双基地ISAR运动补偿算法

在双基地ISAR成像模型的基础上,通过解线频调处理得出双基ISAR回波信号的差频域表示,针对参考信号跟踪存在误差而影响成像质量的问题,采用距离对准消除跟踪误差的影响;而后采用单特显点法补偿由于距离对准而产生的初相误差,最终给出了整个双基ISAR成像算法流程,最后通过对点目标模型的仿真,验证了该算法的有效性。     

多指数连续相位调制信号的早迟环定时同步

针对多指数连续相位调制信号提出基于序列检测的早迟环定时同步,利用维特比算法的幸存度量构造定时误差估计器。根据误差估计的S曲线和方差,优化定时误差捕获范围和估计精度、消除环路假锁点,同时利用多指数连续相位调制的脉冲幅度调制分解对定时误差估计器进行简化。仿真结果表明,优化后的早迟环定时误差捕获范围最大可达±0.5个符号周期,估计精度在中低信噪比下能够接近修正的克拉美罗界,在高信噪比下也有较好的估计性能;当早迟环定时支路的分支度量简化至最大似然序列检测的1/8时,对多进制、部分响应的多指数连续相位调制信号,造成的解调性能损失小于0.5 d B。     

基于星座图恢复的MQAM信号调制方式识别算法*

针对MQAM信号调制方式的识别问题,提出了一种基于星座图恢复的算法。该算法首先估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样。随后采用一种非判决辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响。最后利用平均似然比检测的方法,完成MQAM信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有更优的识别性能。     

幅相调制信号的星座图恢复与调制方式识别

针对幅相调制信号的调制方式识别问题,提出一种基于星座图恢复的算法。该算法估计信号载频及信噪比等参数,并依据波特率和符号定时完成对接收信号的波特率采样;采用一种非数据辅助载频偏差估计方法,以消除载频偏差及相位偏移对星座图恢复的影响;利用平均似然比检测的方法,完成幅相调制信号调制方式的识别。仿真结果表明,与仅考虑信号幅值分布的极大似然算法相比,该算法具有识别性能更优。     

Chirp信号参数估计算法性能比较

通过数值仿真定量地比较了三种Chirp信号参数估计算法——解线调法、迭代估计法和局部搜索最大似然法的性能,并定性地比较了算法的运算量。仿真结果表明,在三种算法中,局部搜索最大似然法的估计性能最好,而运算量居中;解线调法运算量最大,但估计性能居中;迭代估计法的估计性能最差,但运算量最小。对于实际系统,应根据不同的估计精度和运算量要求,灵活选择不同的算法。综合考虑估计性能和运算量之间的折衷可以得到结论,在三种算法中局部搜索最大似然法是一种相对较好的选择。     

基于补偿调制的ISAR电子伪装干扰技术

逆合成孔径雷达(ISAR)是一种高分辨率微波成像雷达体制,也是成像雷达的重点发展方向之一。由于其成像是通过对距离向和方位向二维压缩实现,因此比普通雷达具有更强的抗干扰能力。针对线性调频信号体制ISAR,提出一种基于补偿调制的电子伪装干扰方法,通过对截获到的敌方雷达辐射信号进行相位补偿调制模拟出目标任意散射点的回波信号并转发,达到了伪装干扰的目的。最后的仿真实验证明了所提方法的有效性。     

基于3DS的ISAR二维散射点模型仿真

当前,对ISAR成像和目标识别的研究很多,但用于ISAR成像和目标识别的目标模型大都相对简单.建立一种新的ISAR二维散射点模型,生成目标各种姿态的二维散射点数据库.首先选用3DS为散射点生成模型,以此为基础完成模型简化和信息抽取.然后根据目标姿态变化,计算转换坐标,并以F16战斗机为例生成二维散射点图像.最后采用步进频雷达信号对目标散射点模型进行ISAR成像.所建立的目标二维散射点模型可以用于ISAR成像和目标识别研究.     

正交化超分辨算法的误差灵敏度分析

本文给出了基于 Gram-Schmidt正交化方法的超分辨算法,并分析了该算法对阵列幅度和相位误差的灵敏度。给出了两个目标、不同阵元数和不同间距等情况下的灵敏度计算结果。结果表明本文的算法在目标小角度间隔、大阵元数的情况下,受幅相误差的影响没有最大似然估计（MLM）和 MUSIC算法敏感。     

存在随机站址误差时的最大似然时差定位算法

提出了一种存在随机站址误差时的时差定位算法,该算法将站址误差等效为距离差的测量误差,分析了该等效误差的统计特性,并给出了一种迭代最大似然估计算法。仿真结果表明,存在站址误差的条件下,算法逼近了克拉美罗界,明显优于其他时差定位算法。     

二次相位误差对FMCW SAR成像质量的影响

调频连续波合成孔径雷达(FMCW SAR)是一种新近提出来的成像雷达体制,在FMCW SAR成像中,相位误差是成像质量下降的主要原因,必须对相位误差进行消除.首先建立了存在二次相位误差的FMCW SAR的信号模型,然后分析了二次相位误差对成像质量的影响,提出了一种补偿二次相位误差的方法.此方法与存在二次相位误差时的成像结果相比较,有效地消除了二次相位误差的影响,成像质量大为提高.     

高分辨率UAV SAR的三维运动误差分离与补偿

在基于SAR回波的数据处理中,多普勒调频率具有很高的估计精度且对场景的依赖性很小,可以更广泛地用于自聚焦处理。基于多普勒调频率参数估计,针对回波包络及相位分别提出了误差提取模型,并通过包络误差校正和相位误差补偿两个步骤实现了高精度的运动补偿处理。实测数据表明,本文方法可以在低精度导航信息情况下获取高分辨率雷达图像。     

基于图像对比度最优的频率步进ISAR成像方法

在频率步进高分辨ISAR成像中,目标的径向运动会带来距离多普勒耦合,从而对ISAR图像有较大的影响。提出了一种基于图像对比度最优的运动参数估计方法。该法分析了径向速度和径向加速度对多普勒像对比度函数的影响。通过构造相位补偿因子,在多普勒像中基于多普勒像对比度最优估计径向加速度。在径向加速度补偿后,在距离像中基于距离像对比度最优估计径向速度。进行运动补偿,利用RD算法实现了目标的高分辨ISAR成像。该方法具有运动参数估计精度高和计算量小的优点。仿真结果验证了方法的有效性。     

次级通道估计误差对Fx-Newton算法的影响

Fx-Newton算法在执行过程中需要估计次级通道模型,针对主被动隔振工程应用中次级通道估计存在误差的问题,假设输入信号为正弦信号,建立含次级通道估计误差的Fx-Newton算法结构模型,推导了Fx-Newton算法的稳定性条件,并就相位误差和幅值误差对Fx-Newton算法稳定性和收敛性的影响做了详细阐述。最后对两自由度主被动隔振模型开展仿真研究,验证了理论分析结果。     

三轴MEMS加速度计的最大似然校正算法

加速度计是惯性导航系统的重要测量元件,而由于制造工艺及各类传感器误差,低成本加速度计很难达到要求的精度,因此需要对其进行校正。提出一种基于最大似然估计的加速度计自校正算法。综合考虑加速度计零偏、比例误差、非正交误差、安装误差与测量噪声,建立了传感器误差模型。在此基础上,将加速度校正问题转化为校正参数的最大似然估计问题。通过数值仿真和实测试验验证,表明算法具有较高的参数估计精度,能够有效地对上述因素引起的误差进行校正。     

一种自适应的ISAR图像时－频分析方法

提出一种自适应的逆合成孔径雷达 (ISAR)图像的时频分析方法 ,它将时频信号分解算法—自适应高斯基表示 (AGR)方法与ISAR图像处理相结合。得益于高斯基函数方差的自适应调整 ,可自动地将图像中的理想点散射中心与非点散射结构区分开来。分别对ISAR图像的径向与横向距离轴进行上述变换 ,可解构出非点散射中心随角度或随频率变化的特性。应用该方法对仿真数据及飞机目标实测数据所成的ISAR图像进行时 -频分析 ,结果表明该方法正确可行 ,且物理意义明确     

频率步进雷达距离旁瓣抑制自适应脉冲压缩算法

在频率步进雷达中,通常使用逆快速傅里叶变换方法进行高分辨成像。由于逆快速傅里叶变换的距离旁瓣高,有可能造成强散射点旁瓣掩盖附近弱散射点或者弱小目标情况,限制了其在强杂波环境下的使用。为了抑制高距离旁瓣,近年来提出一种基于最小均方误差准则的自适应脉冲压缩方法。基于自适应脉冲压缩算法原理,推导了频率步进雷达距离旁瓣抑制算法。针对静止和运动目标场景,分析自适应脉冲压缩算法的旁瓣抑制性能。仿真结果表明,与逆快速傅里叶变换和加窗逆快速傅里叶变换处理比较,自适应脉冲压缩算法具有更好的旁瓣抑制效果,能够更好地检测强散射点附近的弱散射点或者弱小目标。     

规整化SAR图像特征提取

SAR成像算法通常都基于FFT运算,图像分辨率要受到瑞利限的制约。为了提高图像分辨率,目前常用的SAR/ISAR超分辨成像算法大多借助于现代谱估计技术。从解方程的角度考虑,认为有限长数据的高分辨率谱估计是一个欠定方程问题,估计的结果存在"病态"性。在Bayes估计准则下,把信号谱的先验概率密度作为规整项包含进信号频谱的最大后验概率估计中,提高谱估计的分辨率。将这种方法用于SAR图像峰值特征提取,提高了图像分辨率。     

ISAR成像方位向定标方法研究

提出了一种适合工程应用的ISAR方位向定标方法,通过对相位数据的平滑、分段、拟合,完成了对转速的快捷准确的估算,同时分析了散射点分布对定标精度的影响,结合仿真和试验数据验证了方法的有效性,并根据工程实践的经验,提出了一些提高定标精度的准则。     

基于二维小波变换的空间目标识别算法

对于空间目标识别这个具有挑战性的研究课题,提出了基于二维小波变换的空间目标识别算法。该算法首先对空间目标的ISAR像进行二维小波变换,然后从近似分量和细节分量中提取奇异值特征,最后应用径向基函数(RBF)神经网络进行分类识别。计算机仿真实验表明,该算法取得了比较好的识别效果。