一种基于AHP和目标检测识别性能的SAR干扰效果评估方法

为更好地评估对合成孔径雷达(SAR)的干扰效果,提出了一种基于层次分析法(AHP)和目标检测识别性能的评估方法。首先,根据战术背景对成像区域进行划分,利用AHP计算各区域的评估权重;而后,针对目标检测识别性能衰减情况设计评估指标,并根据干扰样式计算区域评估结果;最后,结合区域评估权重加权计算综合评估结果。仿真实验结果表明,该评估方法能与战术背景、作战需求紧密结合,较好地适用于近实时和非合作的评估场景。     

一种适于DSPs实现的BPSK载波同步方法

提出了全数字接收机中一种软件实现的BPSK载波同步方法 ,并给出了性能分析 ,适合于在存储空间和实时性都有要求的背景下的应用。该方法充分利用软件实现的优势 ,克服了传统方法的一些弱点 ,适合于在数字信号处理器 (DSPs)上实现     

基于自适应卡尔曼滤波的联合RSS/TOA/INS无人机定位算法

针对在全球导航卫星系统信号拒止环境下(如山地、隧道、峡谷)无人机集群常规定位方法受限问题,提出通过集群之间的协同定位,对卫星信号拒止的低成本无人机进行导航恢复的滤波方法,从而有效抑制纯惯性导航系统(INS)定位发散。在获取定位数据方面,首先采用基于超宽带(UWB)和Zigbee设备分别通过到达时间差(TOA)和接收信号强度(RSS)的测距方式得到测距信息,然后进一步利用最小二乘方法解算得到定位局部坐标。考虑到RSS测距远、精度低,而TOA测距精度高、测距范围小的特点,提出一种基于TOA/RSS/INS的序贯扩展卡尔曼滤波算法,通过引入自适应因子,为短程定位信息提供TOA/RSS两路定位冗余的同时,在长程TOA定位失效时仍可利用RSS定位来抑制惯性导航的发散。实验结果表明,该算法在近程可由RSS/TOA提供冗余测距信息,通过自适应因子可将定位精度改善至2m;在长程,尤其TOA定位失效的范围外,同样可以提供误差约为5m的定位信息。相对于传统扩展卡尔曼滤波,所提出的自适应序贯卡尔曼滤波算法有效提高了定位精度,为解决传统定位受限条件下的基于无人机无线电定位研究提供新的思路。