运用改进正交匹配追踪算法精确估计跳频信号跳变时刻

现有方法得到的跳变时刻精度不高、抗干扰能力较弱,为此提出一种运用改进正交匹配追踪算法的跳变时刻精确估计方法。根据跳频信号原理建立跳变时刻估计的稀疏表示模型,用改进正交匹配追踪算法求解该模型,获取跳变时刻。理论分析和仿真结果证明该方法能够获取高精度的跳变时刻,估计性能方面优于现有算法。     

级联结构的阵列天线导航接收机抗干扰及多径抑制方法

阵列信号处理技术因其能够提供空域分辨能力已被广泛应用于卫星导航接收机领域以实现抗干扰和多径抑制。根据干扰和多径信号对导航接收机基带处理影响的不同提出了一种以数字相关器为界线划分的抗干扰与多径抑制两级处理结构:第一级处理在解扩前估计阵列接收数据的空时协方差矩阵,根据干扰信号功率远大于导航信号及噪声的特点利用子空间投影技术实现抗干扰;第二级处理在解扩后进行空间平滑解相干处理,利用基于Householder变换的广义旁瓣相消技术进行波束形成以实现多径抑制。理论分析和仿真结果表明,该级联处理技术能够有效地压制强干扰,并显著减小多径信号对导航接收机伪码测量的影响。     

非平稳噪声背景下DOA分步估计方法研究

针对相干和非相干信源同时存在的情况,结合斜投影理论和互相关矢量Toeplitz矩阵重构(CVTR)的方法,提出一种新的信源DOA分步估计方法。该方法把相干信源和非相干信源分开分辨,对相干信源用CVTR方法来恢复为满秩,避免了常规平滑算法阵列孔径损失大、运算量大的缺点;用斜投影算子而非差分方法对信源进行分离,不受相关矩阵须为Toeplitz结构的限制,使得算法可适用于任意阵列结构形式。这种分步分辨思路可有效增强信源过载能力,同时在互相关矢量Toeplitz矩阵重构过程中,可把非平稳噪声协方差矩阵转换成白噪声结构,使得算法对非平稳噪声有较好的适应能力。     

脑功能光学成像研究进展

首先对脑功能成像技术的研究背景和发展历程进行了简单的回顾 ,然后对脑功能光学成像方法进行了分类综述 ,主要介绍了电压敏感性染色成像、内源光学成像、光学相干层析成像、神经元活动相关光信号成像等成像方法的原理和最新进展 ,并总结了选择光学成像系统所应考虑的因素 ,最后 ,通过对各种成像方法的分析和比较 ,提出了改进和完善脑功能光学成像技术的建议 ,并对脑功能光学成像技术的发展前景指出了一些可能的方向     

一种用AR模型参数自适应检测瞬态信号的新方法

本文研究AR 模型参数特征用于瞬态信号自适应检测的问题。本文依据AR 模型参数矢量长度为特征检测信号的思思,提出了一种具有良好地自适应抑制噪声扰动的参数估计方法,弥补了LS、SVDT 方法的不足。理论分析和实验结果均表明,本文的方法具有很好的AR 模型参数估计和瞬态信号检测性能。     

带限信道中准相干码相关参考波形技术多径抑制性能分析

码相关参考波形(CCRW)技术以其设计灵活、抗多径性能优异等特点成为卫星导航多径抑制研究的热点,但目前相关文献在分析CCRW技术时常假设单边信道带宽无限或远大于扩频码率,且仅研究特定参考波形的性能,缺乏具有工程指导意义的定量结论.根据CCRW技术一般原理,推导了在无限带宽时任意参考波形的鉴别曲线计算公式,给出了满足稳定跟踪的波形约束条件.分析了不同带宽和闸宽参数的W2/W4/W5三类参考波形的准相干多径误差包络性能,仿真表明带限信道中W4、W5波形抗多径性能优于W2波形;以GPS L5和Galileo E5a/E5b的QPSK(10)信号为例进行原理样机试验,结果表明W2、W5算法比窄相关技术的3dB衰减多径误差包络面积减小达63％和72％.结论可用于现代化导航接收机的多径抑制设计.     

多径条件下米波OFDM-MIMO雷达波束性能及特性分析

针对米波正交频分多路复用-多输入多输出(Orthogonal Frequency Division Multiplexing-Multiple Input Multiple Output, OFDM-MIMO)雷达波束形成问题,建立了米波条件下频分复用MIMO雷达阵列信号模型,理论导出了该体制下多径特性定量分析的理论框架、直达波和多径回波模型及其联合发射-接收双程方向图增益闭合表达式。提出了利用米波OFDM-MIMO雷达阵列双程方向图具有距离-角度二维分辨能力抑制多径算法。所提方法能够有效抑制阵列法线方向多径回波,同时有效抑制输出信干噪比周期性损失,且随频偏带宽的增大抑制能力进一步提升。     

多径条件下的空时解相关接收机研究

通过建立了一般的空时CDMA系统模型 ,探讨多址干扰和多径效应的联合抑制问题。首先分析了系统的可辨识条件 ,然后利用多约束最优化准则研究了FIR空时解相关接收机设计和实现 ,并进一步分析了系统性能     

海量电磁数据中雷达信号的高效分选方法

针对海量电磁数据中雷达信号难以进行快速准确分选的问题,提出一种新的聚类分选方法,即改进k-means算法的Map Reduce并行化实现方法。通过引入初始聚类中心个数k1、最大聚类中心个数kmax和距离门限rt3个参数,克服了k-means算法需要事先确定k值和易受孤立点影响的局限;基于Hadoop平台实现了对改进k-means算法的Map Reduce并行化,克服了k-means算法串行实现时间复杂度高的局限。最后,实验表明改进k-means算法取得了更高的分选准确率,Map Reduce并行化后具有良好的加速比和扩展性,能够很好地对海量电磁数据中雷达信号进行高效分选。     

二进制偏移载波调制信号畸变误差评估指标研究

随着全球卫星导航系统的发展,二进制偏移载波（BOC）调制信号被广泛采用。全面评估BOC信号的畸变误差对于导航系统的信号完好性评估与监测具有重要意义。前文对于BOC信号的畸变研究较少,没有解析评估BOC信号畸变误差的指标与方法。本文针对三种常见的信号畸变,给出了完善的畸变误差评估指标,能够全面评估畸变误差。同时采用提出的评估指标对北斗全球系统B1频段上的基线信号BOC(14,2)及MBOC(6,1,1/11)信号进行评估。文中提出的畸变误差评估指标能够用于评估现代卫星导航信号的畸变误差,对现代导航信号体制设计及完好性监测均具有指导意义。