一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。     

对调频斜率极性捷变SAR欠采样转发干扰

针对传统欺骗干扰难以对调频斜率极性捷变SAR（chirp rate polarity jittered SAR, CRPJ-SAR）形成有效干扰,研究了对CRPJ-SAR欠采样转发干扰。通过建立CRPJ-SAR有限时长欠采样转发干扰信号模型,分析了欠采样转发干扰对CRPJ-SAR的干扰效果。给出假目标数目、位置以及幅度的理论计算公式。在此基础上讨论了欠采样周期对干扰效果的影响。利用数字仿真验证了理论分析的正确性。     

基于采样点局部密度的径向基函数核宽度确定方法及其在装备设计中的应用范例

固体火箭发动机是导弹的核心系统,为了提高固体火箭发动机的设计效率,将代理模型技术引入发动机的装药设计中.为在径向基代理模型中得到较好的近似能力,分析了径向基函数核宽度的物理意义及其对近似能力的影响,指出已有直接确定方法的不足.提出一种样本点的局部密度的计算方法,并基于采样点局部密度提出了一种核宽度的直接确定方法.数值实验验证了该方法在样本点均匀分布和非均匀分布的情况下均可以得到很好的近似效果.最后将改进的序列近似优化方法用于固体火箭发动机装药设计中,有效提高了发动机的设计效率.     

可见光图像序列中运动弱小目标检测方法研究

为了使制导系统有足够的反应时间,要求在很远的距离上就能检测到目标.在这种情况下,目标在探测器输出图像平面上呈现为斑点目标,且信号强度很弱,这就给目标检测带来了较大的难度.采用了一种先膨胀后累加的处理方法,这种方法首先通过形态学膨胀来增大图像中的目标面积,使得运动目标在不同帧内产生重叠部分,然后再通过多帧累加来增强目标能量;图像序列的邻域判决法也是目标检测的一种常用方法,它利用目标运动的连续性来剔除图像中的虚警点,可以获得较好的处理效果.主要基于以上2种方法来完成目标的检测,并通过数学仿真的方法来对该方法进行验证.实验结果表明该方法能够有效地检测出信噪比不低于2.5的弱小运动目标.     

锥体空间目标基于进动特性识别

为了研究基于空间锥体目标进动特性的识别方法,通过对空间锥体目标的弹道建模,分析了进动锥体目标姿态角变化,引入平均视线角变化对回波RCS的影响,推导了空间锥体目标相对雷达波的姿态角计算公式,分析RCS随时间变化关系,通过回波RCS序列估计进动周期及进动角参数,以惯量比为特征,提出弹头和诱饵的识别方法,仿真试验证明了算法的有效性.     

一种慢跳DS/FH信号的检测方法研究

提出了一种慢跳DS/FH信号方法,根据DS/FH信号的特性,将信号的跳频特性与直扩特性分开进行检测.首先利用成熟的跳频检测方法,在时频域或频域上对信号进行跳频检测,当检测到跳频信号后,再在时域上采用空间互相关方法检测信号是否具有直扩特性,从而判断DS/FH信号的存在性.计算机仿真结果表明该方法具有一定的可行性.     

非线性放大器对伪码测距误差的影响分析

在高精度伪码测距系统中,高功率放大器(HPA)是信号发射链路的重要组成部分,HPA会对发射信号引入非线性失真,进而恶化系统的伪码测距性能.通过理论推导和数值分析的方法,研究HPA的非线性特性对高精度伪码测距误差的影响,给出非线性放大条件下,伪码跟踪误差与放大器类型、放大器输出回退(OBO)、扩频码形参数等的定量关系.研究结果对工程上HPA的选择、功率余量的保留、基带扩频码形的设计等具有重要的参考价值.     

圆周分割映射法构造宽间隔跳频序列

本文提出了一种新一般跳频序列构造成为满足宽间隔的跳频序列方法－圆周分割映射法,使用此方法能够充分利用所有的频点,实现比较大的频隙间隔,而且算法本身计算容易,便于实现。     

小波变换在红外脉冲幅值序列算法中的应用

针对四元探测器信号处理中的脉冲幅值序列算法,提出了用小波变换进行序列数据分析和目标识别的方法。通过分析红外干扰弹的工作过程和其辐射能量变化与典型目标辐射的差异,选择db3小波函数对提取出的脉冲幅值序列进行小波分解和重构,有效地区分了目标信号和干扰弹信号,提高了四元探测器抗红外干扰和识别目标的能力。     

基于尺度UKF小波网络的混沌时间序列预测

根据小波网络和Kalman滤波的特点,将小波网络的权重、平移因子和伸缩因子作为Kalman滤波的状态变量进行估计,提出一种训练速度快、泛化能力强的小波网络的尺度无轨迹Kalman滤波学习算法。然后,利用Rǒssler时间序列和变参数的Ikeda时间序列对该算法进行了验证。仿真结果表明,该算法预测混沌时间序列收敛速度快,预测精度高,而且在混沌时间序列的嵌入维数未知时也能取得较好的预测效果。可以胜任混沌时间序列的精确建模和预测任务。