飞行器有源对消隐身技术

隐身技术已经成为现代高性能飞行器设计的重要支撑,是先进战机的基本要求。现行的隐身设计方法主要包括气动外形优化以及隐身材料涂覆。随着雷达探测能力的不断提升,尤其在米波雷达探测背景下,外形优化与隐身涂层变得不再有效,有源隐身技术被重新予以重视并有望成为新的隐身技术突破点。本文着重分析了有源对消技术的基本概念、技术现状以及相应的关键技术,对该技术体制的优势和特点进行了归纳和总结。     

基于状态观测器的混沌系统鲁棒同步设计

研究了在有界干扰情况下一类非线性反馈混沌系统的鲁棒同步状态观测器设计问题。基于Sylvester矩阵方程的参数化解,将非线性反馈混沌系统的鲁棒同步状态观测器设计问题转化为带有约束条件的优化问题,通过解决该优化问题得到鲁棒同步状态观测器的增益矩阵,从而达到了干扰信号解耦目的。数值算例及其仿真结果表明:该非线性反馈混沌系统的鲁棒同步状态观测器的设计方法是简单有效的。     

基于数字信道化的极微弱信号载波频率引导模块设计与实现

针对深空探测中常规点数的FFT无法对极微弱信号进行精确的频率引导,而超长点数的FFT无法用现有器件实现,提出一种基于数字信道化的并行FFT频率引导方法.接收信号先经过数字信道化处理,均匀划分为若干窄带信号,然后分别对各子带信号进行FFT运算,最后通过对各子带有效谱线的联合检测完成载波频率的精确估计.在等效219点FFT的频率引导模块FPGA实现中,通过FFT模块的复用节约了硬件资源开销.测试结果表明:在8MHz采样率下该模块的测频精度小于10Hz.     

光纤光栅技术与应用专题讲座(三) 第5讲 光纤光栅网络传感技术的原理与应用

文中介绍了光纤光栅温度、压力、应变的基本原理及几种常用的光纤光栅传感信号解调技术。讲述了光纤光栅网络化传感技术研究进展,对几种常用传感网络进行了详细的描述。综述了光纤光栅传感器的实际应用,并着重讲述了光纤光栅传感器在军事上的应用实例。     

基于盲分离的非合作信号定位技术

无源定位是电子战系统的一个重要组成部分,基于非合作信号(如广播、电视信号)的定位技术相比传统的无源定位具有很大的优势,但该定位方法目前还存在一些技术问题.为此,提出采用基于典范相关分析的盲分离方法,来完成对强直达波环境下反射波的分离、提取和延迟时间的计算,再结合方位估计,就可将这种定位问题转换为时差-方位定位.用这种方法可获取优良的定位性能,实现起来也相对容易,同时计算量少.仿真试验结果表明,该方法能有效地解决这种新颖定位技术的相关问题,并为其工程实现打下基础.     

双处理器的图像跟踪系统硬件平台设计

通过分析装甲车车载图像跟踪系统的任务和应用环境,设计了以TMS320C6202数字信号处理器(DSP)为核心,结合PC104嵌入式计算机的双处理器并行处理硬件平台;详细介绍了利用大规模FPGA芯片实现系统总线仲裁和逻辑控制的设计思想;并给出了体现系统智能化程度的--DSP模块的程序智能加载技术以及其实现方法.实际系统测试表明该硬件平台能满足图像跟踪系统的实时性、可扩展性、稳定性的要求,为装甲战车的数字化改造提供了可靠的保障.     

残差域加权ACF基音周期检测算法

针对传统自相关(ACF)基音周期检测算法存在较多的倍频和半频错误,文章提出一种基于线性预测残差域加权ACF基音周期检测方法。首先对语音信号中心削波,减小共振峰的影响;而后进行线性预测分析获得残差信号,对其求自相关值和循环幅度差(CAMDF)值,以CAMDF的倒数值为权重加权ACF进行基音周期检测;最后通过基音平滑算法对提取的基音轨迹进行后处理。仿真实验表明,该算法可降低基音提取的倍频和半频错误,提高估计精度。     

基于模拟退火算法的阵列模型有源校正方法

针对同时存在通道幅度相位不一致与阵列互耦的均匀直线阵列,提出了一种采用模拟退火算法的阵列模型校正方法.该方法使用多个辅助信源分时工作,根据子空间基本原理构造目标函数,采用模拟退火算法对幅相误差矩阵及互耦矩阵进行估计.利用该方法对均匀直线阵进行了计算机仿真与实测实验,仿真及实验结果证明了该方法是有效可行的.     

雷达定时脉冲近距离传输的分析与电路设计

通过分析比较多种时间同步技术,对与雷达距离上百米的系统,采用有线传输雷达定时脉冲信号的方式来实现快速的时间同步。针对雷达脉冲信号边沿跳变迅速,在传输过程中存在延时、反射和畸变等问题,借助Cadence仿真软件对信号传输过程进行了仿真分析,设计了合理的传输电路。实验证明本方案结构简单,抗干扰能力强,同步时间可以达到亚微秒级,在雷达信号检测模拟器、雷达诱饵和雷达组网中都有着重要应用。     

A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise,minimum mean square variance criterion and least mean square adaptive filter

Underwater acoustic signal processing is one of the research hotspots in underwater acoustics. Noise reduction of underwater acoustic signals is the key to underwater acoustic signal processing. Owing to the complexity of marine environment and the particularity of underwater acoustic channel, noise reduction of underwater acoustic signals has always been a difficult challenge in the field of underwater acoustic signal processing. In order to solve the dilemma, we proposed a novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN), minimum mean square variance criterion (MMSVC) and least mean square adaptive filter (LMSAF). This noise reduction technique, named CEEMDAN-MMSVC-LMSAF, has three main advantages: (i) as an improved algorithm of empirical mode decomposition (EMD) and ensemble EMD (EEMD), CEEMDAN can better suppress mode mixing, and can avoid selecting the number of decomposition in variational mode decomposition (VMD); (ii) MMSVC can identify noisy intrinsic mode function (IMF), and can avoid selecting thresholds of different permutation entropies; (iii) for noise reduction of noisy IMFs, LMSAF overcomes the selection of decomposition number and basis function for wavelet noise reduction. Firstly, CEEMDAN decomposes the original signal into IMFs, which can be divided into noisy IMFs and real IMFs. Then, MMSVC and LMSAF are used to detect identify noisy IMFs and remove noise components from noisy IMFs. Finally, both denoised noisy IMFs and real IMFs are reconstructed and the final denoised signal is obtained. Compared with other noise reduction techniques, the validity of CEEMDAN-MMSVC-LMSAF can be proved by the analysis of simulation signals and real underwater acoustic signals, which has the better noise reduction effect and has practical application value. CEEMDAN-MMSVC-LMSAF also provides a reliable basis for the detection, feature extraction, classification and recognition of underwater acoustic signals.