频率响应软约束的宽带自适应波束形成

针对常规线性约束最小方差(LCMV)波束形成中输出信干噪比(SINR)较低问题,提出了基于频率响应软约束的宽带自适应波束形成方法,该方法在LCMV波束器的约束条件基础上,增加对期望方向阵列频率响应软约束,可以得到近似无失真信号输出,同时增加波束抑制干扰噪声能力,提高输出SINR性能.仿真结果验证了该方法的有效性.     

基于双谱鉴相的数字干涉仪测向技术

数字干涉仪测向体制中相位差信息的提取因受到噪声的影响,降低了其鉴相精度.根据高斯噪声双谱为0的特点,提出了一种基于双谱鉴相的数字干涉仪测向算法,对单频信号进行测向.分别从不加噪声的理想情况和存在高斯噪声的情况进行理论推导,论证了两者的一致性,并给出了信号频率和相位差信息的提取方法.与传统的频域鉴相算法相比较,仿真结果表明该算法可以有效地抑制高斯噪声,提高鉴相精度,验证了该算法的有效性.     

基于曲面拟合的宽带阵列模型误差有源校正

针对阵列模型误差难以建模的问题,提出一种新的非参数化有源校正方法。首先,测量部分离散方向点上的导向矢量。然后,利用测得的导向矢量拟合所有的模型误差曲面,并得到多项式系数。最后,在DOA估计时利用多项式系数计算所有方向和频率上的导向矢量。该方法适用于宽带阵列,且需要的数据存储量小。仿真实验结果表明该方法的校正误差非常小。因此,该方法具有一定的工程实用价值。     

神经网络的单滤波器目标跟踪算法

当前统计模型及其自适应滤波(CSMAF)算法是机动目标跟踪中的一种有效方法.但该方法对目标机动加速度极限值有依赖,并且对弱机动目标跟踪的精度不高.为解决这一问题,利用一种改进的加速度方差自适应调整公式克服了对加速度极限值的依赖,同时利用神经网络对滤波参数信息进行融合,自适应调整过程噪声.仿真结果表明,该方法有很好的机动...     

基于改进希尔伯特-黄变换的进动目标周期估计

针对进动目标的微多普勒周期估计问题,提出了一种基于改进希尔伯特-黄变换的提取算法。该算法通过将希尔伯特-黄变换中的经验模态分解（EMD）替换为完备总体经验模态分解（CEEMDAN）,对目标回波信号进行分解得到各本征模态函数（IMF）后,再对IMF进行希尔伯特谱分析,从该希尔伯特谱中提取出目标信号中的微多普勒周期。仿真表明,所采用的方法能有效地克服EMD算法噪声环境中性能较差的缺陷,在低信噪比条件下具备较好的性能。     

改进的迟延相位差多信号频率估计应用

给出了一种多信号欠采样频率估计算法。该算法通过迟延相位差的允许误差求出频率大致取值区间,利用欠采样频谱结果求出多个信号的高精度频率估计值,并重点解决了当不同信号因欠采样出现谱峰重叠时测频不准确的难题。仿真表明,该算法具有良好的抗噪性能,且估计精度高。     

目标多特征信息的模糊数据关联算法

传统的解决密集杂波环境中多目标跟踪的数据关联算法主要是基于目标的距离特征。由于利用的信息有限,容易导致目标的误跟和失跟。提出一种基于目标多特征信息的数据关联算法,将目标的距离特征、方位特征和雷达散射截面积特征进行模糊信息融合,实现对雷达目标的关联。仿真结果表明了该算法的有效性。