ARUAV前沿判别法抗多点源诱偏性能研究

基于反辐射无人机的时域鉴别技术,提出了一种以小波分析为手段的前沿判别法。将被动雷达导引头使用固定波门对脉冲前沿进行采样所得的信号作小波分析,对分析结果进行判定,当判定采样信号内为单辐射源信号时对其进行测向、测频、跟踪和打击。针对两点源诱偏系统分析表明,在大部分空域中,反辐射无人机总是能首先跟踪诱饵信号。通过建模与仿真,验证了前沿判别法能够有效对抗两点源诱偏系统,并由固定波门得到了有效的判别空域。     

随机共振技术在微弱舰船轴频电场信号检测中的应用

针对在强背景噪声中检测微弱舰船轴频电场信号的问题,提出了基于随机共振技术的检测方法.首先,介绍了随机共振利用噪声增强信号能量从而提高信噪比的基本原理,并在此基础上给出了利用随机共振检测微弱周期信号的模型.然后,将低信噪比的船模轴频电场测量数据输入到检测模型并对输出信号作功率谱分析,结果表明:随机共振技术能十分有效地从复杂背景噪声中检测出微弱舰船轴频电场信号,在微弱信号处理领域相比传统方法具有很大的优势.最后,结合检测实例,初步分析了系统参数对随机共振系统输出信号频谱分布的影响,为随机共振技术的进一步工程应用打下了良好的基础.     

Bent函数序列及其在扩频通信中的应用

Bent 函数序列有良好的相关特性,在扩频通信中有着广阔的应用前景。本文首先介绍了 Bent 函数序列及其在码分多址(CDMA)和跳频多址(FHMA)中的应用,然后推导了Bent 函数序列的产生电路,并举例说明了它们的产生和实现。     

跟踪干扰对跳频通信性能影响

针对跳频通信中跟踪干扰的问题,分析了跟踪干扰及其对应的干扰椭圆,结合跳频信号的数学模型建立了跟踪干扰的数学模型;在调制方式为M FSK的情况下,给出了跟踪干扰对FH-MFSK通信系统的误码率性能。仿真结果表明,当跳频通信系统遭受跟踪干扰时,系统的误码率升高,抗干扰性能下降明显,而采用多进制频移键控调制可以提高系统的抗跟踪干扰能力;最后给出了抗跟踪干扰的一些措施。     

基于OFDM WiFi信号的无源雷达研究

文章分析了利用WiFi802.11a信号作为无源雷达的外辐射源信号的理论可能性,分析表明该信号具有良好的模糊性能,是一种可利用的非合作式照射源。接着讨论了无源雷达信号处理方面的问题:由于接收信号中含有很强的直达波干扰(DPI)和多径干扰(MPI)信号,因此要进行干扰消除;同时由于信号模糊函数有较高的旁瓣尖峰,因此需要对接收的目标回波信号和直达波信号进行预处理。     

卫星通信新技术专题讲座(三) 第6讲 卫星移动通信系统中双Chirp同步方法

由于卫星和通信终端之间的相对运动,卫星移动通信系统中信号传播过程中会引入多普勒频移和传播时延,这些均要求系统必须能够快速实现同步。文章介绍了一种适用于卫星移动通信系统的,基于双Chirp的信号检测和同步方案。计算机仿真结果表明该方案能够迅速、准确地实现信号检测并估计出信号中的多普勒频移和传播时延,实现系统的快速同步,且工作门限较低。     

基于卡尔曼滤波的跳频信号跟踪算法

相对于传统的固定载波频率信号的测控体制,使用跳频扩频信号进行测速在提高了测控系统抗干扰能力的同时带来了信号跟踪精度不高的问题。针对这一问题,文章提出一种使用卡尔曼滤波器替换传统锁频环路低通滤波器的环路结构,推导了卡尔曼滤波器跟踪算法的递推公式。仿真结果表明,经过改进之后的环路跟踪精度大大提高,系统的测速精度达到15cm/s,比未使用卡尔曼滤波时候的测速精度提高了约6倍。     

基于生成对抗网络的图像去雾算法

针对有雾情况下目标检测等视觉任务精度明显下降,提出了一种端到端图像去雾网络,能够直接生成清晰图像且不需要成对的无雾图像和真实图像进行训练.将注意力模块融入生成器网络中,充分考虑不同通道和不同区域在有雾图像中的影响,并将通道注意力和像素注意力相结合,提出了一种新的特征关注模块,赋予重要特征通道和像素区域更多的权重.考虑到...     

垂线偏差对捷联惯导姿态对准的影响和补偿

为研究垂线偏差对静基座捷联惯导精对准的影响,建立了考虑垂线偏差的捷联惯导误差方程,将重力扰动项分为引起比力测量偏差的部分g■和用于重力模型修正的部分δg~n,提出等效零偏■;基于考虑垂线偏差的静基座下Kalman滤波对准模型推导了姿态的极限对准精度,并给出提高水平姿态对准精度的最优垂线偏差补偿的表达式。仿真结果表明:垂线偏差主要影响惯导系统初始对准的姿态精度,尤其是水平姿态精度;但对捷联惯导系统进行垂线偏差补偿并不一定能提高姿态对准的极限精度,要根据垂线偏差的大小、方向具体分析;当按照最优垂线偏差补偿公式进行补偿时,能够最大程度地提高水平姿态对准精度。仿真结果与理论分析一致。     

一种α稳定分布噪声下的跳频参数盲估计方法

针对目前以高斯白噪声为模型的大部分跳频参数估计方法在α稳定分布噪声背景下,性能急剧下降的缺点,对跳频信号进行两次窗函数长短不同的分数低阶STFT,从而得到两组时频数据,,将两组时频数据点乘,得到新的时频表示,基于时频分析的跳频参数估计方法,实现跳频参数的估计。仿真实验表明,提出的方法有效抑制了α噪声,在α=0.8,GSNR≥1 d B;α=1.5,GSNR≥0 d B时,可以实现跳频周期的准确估计。在α=1.5,GSNR=3 d B时,该算法跳变时刻估计值最大相对误差比STFT低3%、比分数低阶STFT低1.6%,跳变频率估计值更加精确。