基于希尔伯特-黄变换的海杂波特性分析

在雷达探测区域内,海杂波是影响雷达探测性能的主要因素.对于高分辨雷达而言,海杂波具有明显的非线性、非平稳性,针对这一特性,小波变换被广泛应用,但不可避免地具有窗函数的局限性.希尔伯特-黄变换作为一种新兴的自适应信号处理方法,应用简便,妥善避免了W.Heisenberg不确定性原理的限制,对于处理非线性,非平稳信号有着清晰的物理意义与应用前景.把上述两种方法应用于海杂波特性分析,比较两者的优缺点.结果表明,希尔伯特-黄变换具有更好的时频聚集性.     

基于Radon变换的LFM信号检测与参数估计

提出了一种基于RAT法和RWT法的快速算法,研究噪声环境中线性调频信号的检测以及参数估计问题.该方法对信号的检测通过一维搜索完成,同时对调频率识别比较准确,在此基础上,通过窄带通滤波器对LFM信号去除大部分的噪声能量.和其他基于二维时频分析工具的算法相比,降低了计算的复杂度,其实现更为简便.最后通过计算机仿真验证了该方法的有效性.     

作战任务总量的迭代收敛性

为降低作战任务的复杂度,提高任务执行效率,研究了作战任务总量及其迭代收敛问题.首先,采用图形和设计结构矩阵,阐明反导作战子任务的复杂联系.再引入任务转移矩阵建立任务总量模型,总结迭代收敛条件.最后,综合考虑资源和时间约束,规划子任务优先级并优化作战资源配置.结合实例分析了任务总量迭代收敛规律的可行性和有效性,为反导作战任务规划提供了理论指导.     

机载脉冲多普勒雷达的自适应旁瓣对消实现方法

简要介绍了自适应旁瓣对消的基本原理。重点研究了自适应旁瓣对消在机载脉冲多普勒雷达中的工程实现方法,该方法打破了自适应旁瓣对消目前只能应用于采用低重脉冲重复周期的脉冲多普勒雷达的限制。通过对自适应旁瓣对消结果的分析,表明该方法完全能够满足现有机载脉冲多普勒雷达抗有源旁瓣干扰的需求。     

基于小波变换与SVM的复杂装备故障诊断研究

针对复杂装备故障信号提取困难、故障诊断精度低的现状,根据小波变换对处理非平稳信号的优越性和支持向量机(SVM)对模式分类的良好性能,提出了一种基于小波变换与SVM的故障诊断模型,并选取配电系统进行故障诊断仿真实验。结果表明该模型能利用少量训练样本完成故障诊断,有效提高装备故障诊断精度。     

基于Maxwell2D和Simplorer的永磁同步电机退磁模型设计

永磁体退磁故障是永磁电机的常见故障,对电机退磁故障进行早期检测和诊断可以有效防止灾难发生,具有重大意义。建立不均匀退磁故障状态下的Maxwell2D电机模型,利用仿真软件Maxwell2D与Simplorer构建永磁同步电机联合仿真系统,分别对电机的正常状态模型与退磁故障模型进行仿真,并对相电流信号进行分析。利用EMD-LSSVM变换建立的故障诊断模型对不同程度的退磁故障进行诊断。仿真结果表明:该模型可以精确地识别出微弱的退磁故障,验证了联合仿真退磁模型的正确性。     

再生分辨矩阵与决策熵的不完备决策系统属性约简

为了有效地解决不完备决策系统的属性约简问题,提高属性约简的效率,提出了基于再生分辨矩阵与决策熵的不完备属性约简算法。该算法利用基于容差关系的分辨矩阵来计算相对核,通过再生分辨矩阵计算再生集和再生集属性来缩小加入约简集的条件属性选择范围,以再生集属性的分辨度和决策熵为依据,选择加入约简集的条件属性,并通过实例进行验证分析。结果表明,该算法适用于协调不完备决策系统与不协调不完备决策系统,能够有效地降低时间复杂度,并得到最优属性约简。     

用于卫星干扰源定位的压缩感知DOA估计方法

针对传统测向方法的实际应用性能较差,提出一种基于压缩感知(CS)的卫星干扰源定位方法。根据干扰信号方位角的空间稀疏性,建立了压缩感知波达方向(DOA)估计模型。通过协方差矩阵的高阶幂逼近信号子空间和矩阵的共轭对称特征,利用高阶幂矩阵的主对角线下左下角列向量进行波达方向估计。仿真实验验证,该方法不需要已知干扰源数,具有较高的精度和较好的分辨力,且能满足对相干干扰信号的估计。对压缩感知DOA估计在卫星干扰源定位中的应用具有一定参考意义。     

基于调频傅里叶变换的高速目标ISAR距离像算法

在大时宽带宽线性调频(LFM)体制高分辨逆合成孔径(ISAR)雷达中,目标高速运动将引起严重的回波多普勒色散,如果不消除该影响则不能正确成像。针对该问题,设计了一种通过调频傅里叶变换对目标脉内运动参数进行估计,补偿回波脉内走动得到目标距离像的方法。该方法首先估计脉内运动参数,初步补偿脉内走动,然后估计运动轨迹进一步精确补偿脉内走动,补偿脉内走动后通过包络对齐消除脉间走动,得到目标距离像。算法的主要过程在脉冲重复周期内进行,可以满足实时成像和参数估计的需求。     

基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法

叶簇环境下,当动杂波比较复杂时,常规的目标检测算法CFAR和DPCA不能有效地滤除杂波。提出了一种基于Hough变换的叶簇环境下SAR/GMTI动目标检测算法(HD),该算法在叶簇杂波比较复杂的情况下能够有效滤除动杂波,提取出动目标。首先,介绍了叶簇扰动环境下的场景建模,并且给出了建模分析和建模场景仿真;其次,给出了HD算法推导过程;最后,在建模基础上对该算法和常规算法进行了对比仿真实验。实验结果表明,该算法在较低信噪比情况下也能保持较高的检测概率。