不等间隔时间采样高精度雷达数据仿真方法

研究高精度雷达数据采样问题。雷达数据采样时要求数据的准确性。传统雷达数据采用是基于等间隔时间采样的,具有精度低、误差大的缺陷,无法满足高精度定位的需求。针对上述问题,提出一种采用不等间隔时间采样的高精度雷达数据仿真方法。通过为飞行器建立基本的运动模型,采用分段组合的方法生成目标运动轨迹。在此基础上结合雷达的扫描体制与目标的运动特性,采用迭代法实现了对目标运动轨迹进行精确采样。实验结果表明,改进方法能够生成连续、光滑的目标运动轨迹,生成具有精确位置信息的仿真雷达数据,可用于多雷达航迹融合等对仿真雷达数据精度要求较高的场合。     

频率步进雷达多目标ISAR成像方法

针对频率步进雷达同一波束内多个运动目标在径向上重叠 而无法分辨时的ISAR成像问题,提出了一种基于调频傅里叶变换的ISAR多目标成像新方法。 在构建频率步进雷达多目标回波信号模型的基础上,采用调频傅里叶变换精确估计各个目标 的速度参数,结合 Clean方法实现对多目标回波信号的分离,完成多目标ISAR成像。仿真实 验结果进一步验证了文章所采用方法的有效性。     

网络雷达对抗系统有源模式的目标探测搜索

运用搜索理论分析、解决了网络雷达对抗系统有源模式对空中目标的探测搜索问题.分析了其马尔可夫过程,在系统采用数字多波束及脉冲追赶同步扫描的条件下,给出了网络雷达对抗系统有源模式的目标接触概率及发现概率计算方法,最后用仿真实验验证了所提方法和模型的有效性.     

雷达射频隐身的空、时、频域联合评估方法

针对机载雷达空域搜索模式下自身辐射源的射频隐身性能,提出一种不依赖于"辐射-接收"模型的联合评估方法.分析了机载辐射源的半功率波束宽度和旁瓣覆盖体积,波束驻留时间,发射机间歇发射时间和载频参数,然后给出雷达空、时、频域射频隐身性能指标的定量计算方法,最后得到雷达多域联合评估方法和评估因子表达式.仿真结果表明,评估方法能准确反映两种待测雷达的射频隐身性能优劣,证实了空、时、频域联合评估的可能性,完善了已有的射频隐身评估体系.     

车载阵列雷达姿态校正方法

针对装甲车辆、坦克等平台姿态角导致雷达扫描波束锥面倾斜,从而降低雷达测角精度和战场区域探测能力;研究了基于车载惯导三轴姿态角的阵列坐标转换和波束俯仰角自动调整的校正方法,基于波束扫描锥面和阵列坐标关系,给出了目标坐标校正算法;根据俯仰和横滚角对扫描波束的影响机理,推导出调整波束俯仰的计算公式。经仿真和工程实践验证,该方法有效可行。     

基于前视声纳的成像与多目标特征提取

针对水下目标图像的几何特性,提出了一种基于弦中点的改进Hough变换椭圆检测方法,实现了水下多目标的特征提取。单波束机械扫描前视声纳的图像数据为二维极坐标形式,采用波束内插方法和坐标变换方法生成图像,并对其进行图像预处理和轮廓跟踪,据此再进行多目标特征提取。通过水池实验结果表明,该方法对于水下多目标的特征描述更简明准确,为多目标识别与定位提供了有用信息。     

基于最大比幅值的圆接收阵雷达测角方法

介绍了一种固接收阵同时多波束雷达体制,针对该体制雷达,由于各种阵列误差的存在,造成传统比幅测角方法得到的目标点迹在方位角上不连续.本文提出一种基于最大比幅值的圆接收阵雷达测角方法,该方法利用实际观测的目标最大比幅值来构造线性比幅曲线,完成比幅测角,最终改善了目标点迹的连续性.理论分析和实测雷达数据验证了该方法的有效性.     

直升机载相控阵雷达波束波形联合自适应调度算法研究

孔径分割技术和波形捷变能力让直升机雷达可同时形成多个波束完成不同功能,并根据不同需求选择不同波形,因此对雷达资源管理提出更高的要求;综合考虑时间资源、能量资源、孔径资源的约束下,提出一种适合于多子阵直升机载相控阵雷达的波束波形联合自适应调度算法,对雷达波束和波形进行有效调度,并通过与传统自适应调度算法进行仿真对比,证明了该算法在调度能力、能量节约等方面的先进性。     

多波束测深系统在大浪淀水库库容测量中的应用

多波束测深系统可对水下地形进行全覆盖扫描测量,精确测得水下地形地貌,可应用于库容计算、冲淤分析、河道勘测等方面。结合Hydro Bat多波束测深系统在大浪淀水库库容测量的实例,介绍多波束系统在水库库容测量中的应用,进一步说明多波束测量技术的高精度、全覆盖、高分辨率和高效率的特点。     

汽车防撞雷达的目标识别

提出了一种降低雷达虚警率的解决方法。从波束的限制到波形的选择,对如何快速准确地采集目标信息进行了分析,为减少路面、防护栏或旁车道车辆所造成的干扰,采用FSK LFM方式的雷达波形处理多目标问题,算法快速方便,提高汽车防撞雷达的性能。     

Random set framework for multiple instance learning

Multiple instance learning (MIL) is a technique used for learning a target concept in the presence of noise or in a condition of uncertainty. While standard learning techniques present the learner with individual samples, MIL alternatively presents the learner with sets of samples. Although sets are the primary elements used for analysis in MIL, research in this area has focused on using standard analysis techniques. In the following, a random set framework for multiple instance learning (RSF-MIL) is proposed that can directly perform analysis on sets. The proposed method uses random sets and fuzzy measures to model the MIL problem, thus providing a more natural mathematical framework, a more general MIL solution, and a more versatile learning tool. Comparative experimental results using RSF-MIL are presented for benchmark data sets. RSF-MIL is further compared to the state-of-the-art in landmine detection using ground penetrating radar data.     

基于Stackelberg博弈的多输入多输出雷达信号与目标干扰优化

针对实际杂波环境中多输入多输出(MIMO)雷达与目标间检测与隐身的博弈问题,提出一种新的两步注水算法。首先建立时空编码模型;然后基于互信息量准则,用注水法分配目标干扰功率,用通用注水法分配雷达信号功率;最终得到强弱杂波环境Stackelberg博弈中目标占优和雷达占优的优化方案。仿真结果表明,雷达信号功率分配和通用注水水位变化规律均受杂波影响,两优化方案的互信息量在强杂波环境降低约50%,干扰影响系数分别降低0.2和0.25,互信息量受干扰影响程度降低,证明了所提算法的有效性。     

Rollout strategy-based probabilistic causal model approach for the multiple fault diagnosis

Multiple fault diagnosis (MFD) is used as an effective measure to tackle the problems of real-shop floor environment for reducing the total lifetime maintenance cost of the system. It is a well-known computationally complex problem, where computational complexity increases exponentially as the number of faults increases. Thus, warrants the application of heuristic techniques or AI-based optimization tools to diagnose the exact faults in real time. In this research, rollout strategy-based probabilistic causal model (RSPCM) has been proposed to solve graph-based multiple fault diagnosis problems. Rollout strategy is a single-step iterative process, implemented in this research to improve the efficiency and robustness of probabilistic causal model. In RSPCM instead of finding all possible combinations of faults, collect the faults corresponding to each observed manifestations that can give the best possible result in compared to other methods. Intensive computational experiments on well-known data sets witness the superiority of the proposed heuristic over earlier approaches existing in the literature. From experimental results it can easily inferred that proposed methodology can diagnosed the exact fault in the minimum fault isolation time as compared to other approaches.     

基于激光雷达的移动机器人实时位姿估计方法研究

位姿估计是移动机器人研究中的一个关键问题,对于运动目标跟踪、机器人导航、地图 生成等具有重要意义,提出了一种基于二维激光雷达的实时位姿估计方法,包括基于Hough变 换的切线角度直方图算法和迭代切线加权最近点算法两部分.两种算法的结合和切线信息的引 入.有效地解决了传统方法无法解决的局部最小值、类孔径、大计算量等问题.仿真数据和室外 环境实际数据的大量实验结果表明它具有精度高、速度快、适用性广和对噪声、遮挡和类孔径问 题鲁棒性高的特点.     

基于多分类器融合的步态识别方法

为了提高现有基于智能手机加速度传感器步态身份识别的性能,提出了一种基于多分类器融合（MCF）的识别方法。首先,针对现有方法所提取的步态特征较为单一的问题,对单个步态周期提取相对匀变加速度的速度变化量,以及单位时间内加速度变化量作为两类新特征（共16个）;其次,将新特征结合常用的时域、频域特征组成新的特征集,用于训练识别效果与训练时间俱佳的多个分类器;最后,采用多尺度投票法（MSV）对多分类器的输出进行融合处理,得到最终的分类结果。为了检测该方法的性能,采集了32个志愿者的步态数据。实验结果表明,新特征对于单个分类器的识别率平均提升5.95个百分点,最终通过MSV融合算法的识别率为97.78%。     

Target tracking with fast adaptive revisit time based on steady state IMM filter

Time is a valuable resource in phased-array radar and proper use of it enables the radar to track more targets simultaneously. Appropriate usage of time in the tracking means the radar can minimize the revisit rate of the tracked targets while the accuracy of targets position estimation is still acceptable. In this paper, a new method for determination of target revisiting time is proposed which has relatively low computational cost and uses steady state filters with Interactive Multiple Models structure. The proposed algorithm allows the radar designer to determine the filter parameters by some criteria such as the desired accuracy and targets maneuver. The performance of the proposed method is compared with the conventional filters for standard maneuverable flying targets. Simulations show the better accuracy and reliability of the proposed method beside its less target revisit time and computational load.     

侧扫雷达测流系统开发与应用

河流流量是水文水资源管理中最重要的参数之一,目前大多采用接触式测流,安装使用较为复杂,灵活性较差。利用雷达遥感技术对河流进行实时监测,研制出侧扫雷达测流系统,依据布拉格散射和多普勒原理测量河流的表面流速,使用这些数据及已知的河流横截面图(深度分布)和已测的水位计算出河流流量。侧扫雷达测流系统采用太阳能供电和移动蜂窝通信,流速测量、数据上传、流量合成无需人工干预,可实现河水流量的自动化监测。结果表明,侧扫雷达测流系统适用于各种复杂环境情况,能滤除船舶、周边建筑、陆地移动汽车等构成的雷达回波干扰,最大探测距离可达800 m以上,适用于内陆河流、界河、大江大湖等天然流域的流量监测。     

雷达图像像素矩阵的提取与应用仿真

该文提出采用图像像素矩阵提取的方法，对雷达图像进行特定的处理，该处理方式精确、直接，对原图像影响较小。具有良好的实验效果。同时提出了根据雷达像素矩阵进，行目标识别的思想。     

MIMO-OFDM系统中一种低开销有限反馈新方法

以LTE-Advanced为背景,针对多输入多输出-正交频分复用(MIMO-OFDM)系统中的关键技术--基于码本的有限反馈预编码进行了研究,提出了一种基于递归算法的有限反馈新方法。利用各子载波间的频域相关性,以前一个子载波所选码字为基础,通过内积运算排序的方法来确定当前子载波的码字集合,然后对与该新码字集合相对应的码字索引进行可变长编码,以用于系统反馈。仿真结果表明：在递归反馈算法的基础上利用可变长编码能有效降低LTE-Advanced系统的反馈开销。     

“学—导多元互动”教学模式在信息技术课堂教学中的应用探索

"学—导多元互动"教学模式特别要体现以学生为本的理念,教师在教学中不仅要注意知识的传授,更重要的是教给学生学习的办法,把学到的知识内化为自觉的行动。"学—导多元互动"教学模式对打破传统的教学模式的桎梏有着十分重要的意义。