一种改进的最大选择逻辑恒虚警检测算法

在已有的恒虚警处理算法中,由于单元平均（ＣＡ）和有序统计（ＯＳ）法都是剔除平均（ＴＭ）法的特例,因此可以考虑用ＴＭ法代替一些参量ＣＦＡＲ算法中所采用的ＣＡ或ＯＳ法,以期获得更优的检测或控制虚警的性能。基于这种思想提出ＴＭＣＡＧＯ检测器,并在ＳｗｅｒｌｉｎｇⅡ型目标假设下推导Ｐｆａ、Ｐｄ和ＡＤＴ的解析表示式。通过对其在均匀背景和强干扰目标环境下性能的分析,以及与ＯＳＣＡＧＯ、ＧＯＳＧＯ和ＯＳ等检测器性能的比较,发现ＴＭＣＡＧＯ在上述环境中的性能较这几种检测器均获得了明显的改善。     

半轻子弱衰变B→()~(*)l=v_1和|V_cb|的抽取

建立相对论性的组分夸克模型,求解了B和(?)、(?)的BS波函数,并计算出B→(?)和B→(?)跃迁强子矩阵元的形状因子及其斜率,进而计算出半轻子弱衰变B→(?)l v_(t)和B→(?)l v_(t)的衰变宽度.与实验值比较定出CKM矩阵元│v_(cb)│=0.042±0.003.     

一种低成本多用途破甲弹近炸电路的设计

利用已有的米波多卜勒引信技术,设计了多用途破甲弹近炸引信信号处理电路。该电路利用近目标电信号幅度大、增幅速率快及幅度与距离的关系,实现对装甲目标的零炸高启动和抗干扰;利用多卜勒频率的变化特征实现对直升机射击的炸点自适应控制;利用双支路对消电路实现对地面目标的炸高稳定;利用可控开关完成对破甲弹多用途的选择。     

基于符号树信息熵的机械振动瞬态信号特征提取

用简单的二进制划分简要说明了信号符号化问题,给出了二进制划分下符号树结构及其Shannon熵计算方法,叙述了符号序列编码方法和符号序列直方图的作用,提交了符号时间序列分析的计算机流程图,对内燃机机身振动信号和转轴振动信号用符号树信息熵进行了特征提取。     

结合直达波补偿的星地双站SAR滑动聚束模式频域成像算法

星地双站合成孔径雷达以星载系统为机会照射源,地面接收机接收直达波和散射波信号进行同步和成像处理。介绍了星地双站合成孔径雷达系统结构,对基于直达波进行距离向脉冲压缩后的信号调频率、距离徙动以及二维频谱的空变性进行了分析。在此基础上,运用方位向预处理过程、直达波补偿以及非线性Chirp Scaling算法,提出了适合该模型的频域成像算法,并通过点目标仿真验证了该成像算法的有效性和性能。HITCHHIKER星地双站合成孔径雷达系统实测数据进一步验证了该成像算法的有效性。     

重力梯度对超大柔性空间结构在轨动力学特性的影响

空间太阳能电站是一种具有超大和高柔性特征的空间结构,这种空间结构在尺寸上远超以往的航天器,给轨道动力学特性的研究带来了新现象与新问题。以千米量级的哑铃模型为研究对象,考虑重力梯度影响,建立了Hamilton体系下的在轨动力学模型,利用辛龙格库塔法得到了不同参数取值下的动力学响应。通过对比仿真结果,得到了结构尺寸与重力梯度对轨道运动、姿态运动影响的定量关系。仿真结果表明,重力梯度引起了姿态-柔性振动耦合现象,姿态运动影响了结构振动曲线外部包络线样式,而柔性振动改变了姿态运动周期。     

GNSS接收机离散化处理对解扩性能的影响

建立扩频信号防混叠滤波、采样、量化与解扩输出关系的数学解析模型,推导得到解扩输出信噪比的解析表达式。分析与仿真表明,当量化位数大于等于4 bit,解扩得到总的信噪比损失可以分解为由量化引起的损失和滤波加采样引起损失的乘积,且量化器最优限幅系数只与量化位数相关;当量化位数小于4 bit时,信噪比损失在一定条件下可近似为量化损失和滤波加采样损失的乘积。当量化位数大于4 bit、滤波器带宽大于5倍码率、采样频率大于4倍码率时,再增大上述参数引起的信噪比损失波动小于0.05 dB,对解扩性能提升不明显。该结论可为实用型全球导航卫星系统接收机前端离散化处理优化设计提供理论指导。     

具有空间坐标耦合的二阶集群模型分析

在空间坐标耦合的情形下建立一种改进的二阶分布式集群模型。分析结果显示,如果系统的拓扑结构不变,当其确定的有向图具有有向支撑树并且速度的伴随系数大于某一临界值时,整个群体将随着耦合矩阵的旋转角的变化而呈现出三种集群样式——直线模式、圆柱螺线模式以及对数螺线模式。最后给出了这三种样式所对应的数值仿真结果。     

基于熵最小化的LFM信号调频率估计算法

利用LFM信号频谱的熵随着调频率减小而降低的性质,提出了一种基于频谱熵最小化的LFM信号调频率的估计SEM方法。建立参数待估的相位补偿因子,通过搜索得到使得补偿后信号频谱熵全局最小的调频率估值。在搜索过程中,采用两级搜索策略,并引入牛顿迭代算法,有效降低了算法复杂度。理论推导和仿真结果证明,该算法为有偏算法,估计偏差量与初始频率相关,理论估计方差比较CR下界低12d B。对雷达实测回波信号进行验证,与离散多项式变换算法相比发现,提出算法估计的鲁棒性更好,并具有较高的测速精度,具有一定的应用价值。     

基于负熵最大的FastICA语音信号分离算法

语音信号分离是现代信号处理的热点问题,针对未知信号源个数的情况,提出一种基于负熵最大的FastICA(Fast Independent Component Algorithm)语音信号盲分离算法,有效解决了源信号数目估计、语音信号分离及复原等问题。改进的算法增加了源信号数目估计环节,放宽了算法适用条件,即在源信号数目未知的情况下,也能够实现信号盲分离功能。并将其成功应用于运用信号分选过程中,最终复原语音时域波形,完成信号分选任务。仿真实验中,详细讨论了该方法在不同信噪比以及不同源信号数目情况下的分选能力,证明了方法的有效性和优越性。