采用包络检波去除SISAR直达波干扰的新方法

为了去除直达波干扰,从强的直达波干扰背景中有效提取SISAR侧影成像的目标全息信号,提出了对接收的含有目标全息信号和强直达波的混合信号直接进行包络检波,然后通过对检波后的输出进行时域的正交分解,恢复目标的全息信号的新方法.仿真结果验证了理论分析的正确性.     

由路面谱重构路面不平度的AR模型法

将等级路面的不平度视为一零均值的噪声序列通过一个AR模型产生的随机序列,通过求解Yule-Walker方程得出AR模型参数,进而得到路面不平度。经数值算例构造出4个等级的路面不平度,验证了用AR模型构造路面不平度方法的可行性与可靠性。     

FFT-MTD滤波器组优化设计与仿真

介绍了用FFT算法实现雷达信号动目标检测(MTD)的方法,为提升MTD在强杂波环境下的检测性能,对加权FFT优化MTD时窗函数的选取进行了讨论,比较了6种窗函数加权时FFT等效多普勒滤波器组的幅频特性和改善因子,得出了适合于MTD的最佳窗函数,并针对某型雷达信号体制进行了仿真分析和验证,结果表明优化方法增强了MTD在杂波背景下的检测性能.     

子空间分解与淘汰优化方法

提出一种新的多学科设计优化方法,即子空间分解与淘汰优化方法.该方法通过子空间的分解和淘汰,提高剩余子空间的近似模型精度,基于子空间近似模型优化获取最优解.首先,基于设计空间近似模型获取最优解,如果近似模型达到满意精度,则终止优化;否则将设计空间分解为多个子空间.然后,各子空间基于近似模型优化,如果子空间没有可能获得优于...     

基于混沌特征的高分辨雷达目标识别

根据高分辨导弹制导雷达的基本工作原则和舰船目标的散射特性,利用现有雷达回波的仿真技术,在合理的战术想定下,计算了三类典型舰船的雷达回波.在此基础上,研究了利用雷达回波功率谱的方法来识别目标类型的有效性,并基于混沌理论提出了一种比功率谱方法更加有效的新的识别方法,从而为进一步利用混沌理论来开发雷达目标识别技术奠定了初步的理论基础.     

小波分析在雷达信号处理中的应用展望

小波分析在雷达信号处理中的应用研究,已成为近些年来信号处理学科的热点之一。介绍了小波分析的发展历史、研究现状,阐明了小波分析的基本概念,比较了各种小波处理方法的特点,详细讨论了小波在雷达信号处理中的诸多应用,指出了有待解决的各种问题,对小波分析在雷达信号处理中的应用提出了展望。     

数字波束形成技术(DBF)在雷达中的应用

数字波束形成技术是天线波束形成原理与数字信号处理技术相结合的产物,其广泛应用于阵列信号处理领域。由于电磁工作环境的恶化和大量射频干扰的存在,在极低的信干噪比(SINR)条件下进行目标检测和信息提取十分困难。对于阵列系统,往往采用自适应数字波束形成(ADBF)技术,来抑制强干扰和方向性干扰对有用信号的影响。介绍了数字波束形成器的基本原理及其DSP的实现结构。     

DS/PM双模应答机接收信号的快捕技术

提出了一种星用直扩/调相(DS/PM)双模式应答机接收信号快速识别和捕获的算法,并分析了该算法的性能。与传统的处理方式相比,该算法通过对共同处理部件(FFT/IFFT)的复用在提高系统性能的同时优化了系统结构,降低了对硬件规模的要求。解决了高动态、低信噪比和大多普勒频移环境下捕获时间与检测性能的矛盾,对研制星用DS/PM双模式应答机有很好的参考价值。     

回归分析在漏磁定量检测中的应用

通过分析漏磁场,选取法向分量的峰峰值和峰峰值间距作为漏磁通信号的特征量。重点介绍了多元回归分析模型理论、参数估计方法和回归模型的假设检验,得到缺陷宽度、深度与峰峰值和峰峰值间距之间的回归模型,最后利用漏磁数据对回归模型进行了检验,结果表明预测缺陷宽度和深度的误差不超过10%,利用回归分析能够实现漏磁检测的定量化。     

Adaptive subspace detection based on two-step dimension reduction in the underwater waveguide

In the underwater waveguide, the conventional adaptive subspace detector (ASD), derived by using the generalized likelihood ratio test (GLRT) theory, suffers from a significant degradation in detection per-formance when the samplings of training data are deficient. This paper proposes a dimension-reduced approach to alleviate this problem. The dimension reduction includes two steps: firstly, the full array is divided into several subarrays; secondly, the test data and the training data at each subarray are transformed into the modal domain from the hydrophone domain. Then the modal-domain test data and training data at each subarray are processed to formulate the subarray statistic by using the GLRT theory. The final test statistic of the dimension-reduced ASD (DR-ASD) is obtained by summing all the subarray statistics. After the dimension reduction, the unknown parameters can be estimated more accurately so the DR-ASD achieves a better detection performance than the ASD. In order to achieve the optimal detection performance, the processing gain of the DR-ASD is deduced to choose a proper number of subarrays. Simulation experiments verify the improved detection performance of the DR-ASD compared with the ASD.