一种新的二维谐波估计方法

研究了二维谐波信号相关矩阵后 ,提出了一种称之为“矩阵束的二维谐波估计 (MP2D)”算法 ,该算法既不需要求解二维特征多项式的根 ,也不需要在二维频率空间搜索谱峰 ,算法具有高效性。仿真实验表明 ,该算法在白噪声条件下对二维谐波频率估计具有高的精度和强的抗干扰能力。     

MIMO多径衰落信道下的多载波混沌键控混沌通信

为提高差分混沌键控的传输效率及其在衰落信道下的传输性能,提出了多载波混沌键控及类差分混沌键控检测方法,发射端每隔M个OFDM符号间隔插入由混沌参考信号构成的"导频",在此间隔内其他M-1个OFDM符号即以此混沌参考信号生成的混沌键控信号,接收端提取"导频"并将之与其他OFDM符号进行相关积分,恢复出M-1比特信息。进一步给出了MIMO多径衰落信道下的多载波混沌键控分集发射与接收方法,发射端采用不同混沌信号以获得一定的发射分集增益,接收端不需要任何信道先验信息,对各天线的相关积分输出进行等增益合并,可获得空间分集增益和频域分集增益。性能分析和计算机仿真表明,在"导频"插入间隔大于2的情况下,多载波混沌键控的功率效率大于差分混沌键控,且传输性能优于差分混沌键控。     

弹性地基上的压杆横向振动频率方程的一般表达式

推导出弹性地基上的等截面受压直杆横向振动频率方程的一般表达式。在杆的各种端点条件下进行了分析和讨论     

地波雷达组网探测高空目标优化布站

针对高空无人机等目标,建立基于高频地波雷达为主的2D雷达探测网,以目标高度估计和协同补盲为约束条件,对2D雷达网的优化布站问题进行理论计算和实例仿真,实验结果证明布站方法的有效性。     

基于单快拍数据的嵌套阵列DOA估计算法

针对嵌套阵列DOA估计实时性不好的问题,提出了一种基于单快拍数据的估计算法。该算法将嵌套阵分为阵元间距等于信号半波长和阵元间距大于信号半波长的两个均匀子阵。利用两子阵接收的单快拍数据分别构造Toeplitz矩阵,然后进行特征值分解结合MUSIC算法得到低精度无模糊的DOA估计和高精度有模糊的DOA估计,最后结合解模糊算法得到高精度无模糊DOA估计。在阵列孔径相同的条件下,相比于阵元间距等于信号半波长的均匀线阵,算法需要的阵元个数较少,节约了硬件成本。该算法具有较好的实时性,并且拥有较高的测向精度。仿真结果证明了算法的有效性。     

天海背景图像天海分界的线性回归检测方法

针对天海背景远距离平视图像的成像特点,确定天海分界区域,可以减少目标分割时的计算量,抑制天海分界区域外不必要的噪声干扰。将求取天海分界方程归结为一个数理统计中的回归分析问题,通过将图像沿水平方向平均分成若干个区域,采用计算最大梯度得出每个区域的天海分界坐标,得到线性回归所需的区域坐标点集合,并用正态分布方法对野值进行剔除,运用最小二乘估计方法计算出天海分界线方程。结果表明,该方法可以准确地检测出天海分界线,且对目标背景特性不敏感。     

时延估计多基地水下目标被动定位及误差分析

根据基于时延估计的多基地航空搜潜系统中目标、各被动浮标之间空间上的几何位置关系,建立目标位置的数学模型,确立了目标空间位置与声传播信号到各被动浮标的时延、布阵间距、声速之间的关系;在此基础上,根据时延估计方差的克拉莫-罗下限,分析信号信噪比、接收机带宽、信号中心频率及观测时间等参量测量误差对时延估计的影响,进而分析了各参量误差对目标定位误差影响,最后对所建模型及误差进行了仿真分析。     

基于贝叶斯网络的威胁识别

根据威胁识别与贝叶斯网络的特点,提出了基于贝叶斯网络的威胁识别方法.分析了使用贝叶斯网络进行威胁估计表示问题,提出了构建贝叶斯网络进行威胁估计的步骤.最后,给出一个具体的实例,演示了使用贝叶斯网络进行威胁识别的过程,实现了战场态势中蓝方机群对红方战术意图的提前预测.     

基于球状模型的短波频率泛克里金重构算法

针对现有短波频率优选方法中数据处理过程复杂、输入参数条件苛刻、工程实现难度较大等不足,结合电离层变化特性,提出了一种基于球状模型的泛克里金法,应用于短波频率的重构。利用短波频率管理系统中大量的实测频率数据,构建了符合频率数据变化特征的基于球状模型的变异函数,建立了反映沿经度、纬度及水平方向通信频率变化剧烈程度的漂移表达式。随机选取多个样本数据,通过交叉重构法对短波频率数据进行重构。实验结果表明,基于球状模型的泛克里金法具有较高的频率重构精度,能够应用于短波通信频率的重构,特别是满足军事通信方面对短波频率优选手段的需求。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。