正弦波模型的算法略优于基于AR模型的算法。     

基于载波相位调节的SPWM逆变器并联系统环流电流抑制方法

针对交流电动机驱动用SPWM逆变器并联系统中的环流问题,根据环流电流与载波相位差的关系,提出了一种基于三角载波相位调节的环流抑制方法。基于载波相位调节最小原则,根据环流电流特性确定载波相位差方向,并根据环流电流直流分量与载波相位差的关系确定载波相位差大小来调节相位超前的三角载波相位以达到抑制环流电流的目的。仿真结果表明:该环流电流抑制方法具有可行性。     

模拟训练系统语音通信性能改进算法研究

为了保障武器装备模拟训练系统受训人员的人耳体验,降低强噪声对话音通信的影响,提出了一种基于限幅陷波的啸叫抑制算法.通过分析大量模拟训练系统环境噪声样本特点,提出了有效改善话音质量的方法,特别是在脉冲性较强的噪声环境下,能够有效改善模拟通信设备的自激和延时增加等问题,仿真实验表明,该方法在强脉冲噪声环境下可稳定工作,具有较好的鲁棒性.     

一种基于分组序贯的红外弱小点目标跟踪方法

针对红外序列图像中运动弱小点目标的检测跟踪问题,在多假设跟踪算法(MHT)的基础上提出了一种分组序贯的思想.基于这种思想,给出了一种多组独立检测法.对这种方法进行仿真,并与多级假设检验的截断序贯处理算法进行比较.实验结果证明在相同虚警概率情况下多组独立检测法的检测概率与截断序贯处理算法的检测概率相近,但运算量要远小于后者.