基于步进频率正交信号的星载MIMO-GMTI雷达空时频处理研究

多发多收(MIMO)体制雷达综合采用多通道、多频技术,为解决星载GMTI面临的探测慢速运动目标和消除盲速估计等问题提供了有效途径。MIMO雷达工作的基础是有效的波形设计。因此,在分析正交波形性能的基础上,结合GMTI应用需求,建立了星载MIMO雷达步进频率正交信号的基本参数确定准则,研究了步进频率MIMO雷达空时频联合自适应处理的基本原理,通过仿真验证了MIMO雷达在杂波抑制和GMTI性能上的优势。     

数字阵列雷达及其关键技术进展

随着高速ADC器件和高性能通用处理器的发展,雷达的数字化程度越来越高。分析了数字阵列雷达的优点;介绍了现有的典型数字阵列雷达系统,总结了数字阵列雷达的典型结构;介绍了高速ADC器件、高速采集板、正交解调和通道均衡等关键技术的发展现状。随着相关技术的不断进步,阵列雷达必然向着数字化、软件化和多功能的方向发展。     

泛探雷达时-空级联目标检测与DOA估计算法

针对"泛探"雷达,提出了一种时-空级联目标检测和DOA估计算法,该方法首先利用基于DFT的数字波束形成技术完成阵元空间到波束空间的转换,然后对协方差矩阵的迹做门限检测,最后采用多级维纳滤波的子空间分解法进行到达角估计。仿真结果表明,本文提出方法对比长时间相参积累和单脉冲比幅测向方法具有较好的时域检测和测向能力。     

战场数据融合仿真系统设计与实现

介绍了一种战场数据融合仿真系统的设计与实现方法。该系统由场景设定、信号产生、融合跟踪处理、目标识别、态势与威胁估计与数据库支持等功能子系统组成,模拟了数据融合的整个信息处理流程,包括:主动探测雷达、雷达侦察设备、通信侦察设备和敌我识别器获取敌我目标观测信息、利用多传感器跟踪数据对目标进行融合跟踪、提取辐射源电磁信息特征对敌方目标识别,进而形成态势与威胁估计。最终在Visual C#开发平台上利用MapX和ORACLE开发了战场数据融合仿真系统,并成功应用于实际系统中,取得了较好的效果。     

混沌信号在弹载雷达成像中的应用

传统的线性调频信号在雷达成像中存在旁瓣电平过高,参数容易被截获等缺点。为了提高成像雷达的抗干扰性能和分辨能力,将混沌调频信号用于弹载成像雷达系统,建立了SAR工作的空间几何模型,在此基础上分析了回波特性,并对点目标进行了成像仿真,重点对成像性能进行了分析。结果表明,混沌调频信号用于弹载成像雷达系统可获得比较理想的点目标图像,使系统具有强抗干扰性能,有着良好的发展前景。     

遥感图像融合效果客观评价

能够对不同的融合技术的性能进行客观、系统、全面地评价,成为目前空间信息处理以及遥感图像融合研究领域中亟待解决的问题。对国内外遥感图像融合系统及技术的发展历程进行了介绍,重点分析了遥感图像融合效果评估技术的研究现状,归纳了现有的效果评估方法。通过实验,进一步讨论了当前遥感图像融合效果评估技术所存在的主要问题,有助于明确该领域的发展方向和研究侧重点,为遥感图像融合系统及空间信息处理的研究奠定基础。     

单信道时频重叠MPSK信号的调制识别方法

提出一种基于高阶循环累积量的调制识别算法,用于解决单信道两个时频重叠M PSK信号的调制识别问题。对接收到的重叠信号进行预处理,计算其四阶循环累积量,提取分类特征参数,采用最小误差准则算法实现时频重叠双信号的自动分类。理论分析和仿真试验结果均证明了算法的正确性和有效性。     

热线瞄准射击影像判读原理

针对部队训练需求和理论上的空白,根据热线瞄准原理,从理论上分析了热线瞄准射击影像的判读原理,指出了与前置瞄准射击影像判读的本质不同,提出了判读步骤,为进一步开发判读工具提供了理论依据。     

基于模糊自适应变维Kalman滤波器的跟踪算法(英文)

针对不同阶数的Kalman滤波器具有不同的跟踪能力与跟踪效率之间存在的矛盾,设计了一种模糊自适应变维跟踪算法(FAVD)。该算法使用两级滤波器,根据目标机动性的变化,适当地调整滤波器的阶数,使跟踪结果快速收敛,很好地解决了矛盾。同时通过模糊推理机制,在线调节高阶滤波器的参数,使适用范围大大增强,提高自适应能力,从而使该算法可以采用较少的模型覆盖较多的目标运动模式,达到很好的跟踪滤波效果,计算量也会大大减小。通过对计算机仿真结果分析表明,提出的算法具有可靠、计算简便、快速等特点,模型滤波精度较高,并可实现实时跟踪预测,具有一定的理论价值和实用价值。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.