多功能复杂信号侦察可配置计算模型

复杂信号侦察处理是多功能数字阵列雷达(MFDAR)的重要组成部分,可以服务于MFDAR的雷达与通信信号侦察以及电子战等多种用途,其中信号侦察的实时性与功能的灵活适应性是MFDAR的关键。在详细研究MFDAR信号侦察处理特点基础上,提出了两阶段可配置的信号处理流程,构建了基于混合结构的宽带信号侦察可配置计算模型BSRRCM。BSRRCM对"非确定、非单向"的信号流进行了描述,利用"固化典型流程、设置有限配置点"的思想,BSRRCM将应用分解成可完全重配置的典型处理流程和可局部重配置的功能任务序列,快速映射到合适的计算平台上,在确保信号处理实时性前提下使系统获得了动态的灵活配置能力与可扩展性。     

一种双/多基地雷达时间校准的新方法

时间同步是实现双/多基地雷达的关键技术之一,提出了一种新的双/多基地雷达时间校准方法。这种方法先用短波或电视信号进行首次时间校准,再利用交叉定位距离信息对同步系统进行再次时间校准。首先建立时间校准的模型,利用交叉定位测出的双基距与实测的双基距离进行比对,得出系统的时间同步误差;然后对交叉定位距离解算及时间同步精度进行分析;最后对时间同步后目标定位性能进行了优化研究。仿真结果说明了这种方法的可行性。     

高动态环境下基于H_∞滤波的深组合导航技术

捷联惯性导航系统(SINS)/全球定位系统(GPS)组合导航系统是适用飞机和现代武器装备的高精度导航系统。针对高动态环境下GPS/SINS组合导航系统的定位精度问题,以炮射无人机为例提出基于H∞滤波技术的SINS/GPS伪距、伪距率深组合导航方案,用于提高高动态环境下组合导航系统的精度和鲁棒性。仿真结果表明,H∞滤波器不但比Kalman滤波器鲁棒性强,而且可用于带有强有色噪声的高动态系统中,并能保持较高的精度。     

基于多通道DMF的高动态信号捕获

为解决靶场对高动态目标测量中存在的信号捕获难题,依托传统的直扩-码分多址信道,探讨了采用多通道数字匹配滤波方法进行高动态目标信号捕获的原理;在对平均捕获时间、捕获概率和虚警概率等动态信号捕获等性能指标进行分析的基础上,提出了高动态目标信号的捕获方法。将多通道数字匹配滤波技术应用于高动态目标的信号测量,在保持较高抗干扰特性的同时,可以缩短多普勒频移捕获的完成时间,为在靶场精确测量高动态目标提供了可靠的技术手段。仿真结果证明了该方法的有效性。     

水下无线传感器网络节点的自定位方法

为提高水下传感器网络(UWSN)节点自定位性能,在已有的PLACE定位方法的基础上,提出了锚节点多跳定位方法(AMHL)。AMHL使用距离定位原理,AMHL将节点的自定位过程分为距离估计、定位计算和定位修正三个阶段,利用锚节点多跳定位方式进行节点自定位,设计了自定位的通信协议,对AMHL和DV-Hop方法的应用效果进行了仿真比较,分析了自定位误差。仿真结果表明:AMHL方法能够满足UWSN节点自定位的性能需求。     

中国政法大学梁淑英教授来院作报告

6月5日,学院举行公安信息网和教育科研网接入宽带扩容开通仪式。公安部科技信息化局局长谢毅平,中国教育科研网专家委员会主任、清华大学教授吴建平,学院院长杨隽一同触摸点亮剪彩启动球。仪式由副政委赵大斌主持。训练部部长马金旗、科研部部长董希琳,公安部科技信息化局通信保障总站、北京市公安局信息通信处及廊坊市公安局、赛尔网络有限公司等领导出席仪式。     

基于多维直方图的mean shift运动目标跟踪算法

讨论了一种红外图像序列的运动目标跟踪算法.以mean shift为核心,即在连续图像序列中对比运动目标的直方图.在可见光的视频中,利用目标的颜色直方图进行跟踪.在前视红外图像序列中,直方图由像素值和高通滤波后的值共同构成.为较好地处理非线性非平稳信号,引用LMS自适应滤波可以对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.     

基于自适应波束形成的宽带基阵设计

将时域FIR滤波器设计的自适应模拟方法推广到波束形成器的设计,提出一种宽带基阵设计方法。该方法无须推导复杂的权系数表达式,只须给出期望的波束图,便可利用计算机通过自适应波束形成的方法得到其他频点处的一组权矢量。此外,该方法可应用于任意阵型,对阵元的指向性也没有任何限制。最后,给出了一个设计实例说明本方法的有效性。     

一种与连续相位调制相适应的信道编码技术

以Rimoldi提出的分解方法为基础,文中介绍了一种与连续相位调制CPM(Continuous PhaseModulation)相适应的环卷积编码技术,该编码与CPM内在编码具有相同的代数结构,文中给出了两者结合后的常用研究方法。通过计算机搜索,以最小欧氏距离最大为目标,得到了一些典型参数下最优的编码方案。仿真结果表明,采用环编码后CPM信号的误比特性能有很大的提升。     

集对分析联系度聚类方法在信息分类中的应用

常见的各种聚类方法在遭遇稀疏数据信息的状况下是无法使用的.提出了一种基于集对分析联系度的聚类方法.它借用集对分析的联系度,对稀疏数据矩阵进行同异反特征分类,给出了符合一定概率分布的同异反特征数,并由此给出了同异反距离的计算方法.求出距离矩阵后根据距离聚类方法给出聚类结果.最后给出了该方法在信息分类中的实际应用,证实了方法的可行性、合理性和应用性.