半仿真方位高分辨后置处理方法

MVDR自适应波束形成可获得良好的目标方位估计性能,但其方位分辨力仍受限于阵列孔径.为进一步提高目标方位分辨性能,在MVDR自适应波束输出的基础上,提出了一种高分辨后置处理方法.在两目标方位不可分时,仿真构造两个目标的阵列输出空间方位谱,通过搜索两目标的方位和幅值,与真实数据的空间方位谱输出作匹配处理,从而获得目标的方位估计.实验室仿真及海试数据处理验证了该方法的有效性.     

一种利用GPS载波相位姿态测量的方法

GPS初始整周模糊度的求解是利用载波相位进行测量时的关键问题.采用了对系数矩阵进行QR分解的方法,用以降低矩阵的维数.模糊度搜索时,针对Z变换可能会引入多余误差,采用了对称三角分解法对协方差矩阵进行去相关处理.实验与仿真结果表明,定位误差在0.5 cm以内,方位角和仰角误差在0.1°以内.     

雷达调频编码脉冲信号的设计与处理

现代雷达为获得较高的距离分辨力通常采用编码频率脉冲串信号和步进频率脉冲串信号,但都存在数据率低和较为严重的距离-多普勒耦合问题。在研究这两种信号特点的基础上,提出了调频编码脉冲信号形式并给出了相应的信号处理方法。经仿真对比可见,该信号形式及其处理方法能同时解决步进调频信号高距离-多普勒耦合、低数据率两大问题,具有较好的联合分辨力。     

脉冲压缩雷达系统分析与仿真研究

基于信号处理工作系统(SPW)仿真平台,对脉压雷达信号处理系统进行了建模与仿真技术研究。建立了脉压雷达信号处理系统的仿真模型,同时,利用仿真技术的优势,对脉压雷达信号处理系统的抗干扰(杂波、干扰和噪声)性能进行了仿真,仿真结果表明该雷达信号处理系统具有一定的抗干扰性能。上述工作为脉压雷达信号处理系统的工作过程描述、方案论证、性能评估和挖潜改造提供了仿真依据及技术支持。     

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。     

双极化天线的通信信号检测方法

在详细分析与探讨信号防御性能的基础上,对利用边界扫描的大区域通信信号电路体系进行了探讨,提出以TD-SCDMA网络为基础的双极化天线通信信号检测系统。通信信号检测过程中,用嵌入式处理器LPC2148结合四阶累积量的切片检测出TD-SCDMA信号,并通过估计获得TD-SCDMA信号的采样率,经过二次谱算法的运算,获得谱峰间的距离来估计出OVSE码的周期参数。以标准验证芯片为中心,针对相同类型的混合信号电路组建验证电路,最终完成对验证模块DOT4MBST及验证电路的检测验证。测试结果表明,提出的双极化天线的通信信号检测系统能够在错综复杂环境中,对通信信号进行精确的采集,且鲁棒性强。     

频率捷变雷达信号相参特征的表述

频率捷变雷达信号分选是电子对抗领域信号处理与应用的难题,探索新的分选特征参数是实现对频率捷变雷达信号高效准确分选的手段之一。提出了一种基于Wigner-Ville分布(WVD)的频率捷变雷达信号相参特征的表述。介绍了典型频率捷变方式、频率捷变信号模型及WVD的离散过程,推导了频率捷变脉冲重构信号的WVD模型并进行仿真实验。实验结果表明,频率捷变雷达信号的WVD二维图可作为一种相参特征的表述,且该表述可为频率捷变雷达信号分选提供新思路。     

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。     

基于DSP和FPGA的载波移相脉冲生成方法

在研究了三电平全桥变流器工作原理和载波移相原理的基础上,设计生成了基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)的载波移相PWM脉冲,用于驱动变流器工作。重点介绍了由DSP和FPGA生成载波移相PWM脉冲的基本原理、系统构成及实现方法,其核心思想是FPGA通过数据地址总线接收DSP输出的移相角与FPGA内部生成的三角波进行二逻辑比较,从而产生移相角可变的PWM脉冲,以满足变流器全工况范围实时控制的需要。通过优化设计,使DSP和FPGA各自的优势得以有效利用。仿真分析表明:该方法计算速度快、控制精度高,同时具有扩展性好、可靠性高等优点。实验结果与仿真结果吻合,验证了该方法的上述优点。     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。