多雷达观测信号融合检测算法

针对海上小目标检测问题提出了一种基于多雷达观测信号层融合的检测算法。该算法对各个雷达的观测值按采样时刻进行排序,然后根据对应时刻的脉冲信号进行高阶互累积量计算然后在相关域上积累进行似然比检测。仿真分析表明该算法与基于贝叶斯准则的分布式检测算法相比,具有较低的复杂度和低信噪比条件下较高的目标检测概率。     

用强有力的思想教育 凝聚改革强军意志力量

没有思想的共识,就没有行动的一致;没有上下的同心,就没有力量的凝聚。当前,国防和军队改革进入深水区,政治工作发挥服务改革、助推改革生命线作用,首要就是抓好思想教育这个中心环节,使官兵在领悟决策意图、读懂吃透改革中增进政治认同、思想认同、情感认同,始终做到有定力、有担当、有韧劲,不断推动改革强军向纵深挺进。     

全球统一度量衡势在必行

<正>纵观世界历史,各国度量衡的沿革无不经历了一个由各行其是而趋向统一的过程。当今的世界经济正在加速趋向一体化,全球统一度量衡更是势在必行。所谓度量衡,"度"是指长度,"量"是指容积,"衡"是指重量。纵观世界历史,各国度量衡的沿革无不经历了一个由各行其是而趋向统一的过程。到了近代,随着航海和航空业的发展,国际贸易往来与日俱增,科技交流日益频繁,在各国度量衡不统一的状况下,不仅给贸易往来     

KK分布杂波下的距离扩展目标检测算法

针对服从KK分布的大拖尾雷达杂波背景下的扩展目标检测问题,利用球不变随机变量表示了KK分布雷达杂波模型。在假设目标回波幅度已知的情况下,研究了基于Neyman-Pearson准则的距离扩展目标最优积累检测器,并通过对目标幅度的最大似然估计,推导了广义最大似然比检验检测器模型。为了降低这两种检测器中因计算第二类修正的贝塞尔函数而引入的运算复杂度,提出了一种基于顺序统计量的广义似然比检测器。该检测器利用检测窗内幅度较大的距离单元回波作为目标回波进行判决。利用蒙特卡罗仿真对这三种算法的性能进行了验证与比较,虽然最优积累检测器与广义似然比检测器具有更好的检测性能,但实现困难,计算量大,而基于顺序统计量的广义似然比检测器则具有更高的实用性。     

使用融合乘加加速快速傅里叶变换计算的向量化方法

融合乘加指令加速快速傅里叶变换计算的向量化方法,通过变换快速傅里叶变换的蝶形单元运算流程,将传统计算方式中独立的乘法和加法操作组合成次数更少的融合乘加操作,使得时间抽取法基2快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的10次乘(加)操作减少到6次融合乘加操作,时间抽取法基4快速傅里叶变换算法的蝶形单元计算的实数浮点操作由原来的34次乘(加)操作减少到24次融合乘加操作;优化了蝶形因子的向量访问,减少存储开销。实验结果表明,提出的方法能够显著加速快速傅里叶变换的计算,取得高效的计算性能和效率。     

基于改进平方根UKF双向滤波的单站无源定位算法

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、稳定性差和收敛速度慢等问题,在结合平方根无迹卡尔曼滤波(Square-Root Unscented Kalman Filter,SRUKF)以及后向平滑思想的基础上,提出了一种改进SRUKF的双向滤波算法。该算法采用Q-R分解的形式,使用误差协方差的平方根代替协方差参与递推运算,提高了算法的稳定性与运算效率。同时,该算法对状态向量进行扩维,将过程噪声与观测噪声通过非线性系统传播,降低了噪声对滤波精度的影响,并利用当前时刻滤波结果通过Rauch-Tung-Striebel(RTS)后向平滑得到再次前向滤波更高精度的起始值,提高了算法的定位精度与收敛速度。仿真结果表明,新算法在保证实时性的基础上改善了单站无源定位的性能。     

Duffing混沌阈值的新定量求解法及其在WSD的应用

概述了求取Duffing系统阈值的3种传统方法,分析优缺点,最终提出一种新的求取混沌阈值的定量方法。这种方法能充分反映周期序列的振荡特征,因此,定义为周期特征量法。将该特征量作为混沌阈值可以明显区别混沌序列和周期序列,由此可以用于判断Duffing系统的输出状态,是一种优于其他方法的混沌判决。最后,仿真验证了该方法的可行性并应用于检测弱周期信号的有无及其幅值。     

海量感知数据高效传输技术

现有感知数据传输模型存在能量消耗大、网络生存周期短、适用范围窄、收敛性弱以及实际应用性差的问题,为了实现大面积感知数据高效传输,提出了基于数据关联度的模糊自适应融合算法,建立了自适应网络模型。感知节点发送的数据经汇聚节点、中继节点转发时,通过自适应网络模型,根据感知数据关联度,动态修正输入参数加权系数从而改变控制规则,再用优化的控制规则进行参数调整,融合后的数据再传送到上一级平台,实验表明了该算法能明显改善海量感知数据传输性能。     

使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。     

不连续距离特征量信息融合方法

浅海波导中低频声场存在稳定可观察的干涉结构,目标辐射噪声LOFAR图中呈现干涉条纹图案。从条纹中可以提取出距离特征量信息,它反映了目标运动过程中的距离变化率。由于外部环境的影响或运动态势的改变,LOFAR图中条纹有可能会短暂丢失。此时,基于波导不变条纹的距离特征量提取算法失效。提出了不连续距离特征量信息融合方法,在条纹丢失期间内保持对目标距离特征量轨迹的跟踪。仿真及海试数据处理结果验证了其可行性。