对未知复杂体制雷达信号融合处理算法北大核心

针对算法对缺乏数据库的未知复杂体制雷达信号不能有效的进行融合处理的问题,提出了一种对未知复杂体制雷达信号融合处理算法。该算法首先进行实时建库,然后计算各参数的相似度,再利用D-S证据理论依次对信号各参数相似度和对各信号进行多层融合处理,最后合并完善信号。仿真实验表明该算法可较好对未知复杂体制雷达信号实现融合,处理有效率高,在大样本个数能保持稳定的处理有效率,且耗时较少。     

积分二次相位函数和傅里叶变换的多相码参数估计

针对传统时频方法对多相码信号参数估计计算量比较大的问题,提出一种新的多相码参数估计方法。首先利用积分二次相位函数(IQPF)估计信号的调频率,然后重新构造一个线性调频信号(LFM),通过解线调将多相码信号的调频率消除,最后计算解线调后信号的傅里叶变换(FFT)估计信号脊线间隔和载频,进而估计信号的码元宽度和重复周期。该方法不需要进行直角坐标和极坐标的变换且仅需一维搜索,可以大幅度减小计算量。仿真表明,可以用较小的计算量取得与RAT(Radon-Wigner Transformation)和RWT(Radon-Ambiguity Transformation)相当的估计精度。     

改进加权SVC的雷达信号分选新方法

目前基于多参数的雷达信号聚类分选方法得到了广泛应用,但是当雷达信号严重交叠时,存在正确率不高的问题,为此,在支持向量聚类和分层互耦的分选算法基础上,首先利用变精度粗糙集对标准化的雷达信号数据进行加权处理,然后通过分析聚类分选结果构建有效性评价模型,确定最佳的聚类分选参数。仿真表明,当雷达信号数据严重交叠时,相比原始方法,改进的方法正确率显著提高,证明了方法的有效性。