调频脉冲信号辐射源多普勒信息提取方法研究

提出了一种基于单脉冲频率及频率变化率联合估计和多脉冲联合估计脉冲重复周期变化率的调频脉冲信号辐射源目标多普勒参数提取方法。该方法解决了无源定位系统数据采样频率与辐射源脉冲重复周期不匹配造成的频率偏差问题,在脉冲到达时间的提取上避免了对脉冲边沿的判断,使得利用中频采样信号计算脉冲重复周期成为可能。介绍对了该方法所采用的频率及频率变化率联合估计关键技术,并在此基础上讨论了该方法所能达到的理论估计精度及误差分析,最后通过仿真试验验证了该方法的可行性和有效性。     

一种调频调相混合调制信号及抗干扰性能分析

针对线性调频信号形式简单,易被敌方截获和干扰的特点,提出了一类脉内线性调频和子脉冲相位调制相结合的具有多种变化形式的混合调制脉冲压缩信号。MATLAB仿真分析表明,与单纯线性调频信号相比,该混合调制信号产生和处理简单,既保持了线性调频信号的优点,又提高了抗截获和抗干扰能力。     

热射流起爆过程的数值模拟

采用改进的化学非平衡流解耦方法处理Euler反应流方程,并以H2/air 9组分21方程模型对竖直喷注的热射流起爆过程进行了二维数值模拟。对流项采用五阶WENO离散格式,时间推进采用二阶Runge-Kutta方法。详细分析了热射流以不同速度、入射位置、入射宽度和入射倾角喷射时在爆震管内形成的流场,总结了射流参数状态影响起爆的一般规律;解释了激波、火焰的相互作用对"热点"的形成以及转变为爆震的影响,特别是激波反射对"热点"形成的促进作用。结果表明,爆震波通常由火焰面和固壁附近狭长未燃区域中的"热点"产生。"热点"向爆震波发展的过程是过驱爆震阶段,存在三波结构。为了实现快速起爆,应当增大射流入射速度、贴近侧壁并以适当入射角度喷射热射流。     

微波脉冲对硅基双极型晶体管的损伤特性

利用微波脉冲注入实验平台,对硅基双极型晶体管低噪声放大器进行了损伤效应实验。在微波脉冲对硅基双极型晶体管低噪声放大器损伤的失效分析中,当低噪声放大器增益下降大于10d B时,发现硅基双极型晶体管出现了永久损伤。通过对比测量硅基双极型晶体管损伤前后的电特性以及利用扫描电子显微镜观测损伤后晶体管的微观特性发现:硅基双极型晶体管被微波脉冲损伤后,基区的硅材料烧蚀导致发射结和集电结短路,不再具有PN结特性,导致器件失效。     

高阶BOC信号电离层色散效应的模拟算法*

导航信号模拟器需要模拟电离层引起的信号延时和色散效应,对于传统BPSK信号,模拟器基于单频假设,通过直接调整码相位和载波相位之间的相对关系来模拟电离层的影响。新一代卫星导航信号广泛采用的BOC (Binary Offset Carrier)调制信号具有更宽的带宽,作单频假设会引入不可忽略的电离层延迟建模误差。论文提出了基于双边带模型的高阶BOC信号高精度模拟方法,并仿真验证了算法的正确性。该方法可应用于导航信号模拟器实现BOC信号电离层色散效应的模拟。     

机载PD雷达宽带线性调频信号运动补偿

采用宽带线性调频信号能够显著地提高雷达的距离分辨率和抗干扰能力,然而雷达与目标间的相对运动损耗了部分目标回波相参积累能量,影响目标频率向和距离向分辨力。针对以上问题,提出了一种基于改进匹配滤波函数的运动补偿方法,补偿信号回波中的相位误差,实现宽带线性调频信号目标运动运动补偿。实验与仿真结果证明了该算法的有效性。     

面向通信信号调制识别的半监督生成对抗网络框架

针对只有少量标签数据的弱监督条件下现有调制信号识别模型准确率较低的问题,提出基于生成对抗网络的半监督学习框架。该方法通过对通信信号进行冗余空域变换,使其在适应生成对抗网络模型的同时保留丰富的信号相邻特征;通过梯度惩罚Wasserstein生成对抗网络的引入,构建适宜电磁信号处理的半监督学习框架,实现对无标签信号样本的有效利用。为了验证所提算法的有效性,在RADIOML 2016.04C数据集上进行测试。实验结果表明,该方法在半监督条件下能训练出高效的分类器,获得优异的调制识别结果。     

一种基于关联脉冲对的动态直方图分选算法

针对现有分选算法在复杂电磁环境下准确性与效率降低的问题,提出了一种基于关联脉冲对的动态直方图分选方法。该方法首先对到达时间差进行固定箱长统计,将高于检测门限的相邻箱进行合并,得到动态直方图统计结果,估计出潜在PRI(pulse repetition interval)。对潜在PRI对应的关联脉冲对进行分析,剔除虚假PRI并估计出真实PRI的抖动量。最后,再依据PRI参数完成脉冲序列搜索,实现对雷达信号的分选。仿真实验表明,该方法在较低的到达时间差级数条件下,对多部复杂PRI调制信号的分选准确率达到95%,能够对复杂电磁环境下的雷达信号进行有效分选。     

基于稀疏表示的数字调制模式识别

通过分析稀疏表示在模式识别应用的基础上,提出了一种基于稀疏表示的特征提取方法。该方法首先引入主成分分析对新的样本进行降维,然后利用降维后的训练样本构建稀疏线性模型,通过范数最优化求解测试样本的稀疏系数,根据稀疏系数的分布提取特征值。最后利用支持向量机分类器进行信号的分类识别。并在求解最小范数优化问题中,提出一种通用的解决方案,利用粒子群算法确定最优惩罚系数。新方法提取的特征值经计算机仿真研究证明,该算法具有较好的有效性和一定的工程应用性。     

一种新的重频调制类型自动化识别方法

针对雷达重频调制类型模式识别中存在的问题,提出了一种可以自动化识别PRI调制类型的算法,易于工程化实现。该算法通过对脉冲序列提取特征向量完成调制类型的识别,并给出特征参数的描述。实验仿真和实际应用均表明该方法正确识别率高,可有效地识别PRI调制类型并输出特征参数。